多尺度统计线性判别分析的运动行为检测

针对主成分分析模型未能有效地利用相邻两帧运动目标的时空相关性,容易将背景误判为运动目标,同时为了处理目标检测中的冗余信息,克服光照影响、阴影干扰等问题,提出多尺度统计线性判别分析的运动行为检测算法。该算法首先采用多尺度分析大范围搜索视频目标行为,对未来运动目标的位置状态进行估计假设,缩小目标搜索范围;然后对锁定范围内场景中的所有内容进行样本分类,计算各样本内以及样本间的相关矩阵,同时比较各样本特征值;最后通过统计线性判别分析判断样本局部向量及幅值,检测行为目标。仿真实验结果对比分析表明,新算法能够有效地对运动行为进行检测跟踪,并对背景的变化具有一定的鲁棒性。     

基于多目标蚁群优化的单类支持向量机相似重复记录检测

为解决数据源中相似重复记录样本稀少问题,提出一种基于多目标蚁群优化的单类支持向量机相似重复记录分类检测方法。根据记录对中2条记录是否相似,将相似重复记录检测建模为二分类问题,用单类支持向量机进行分类,并且只用不相似重复记录样本对进行训练;选择合适的属性相似度函数计算记录对之间的相似特征向量,将其作为单类支持向量机分类器的输入进行二分类检测;建立以查准率、查全率、特征数量综合最优为目标的多目标特征选择模型,结合训练样本为单类样本的特点,将启发式因子定义为类内散度最小化约束,设计了求解模型的多目标蚁群算法。通过将单类支持向量机算法和支持向量域描述算法、传统二分类支持向量机算法进行对比,结果验证了单类支持向量机算法的有效性和优越性。     

图像自寻的弹药目标检测方法综述

弹载图像目标检测方法是实现图像自寻的弹药“发射后不管”、对目标进行自主打击的关键技术。弹药图像自寻的面临着成像环境恶劣,目标特性变化快,对算法体积、速度要求苛刻等问题。围绕弹载目标检测难点问题进行综述,将基于深度学习的目标检测方法区分为基于候选框、无候选框和基于transformer的方法,回顾了各类方法主要研究进展;对特征提取网络轻量化、预测特征图增强、非极大值抑制后处理算法、训练中样本均衡、模型压缩等弹载图像目标检测模型部署中的关键技术进行了梳理;对比了典型目标检测方法在ImageNet、COCO及弹载图像目标数据集上的性能,并对未来发展进行展望。     

基于深度学习的小目标检测研究综述

针对目标检测特别是小目标检测问题,首先梳理了目标检测算法的发展与现状,系统性地总结了基于深度学习的目标检测算法研究进展,从精度和速度方面分析了两阶段及单阶段检测算法的优缺点及检测性能;其次作为参考梳理了小目标检测领域的典型数据集,分析在小目标检测难题上的改进算法,提升检测精度和速度,以及获得二者的平衡,成为小目标检测改进的方向和面临的挑战;最后对基于深度学习的目标检测应用领域做出展望和预测,为小目标检测问题提供了参考。     

基于鲁棒主成分分析的红外图像小目标检测

鲁棒的小目标检测是红外目标搜索与跟踪的关键技术,提出一种改进的单帧红外图像小目标检测算法。该方法将原始红外图像通过预处理变换到新的红外块图像模式,在红外块图像上,将红外图像小目标检测问题转换为低秩矩阵和稀疏矩阵分离的鲁棒主成分分析(RPCA)问题。考虑到红外图像中噪声和杂波的存在,用交替方向方法求解带噪声的RPCA问题,获得稀疏目标图像,并对获得的稀疏目标图像采用简单的图像分割算法进行目标检测。对空天、海天、天云、海面4种不 同场景的红外图像小目标检测,进行仿真实验,结果验证了所提出算法的有效性。     

基于生成式对抗网络的合成孔径雷达舰船数据增广在改进单次多盒检测器中的应用

针对合成孔径雷达（SAR）图像舰船目标检测领域舰船数据获取成本较高、数据集稀少的问题,提出一种基于像素对像素（pix2pix）生成式对抗网络(GAN)的数据增广技术。制作一个用于pix2pix GAN的数据集,通过对GAN网络的训练和测试得到800张新的SAR舰船样本,并对生成的典型样本进行了客观评价;针对传统SAR舰船目标检测算法鲁棒性差、易受斑点噪声影响的缺点,提出一种基于改进单次多盒检测器(SSD)的SAR舰船检测算法,通过在SSD加入Inception模块增强其对多尺寸目标适应性,提高检测器性能;将pix2pix GAN生成的SAR舰船数据进行标注后加入改进的SSD中,在SAR舰船检测数据集上进行大量对比实验。实验结果表明：当将生成的样本加入原SSD后,检测精度比原SSD检测算法提高了4.3%;当将生成的样本加入改进的SSD后,检测精度相比改进的SSD提高了1.9%;检测器中没有加入生成样本的情况下,改进SSD算法相比原SSD检测算法,检测精度提升了4.7%.     

