基于三维GMRF的多光谱图像自适应目标检测

针对常见的多光谱目标检测算法仅利用光谱信息的局限性．提出一种移动窗口局部异常自适应检测方法。采用加性目标信号和非结构化背景模型描述多光谱图像数据；基于谱间相关性和空间相关性．利用三维高斯马尔可夫随机场（GMRF）模型估计背景数据二阶统计量的逆．最后通过广义似然比检验实现了自适应目标检测。仿真试验及其理论分析表明了算法的有效性。     

基于形态成分稀疏表示的红外小弱目标检测

信号稀疏表示的超完备字典可有效感知信号的各种结构特征。针对红外小弱目标检测问题,文中提出了一种基于图像形态成分分析(morphological component analysis,MCA)理论的自适应信号稀疏表示的小弱目标检测方法。该方法根据红外图像信号自适应的训练和构造超完备字典,并进一步分为反映目标信号特征的目标子字典和表示背景噪声的背景子字典。然后求取待检测图像块在超完备字典的稀疏表示系数,挖掘目标和背景的稀疏表示系数差异,最后通过量化和比较信号在目标子字典的表示系数检测小弱目标。实验结果证明了该方法的有效性。     

鱼雷稀疏阵高分辨目标声成像方法

鱼雷目标声成像和图像制导是鱼雷在现代复杂水声对抗战场条件下实现准确目标识别和智能化精确制导的最有效途径。为了实现鱼雷图像化目标识别和精确图像制导,针对鱼雷应用特点,研究了鱼雷利用预成空间密集窄波束实现高方位分辨、同时利用各窄波束宽带信号处理实现高距离分辨的目标声成像方法,提出了鱼雷声成像高频非均匀复合稀疏阵及其波束形成方法,分别给出了宽带信号高距离分辨成像处理方法和基于双阈值分割及模糊聚类的目标声图像优化处理方法,有效实现了空间方位和距离高分辨的鱼雷目标声成像。该方法大大减小了硬件规模,易于工程实现。计算机仿真和水池试验结果表明,该鱼雷目标声成像方法可以有效获取目标声图像,并具有很高的方位和距离分辨能力。     

基于低概率检测的高光谱图像有损压缩方法研究

高光谱图像海量数据的不断增加迫切需要实现大比例的有损压缩。现有方法往往不能满足重要信息准确保留的要求。文中提出结合区域分割和低概率异常检测（LPD）算法的数据有损压缩方法，用空间聚类实现区域分割从而提取大块区域包含的背景光谱。LPD算法用于检测场景中低概率出现的奇异目标，接着对背景光谱和奇异目标光谱进行无损压缩，最后对整个数据立方体进行大比例有损压缩。AVIRIS高光谱图像的仿真结果表明．压缩比得到大幅度提高。同时准确保留了重要和主要信息。     

基于样本分割的快速高光谱图像异常检测支持向量数据描述方法

高光谱图像异常检测支持向量数据描述方法性能优越但存在计算量巨大的问题。提出快速高光谱图像异常检测支持向量数据描述方法，该算法通过样本分割有效降低求取支持向量的计算量。建立了求取支持向量的计算量与样本分割子集数量的数学模型，并给出样本分割子集数量的最优选取方法；提出目标窗与背景窗尺寸相同的优化分割方法，该方法目标窗每次移动只需更新50%的训练样本，有效地减少图像遍历时求取支持向量的计算量。对HYMAP图像的仿真结果表明：本文算法对不同尺寸的高光谱图像进行异常检测的计算时间均小于SVDD算法计算时间的10%.     

高光谱异常检测中背景抑制方法的研究进展

为解决目前高光谱图像的空间分辨率较低的缺点,分析和总结了高光谱异常检测中背景抑制算法。对背景抑制方法进行了分类,按照类别分别对背景抑制方法进行了分析介绍,并针对目前背景抑制方法所存在的问题,提出了未来高光谱图像异常检测中背景抑制方法的研究方向。该研究对弱小信号的检测具有一定的参考作用。     

一种基于小波变换的遥感SAR图像与TM图像融合新算法

以高空间分辨率的SAR图像和高光谱分辨率的TM图像为例，提出了一种基于小波变换的多源遥感图像融合方法。该方法首先对TM图像作IHS变换，得到亮度I、色度H与饱和度S三个分量；其次，依据特征量积和匹配度为融合准则，将TM图像的亮度分量和SAR图像进行融合处理．并用融合结果替代TM图像的亮度分量；最后，作IHS反变换得到融合图像。实验结果表明，文中方法在增强空间细节信息的同时更好地保持了光谱信息，与IHS法和小波变换法相比，证明了文中方法的有效性。     

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。     

高光谱-激光共光路联测设计与试验

为解决同时对空中、地面和水下等目标进行精确的距离、方位和光谱属性探测问题,提出了高光谱-激光雷达共光路探测原理和计算模型,以及原理样机设计方法,并进行高光谱-激光雷达共光路探测试验。试验生成了高光谱与激光雷达合成数据,每个点具有坐标信息和光谱信息,对合成前后数据进行对比,可以实现对不同目标识别伪装,并对目标进行精确定位。试验结果表明,高光谱-激光雷达共光路联测方法具有可行性。     

