基于高阶神经网络(HONN)的封闭平面形状识别

本文用形心到外轮廓的距离序列表示平面形状,将二维的平面形状识别问题转化为一维波形曲线的识别问题。对于这种波形曲线的识别,采用具有平移不变性的高阶神经网络方法,成功地解决了目标旋转变化后导致的边心距序列循环移位的问题,克服了传统匹配识别方法寻找匹配起始点的困难。实验表明,本文的方法简单易行,并且具有较高的识别率,可实现平移、旋转和比例不变性识别。     

基于多传感器数据融合的飞机目标自动敌我识别方法

为提高复杂环境下目标敌我属性识别能力,提出了一种基于多传感器数据融合的自动目标敌我属性识别方法。采用将IFF、ESM、雷达,红外获取的信息进行特征级融合的方法对目标进行识别,并采用模糊神经网络模拟真实战场环境,提高了目标的识别率和准确度。     

基于角点特征不变量的红外图像匹配研究

在红外目标识别过程中,针对系统实时性要求高的场合,提出了一种基于角点的特征不变量,证明了该不变量具有平移不变性、旋转不变性和比例不变性.将该不变量作为匹配因子,运用动态规划的方法把目标的不变量与模型中的不变量进行匹配,并与三角形边长匹配法进行了比较.实验证明,该方法有效地降低了匹配误差,提高了识别的实时性,效果较好.     

基于高阶神经网络的目标不变性识别系统

针对大尺寸目标图象的不变性识别提出了一种综合目标识别系统。该系统用形心到外轮廓的距离序列表示目标形状，将二维的目标图象识别问题传化为一维波形曲线的识别问题。对于这种波形曲线的识别，采用具有平移不变性的高阶神经网络（ＨＯＮＮ）方法，成功地解决了目标旋转变化后导致的边心距序列循环移位的问题，克服了传统匹配识别方法寻找匹配起始点的困难；同时使得ＨＯＮＮ由三阶降为二阶，极大地降低了对存贮容量的要求，仿真结果表明该系统对大尺寸目标图象的平移、旋转和比例不变性（ＴＲＳＩ）识别是切实可行的。     

基于三阶相关量的目标图像不变性识别技术

重点在于应用基于三阶相关量的人工神经网络方法解决目标图像的平移,尺度变换,旋转不变性识别问题。该方法通过计算“零片”三阶相关量,对数级坐标变换和计算Ｆｏｕｒｉｅｒ变换幅度谱,得到ＴＳＲＩ特征,并作为模式分类器的输入信号;模式分类器采用单层感知机。理论分析和对３类飞机目标的实验结果表明,该法具有抗噪声,高识别率,处理速度快,结构２简单等特点是一种有效的ＴＳＲＩ识别方法。     

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。     

一种基于对数极坐标变换的图像配准方法

在目标识别过程中，常规的配准方法虽然能够很好地解决目标平移的问题，但当图像存在较大型变时．识别的鲁棒性始终未能很好解决。针对这一问题，提出了构造对数极坐标模型，将其应用于检测与识别过程之间的方法，用以克服目标图像缩放及旋转带来的影响，从而把目标的缩放旋转与平移因素分离开处理，为后续识别工作提供了一个易于操作的基础。     

基于非下采样Contourlet的熵测度图像融合算法

活性测度是图像融合过程中的重要衡量工具.通过其提取的某种特征信息,来决定哪幅输入图像的特征更为明显.在基于多分辨率分解的融合算法中,常用的活性测度只考虑各层高频子带系数本身,忽略了低频系数所提供的信息.考虑到综合高、低频系数对于活性测度的影响,基于非下采样Contourlet变换良好的平移不变性、多方向等特性,提出了一...     