双树复小波和独立分量分析的红外小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出一种基于双树复小波变换和独立分量分析(ICA)的检测方法。对图像作预处理:利用双树复小波对原始图像进行去噪,再利用Top-hat算子抑制背景;从原始图像减去通过快速独立分量分析(FastICA)分离出的背景图像,用双树复小波去噪;上述2方面得到的图像求和即为预处理图像。采用模糊Tsallis-Havrda-Charvat熵选取阈值来分割预处理图像。针对红外小目标图像进行了大量实验,并和基于快速独立分量分析的目标检测方法、基于形态滤波的目标检测方法进行了比较。结果表明,本文方法抗噪性强,具有更为优越的检测性能。     

一种基于分层多尺度卷积特征提取的坦克装甲目标图像检测方法

针对坦克装甲目标的图像检测任务,提出一种基于分层多尺度卷积特征提取的目标检测方法。采用迁移学习的设计思路,在VGG-16网络的基础上针对目标检测任务对网络的结构和参数进行修改和微调,结合建议区域提取网络和目标检测子网络来实现对目标的精确检测。对于建议区域提取网络,在多个不同分辨率的卷积特征图上分层提取多种尺度的建议区域,增强对弱小目标的检测能力;对于目标检测子网络,选用分辨率更高的卷积特征图来提取目标,并额外增加了一个上采样层来提升特征图的分辨率。通过结合多尺度训练、困难负样本挖掘等多种设计和训练方法,所提出的方法在构建的坦克装甲目标数据集上取得了优异的检测效果,目标检测的精度和速度均优于目前主流的检测方法。     

红外运动小目标检测方法综述

红外运动小目标的检测,对提高红外成像系统的作用距离,具有重要意义。文中对先检测后跟踪(De-tect Before Track,DBT)和先跟踪后检测(Track Before Detect,TBD)两类红外运动小目标检测方法进行了对比,指出两类方法在目标检测中的适用场合。同时对红外目标检测领域存在的问题进行深入分析,最后指出了该领域可以深入研究的方向,以供后续开展红外目标跟踪与识别工作作为参考。     

基于时空域融合滤波的红外小目标实时检测算法及其多C64x的设计与实现

针对红外图像序列中的小目标实时检测问题。文中提出一种基于时空域融合滤波的小目标检测算法。首先介绍了时空域融合滤波检测算法的基本原理，然后根据算法的特点提出了它在多TMS320C6416上的并行流水线实现方法，最后给出并分析了算法软件仿真结果和硬件平台设计。实验结果表明该方法可以快速可靠地检测出低信噪比红外图像序列中的小目标，从而有效地验证了本系统的实时性及适用性。     

基于贝叶斯原理的小子样试验导航误差评定方法

针对鉴定试验花费大、周期长的问题,提出一种水下无人航行器导航误差小子样贝叶斯试验CEP评定方法。该方法综合运用大量验前子样,对其进行相容性检验,以确定有效的验前子样,并运用统计推断理论获取验前信息。根据在验收试验中获取的验后子样获取验后信息,利用贝叶斯理论推出无人航行器满足CEP指标的概率。实例结果表明了方法的有效性和实用性。     

基于多层自助最大熵法的可靠性评估

在小样本无任何先验信息的条件下,提出多层自助最大熵评估模型分析机械产品寿命可靠性。用自助法对当前无失效数据样本进行再抽样,获得足够的样本数据。基于最大熵法,改变抽样个数得到不同的拉格朗日乘子。再次运用自助法对拉格朗日乘子的小样本数据进行再抽样,基于最大熵法获得拉格朗日乘子的区间估计。对每个拉格朗日乘子的上下限进行排列组合,得到多个概率密度函数和可靠性函数,运用最小不确定性原理得到可靠性函数的区间估计。试验研究表明,多层自助最大熵评估模型可以有效地解决概率分布已知或未知的小样本无失效数据的可靠性评估问题。     