基于非下采样剪切波特征提取的SAR图像目标识别方法

针对现有合成孔径雷达(SAR)图像特征提取方面的不足,提出基于非下采样剪切波(NSST)特征提取的SAR目标识别方法。该方法采用NSST对SAR图像进行分解获得多层次的子代图像,这些子代图像具有良好的平移不变性并且可以很好地反映目标的主要和细节特征。在分类阶段,采用联合稀疏表示对多层次NSST子代图像进行联合表征;联合稀疏表示在独立表示各个分量的同时考察了不同分量之间的相关性,因此可以有效提高联合表征的精度;最终,根据整体重构误差判定测试样本的目标类别。基于MSTAR数据集对提出方法进行测试,实验结果分析表明该方法在标准操作条件、型号差异、俯仰角差异以及噪声干扰的条件下均可以保持优异性能。     

基于空域压缩采样的水声目标DOA估计方法

在空域存在稀疏观测约束条件下,传统的水声目标方位DOA估计方法在水下无人航行器等小型平台的应用中往往精度低或者失效。针对这一问题,提出了一种基于空域压缩采样的水声目标DOA估计方法。该方法通过建立水下目标的空域稀疏模型,对水下目标在空域进行压缩采样,并利用联合稀疏重构实现水下目标的DOA估计。仿真实验表明：与传统方法相比,该方法在较少阵元、较小阵列间隔和较少快拍下估计精度相对提高;而在较低信噪比下估计成功率能够提高50%以上,均方误差也能降低到02°以下。     

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。     

基于稀疏信号表示的SAR地面运动目标成像

针对传统成像方法受瑞利分辨率的限制,提出了基于稀疏信号表示的地面运动目标成像方法。地面动目标回波可建模为稀疏线性调频信号,可将其在线性调频信号超完备基上稀疏表示。相对于距离-多普勒(RD)算法,基于稀疏信号表示的成像方法具有超分辨特性,有利于对运动目标检测。仿真与实测数据验证了该方法的有效性。     

基于空时稀疏表示的红外小目标检测算法

提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。     

基于冗余字典的多特征压缩感知目标跟踪算法

针对多特征压缩感知算法中,要求信号稀疏表示的基是一个正交矩阵的问题,提出了提取红外与可见光的多特征目标构造冗余字典子空间下的稀疏表示,分析了压缩感知算法中感知矩阵的选择和稀疏信号的重构。根据对信号稀疏表示的重构,提出粒子滤波框架下基于冗余字典的多特征压缩感知跟踪方法,能够自动检测复杂场景中出现的动态目标。实验结果表明,与其他经典算法相比,该算法在光照变化、相似外形的干扰目标遮挡等复杂场景中具有更好的鲁棒性及实时性。     

基于GLC-KSVD的稀疏表示人脸识别算法

稀疏编码中的字典学习是基于稀疏表示图像分类的核心内容,为此提出了一种基于Gabor特征和标签一致K-SVD(GLC-KSVD)字典学习的稀疏表示人脸识别算法;由于Gabor特征对光照、表情和姿态等具有一定的鲁棒性,首先对图像进行Gabor特征提取,用增广的Gabor特征矩阵来构建初始字典,然后通过字典学习得到原子与类别标签相对应的判别性字典和线性分类器,字典学习模型综合了重建误差、分类误差和稀疏编码误差,通过字典的标签一致约束,同一类别的样本得到相似的编码系数;实验结果表明:该算法具有良好的识别精度和较高的识别效率。     

基于高光谱图像探测与感知的伪装效果评估方法

为解决高光谱侦察过程中目标的伪装评估问题,提出一种联合探测与感知的高光谱伪装效果评估方法。利用局部异常检测算子提取每个像元与周围背景的差异性指标,结合空间密度聚类和领域融合算法,分割潜在目标区域;建立反映光谱差异性和整体伪装特征的显著性指标,基于有限时间搜索策略进行高光谱伪装评估,从伪装评估指标和时间-评价分数多重角度得到伪装评估结果。仿真实验表明,该方法克服了传统基于多特征描述的评估方法评价指标单一的问题,能够较为客观和准确地给出评估结论,为目标伪装效果评估提供可靠的参考依据。     

稀疏FRAME模型的感兴趣目标检测算法

针对基于非齐次FRAME（Filters,Random filed,And Maximum Entropy）模型的目标检测算法在目标发生较大形变或存在阻挡等情况下的定位产生一定偏差,以及学习模型所需大量时间等各方面的研究,提出了一种稀疏FRAME模型的感兴趣目标检测算法。首先用共享稀疏编码方法对样本图像进行特征提取,由所选择的基函数构成可变形的稀疏FRAME模型;然后用交替的求和图及最大值图结构对测试图像进行匹配检测,实现目标定位。经多组实验结果表明,该算法不仅在一定程度上提高目标发生较大形变或存在阻挡等情况下的鲁棒性,而且节省了大量的样本训练时间。     

弹载图像探测器广域协同探测算法

针对弹载图像探测器协同探测的分配方式影响目标信息增益的问题,开展此类探测器广域协同探测算法研究。以获取最多有效毁伤信息为目标,研究了弹载图像探测器散布修正与目标分配问题;建立完整的图像探测器动力学模型和目标等效模型,模拟多探测器的协同探测环境;通过有效信息熵描述图像探测器系统获取毁伤信息的能力,推导毁伤信息熵与系统和目标的相关方程,得到协同探测能力的评价准则;基于Kuhn-Munkres算法和Runge-Kutta算法,提出求解图像探测器最佳修正时机与最优观测目标分配的优化求解方法,并给出算法流程,解决弹载图像探测器协同探测的最优分配问题。结果证明：与图像探测器随机分配方式进行对比,该算法具有更高的信息增益;当图像探测器越过检测目标时,目标信息熵增益同比增长24%。