机载瞄准吊舱ATR技术初探

机载瞄准吊舱自动目标识别(ATR)技术包括传感器、处理机及其算法、图像分割与特征提取等常用的前视红外(FLIR)传感器和处理芯片,图像分割采用阈值分割、边缘检测、统计学分割和边界信息法等.特征类型有几何、拓扑和投影等.ATR技术有基于参数分类的ATR、模型ATR、多传感器信息融合的ATR、人工神经网络的ATR等.     

基于粒子滤波的目标图像多特征融合跟踪方法

研究了序列图像中红外弱小目标的检测跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于粒子滤波的目标图像多特征融合跟踪方法.从红外序列图像中提取了局部灰度均值对比度、局部梯度均值对比度、局部熵和灰度分布四个典型特征,根据各个特征对弱小目标检测的贡献,自适应地进行特征融合.在粒子滤波的框架下,将融合后的特征信息转化为粒子的权值,对红外弱小目标进行跟踪.仿真试验表明,该算法有着良好的检测与跟踪性能.     

基于小波和神经网络的红外目标特征提取与识别

研究了小波和神经网络相结合进行目标识别的方法.利用目标信息主要集中在低频部分的特点,对信号进行小波分解,提取在不同频带信号的多尺度空间能量和不变矩作为特征量,再用BP神经网络进行识别.实验结果表明,该方法具有很高的识别率,充分说明了红外图像信号在小波子带上的不变矩及能量分布具有表征目标类别的信息.该方法对于精确制导武器的目标识别研究具有一定的实用价值.     

基于图像矩和小波能量的红外目标特征提取

特征提取是目标分类和识别的基础。图像矩反映了物体灰度相对于质心的统计分布情况。目标的红外图像信息在小波域主要集中在低频部分。文章中提出了一种提取红外目标不变特征的新方法,利用该方法提取的特征向量,对红外目标图像进行了分类识别。实验结果表明:这种方法对精确制导武器的目标识别具有较高的实用价值。     

红外成像制导末端局部图像识别跟踪研究

针对红外成像制导末端目标图像充满导引头视场影响目标识别跟踪的问题,提出一种红外成像制导末端局部图像识别跟踪的方法。分析了红外成像制导原理;选取了高亮区比例、灰度标准偏差、长宽比、紧凑度和复杂度等5个特征量作为特征提取和目标识别的依据,提出适合导弹的目标快速识别算法;通过计算红外成像制导末端目标图像,在导引头焦平面上的投影面积的变化情况,分析了弹目距离与相对速度对目标图像变化情况的影响,研究了形心跟踪到局部图像跟踪的转换时机。综合考虑了可靠性和实时性要求,选取飞机机头作为局部图形跟踪的跟踪点;搭建红外成像制导仿真场景,对所提出的方法进行仿真分析。仿真结果表明:该方法能够有效地识别图像中的目标,减小红外成像导引头跟踪盲区,实现红外成像制导末端的平稳跟踪。     

基于多特征融合与粒子滤波的红外弱小目标跟踪方法

研究低信噪比复杂背景下的红外弱小目标检测和跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于多特征融合与粒子滤波的红外弱小目标跟踪方法.仿真试验表明,与单特征跟踪算法相比,该算法对复杂背景下的红外弱小目标具有更好的跟踪与检测性能.     

基于多特征核协同表示的SAR 目标识别

为利用合成孔径雷达(synthetic aperture radar,SAR)目标不同特征数据间的相关性与互补性,提出一种基 于多特征的Tikhonov 正则化核函数协同表示(multi-feature kernel collaborative representation- based classification with tikhonov regularization,MFKCRT)算法。采用美国运动和静止目标获取与识别(moving and stationary target acquisition and recognition,MSTAR)计划公开发布的SAR 图像数据库进行实验,实现核函数变换空间上的多特征融合协同表示 识别。实验结果表明：该算法相较于基本的协同表示,具有更优的可靠性与鲁棒性。     