基于先验信息稀疏恢复的非均匀样本检测方法

针对训练样本被干扰目标污染导致空时自适应处理（STAP）目标检测性能下降的问题,提出了一种基于先验信息稀疏恢复的非均匀样本检测方法。该方法首先采用欠定系统局灶算法恢复待检测单元的稀疏表示系数,然后利用机载雷达系统参数等先验信息离线设计“稀疏滤波器”,并采用其滤除稀疏表示系数中的目标及“伪点”的影响,进而估计杂波协方差矩阵,最后与广义内积（GIP）方法结合,根据新的检测统计量来剔除被污染的样本。仿真分析表明,与传统GIP方法相比,该方法能够有效地检测出被干扰目标污染的训练样本,提升了STAP在非均匀环境下的目标检测性能。     

正态应力-正态强度下可靠度精确置信下限

针对应力和强度均服从正态分布,且二者的分布参数均未知的情况,有些学者给出了此条件下可靠度的近似置信下限,但是可靠度的近似置信下限在小样本情况下误差较大。基于应力-强度模型,结合相关统计学知识,给出可靠度的精确置信下限,同时与3种近似限方法进行了对比。结果表明:无论样本量大或者小,文中方法计算出的精度均高于3种近似限方法。当样本量较小时,推荐使用文中所给方法;当样本量较大时,可采用3种近似限方法进行近似计算。文中提出的方法可为可靠性评估提供一种新的途径。     

基于小波变换的小目标检测

利用小波分析的多分辨率特性和时频局部窗特性能够克服传统方法的局限,实现小目标的精确定位检测.基于小波变换的小目标检测,先利用改进的小波变换选择合理的小波基和小波变换窗口对小目标图像滤波,后结合直方图阈值分割法分割阈值.实验结果表明该方法不仅能很好保存小目标的形状特征,还能将背景几乎完全消除.     

基于小样本试验数据再入偏差折合及评估方法研究

为了评估目标射程状态下再入偏差精度指标分配,提出一种基于小样本试验数据再入偏差折合及评估方法。首先分析再入段干扰因素对飞行器再入运动特性及落点偏差影响机理,建立考虑各种再入偏差因素影响动力学和运动学计算数学模型,计算干扰条件下目标射程和试验射程再入偏差,求出试验射程至目标射程再入误差折合系数,分离试验条件下再入偏差,并折合至目标射程状态。将该方法应用于飞行器试验数据分析,得到了小子样试验数据条件再入偏差评估结果。方法及研究结果对再入误差分析计算和落点偏差精度指标评定具有重要应用价值。     

基于改进YOLOv3和核相关滤波算法的旋转弹目标探测算法

旋转弹的电视摄像头拍摄画面会产生旋转及抖动模糊,在预先侦查目标数据较少且末制导段视野目标较小的情况下,目标难以精确探测,为此提出一种基于改进YOLOv3和核相关滤波（KCF）算法的目标检测与跟踪算法,通过深度学习实现目标的自动检测。制作模拟山地打击场景的数据集,基于少量数据样本的前提,模拟不同天气、光照、运动及旋转模糊等复杂环境,完成在网络学习中数据的增强和扩充;通过在YOLOv3网络基础上添加Inception多尺度分支结构,增加网络对于目标不同尺寸的适应性,减少网络层数,更能适应对小目标的检测;在实现目标定位方法上,将目标检测与跟踪算法相融合,提出一种目标丢失判别机制,并利用弹道的速度—时间信息更新目标跟踪框尺度。仿真实验结果表明,相比原始算法,改进算法能更有效实现复杂环境下的目标检测和跟踪。     

一种用于水下小尺度运动阵列的目标波达方向估计方法

为解决水下小尺度运动阵列对目标定位的孔径和样本不足问题,采用合成孔径方法实现孔径的扩展。通过分析相干信源情况下不同阵元数与样本数之比时样本协方差矩阵的谱分离特性,提出采用小快拍的主特征空间目标波达方向估计方法。研究结果表明：仿真实验中,阵元数与样本数之比为5时,该方法依然可以正确分辨4个目标;水池试验中,阵元数与样本数之比为4.8时,该方法同样可以准确分辨3个相邻目标。该方法不需要先验信息如信源个数等,解决了小尺度运动阵列在实际应用时所暴露的孔径和样本方面的固有局限,可满足实际应用需求。     

基于Bayes方法的航空子母炸弹制导精度分析

针对风修正系列航空子母炸弹的制导精度鉴定问题，根据炸弹的试验投放情况和毁伤机理，讨论了毁伤效能战术指标与制导精度指标之间的关系。在小子样条件下，运用Bayes理论方法，提出了航空子母炸弹的制导精度和布撒均匀度鉴定方案，研究了对Bayes SPRT序贯方法的改进。仿真结果表明：所提出的方案可以减少所需的试验样本量，可以用于小子样条件下航空子母炸弹的精度鉴定问题。