用于弹载线阵红外与激光扫描成像引信的轻量化卷积神经网络目标识别方法

为了进一步提高末敏弹在复杂战场环境下对地面装甲目标的识别概率,提出了一种基于轻量化卷积神经网络的红外图像与距离像复合探测识别方法。网络设计考虑了弹载环境对实时性的要求,将网络划分为特征提取、特征融合2个阶段。在特征提取阶段,对不同源的图像进行了分布式卷积,提高了网络的并行性,降低了网络参数量与计算量; 为了弥补分布式卷积带来的特征损失,将距离像与红外图像的融合图像也一并作为网络输入; 在特征融合阶段利用深度可分离卷积实现了进一步的轻量化设计。通过仿真缩比实验环境获得的数据集进行实验验证,实验结果表明,网络具有较小计算复杂度的同时能够对复杂背景环境下的装甲目标进行有效识别。     

基于改进的胡氏不变矩的坦克识别方法

针对基于胡氏不变矩的坦克识别率低、在图像离散采样的情况下受图像尺度变化影响的问题,进行了图像尺度不变性研究,设计了一种基于改进的胡氏不变矩的坦克识别方法;为解决最大类间方差法在复杂背景下图像分割阈值与真实阈值发生偏移的问题,采用改进的最大类间方差法分割图像,减少了偏移量。将胡氏不变矩和改进的胡氏不变矩的算法进行了对比实验,实验结果表明：相对于采用胡氏不变矩的坦克识别方法,改进后的识别方法识别率提高了22％,该方法运算时间减少了80 ms,能克服图像的尺度变化造成的影响。     

基于空中目标识别的特征提取与选择

为从冗杂的海量信息中提取出有效的特征数据和信息,对空中目标识别的目标特征进行研究。介绍目标跟踪识别系统,从搜索雷达的目标回波信号特征、目标光谱成像特征、目标姿态与运动特征、目标特征选择与融合等方面进行目标识别特征提取,生成图像与特征数据库,并对选取的目标特征进行多特征融合的识别精度验证。结果表明:提取与选择的目标特征在识别中取得较满意效果,能证明选取的空中目标特征在目标识别算法中的可靠性。     

基于非下采样轮廓波变换与引导滤波器的红外及可见光图像融合

为克服传统融合方法对灰度相关性较弱的红外与可见光图像融合存在的不足,提出一种基于 非下采样轮廓波变换（NSCT）与引导滤波器的融合方法。利用NSCT对源图像进行多尺度多方向分解,分离出包含在不同频带内的特征信息,得到一个低频近似图像和多个高频方向细节图像;局域窗口加权平均能量和改进拉普拉斯能量分别作为低频近似图像的活性测度,构造显著特征图对近似图像进行加权平均,以解决能量保持和细节提取两个关键问题;在方向细节图像中,基于活性测度取大规则获得决策映射图,将源图像作为引导图、决策映射图作为输入图像进行引导滤波,得到权重分配图,对方向细节图像进行加权平均,降低噪声的敏感度。对融合后的近似图像和方向细节图像进行NSCT逆变换,得到最后的融合图像。采用多组红外与可见光图像进行融合实验,并对融合结果进行客观评价。实验结果表明,该融合方法在主观和客观评价上均优于已有文献的一些典型融合方法,如基于两尺度分解的引导滤波融合方法、NSCT域内稀疏表示融合方法、基于像素显著性的交叉双边滤波融合方法、基于深度学习的卷积神经网络融合方法、基于显著性检测的双尺度融合方法,可获得更好的融合效果。     

基于D-S证据理论的红外小目标识别方法

提出了一种基于D-S证据理论的红外小目标融合识别方法。该方法首先对中红外和远红外成像小目标进行目标特征的提取,然后根据提取的特征利用模糊C均值聚类的方法进行基本概率分配,最后利用改进的D-S组合公式进行融合识别。融合识别试验表明该方法能在传感器工作不正常的情况下仍然可以根据对两个传感器输出的结果进行融合对目标进行有效的识别。