图像序列中的自动点目标空时快速检测*

提出了一种新的序列图像中点状运动目标空时快速检测方法,该方法假设经过背景杂波抑制预处理后图像已转换为类SPGWN(信号加高斯白噪声)模型.自动目标检测时图像序列被划分为多组检测单元,每单元包含两帧相邻的图像.根据目标速度限制条件,采用在单元内以及两相邻单元间沿轨迹集成像素灰度的检测算法.在付出同等运算量的代价下,克服了二维投影检测性能较差的弱点,同时也具备可检测多速率目标的优点.理论分析和仿真试验表明了该检测方法的有效性.     

采用形态神经网络背景自适应预测的图像弱小目标检测*

提出一种有效的背景杂波预测形态神经网络模型,用于检测图像数据中的弱小目标.目标被假设为只有很小的空域扩展度,而且淹没于强背景杂波干扰中.通过形态神经网络,杂波背景被准确地估计并从输入数据中去除,只剩下残留噪声和目标信号.采用扩展输入层数据的办法修正了传统的形态开、闭运算三层前馈BP网络模型.为了跟踪包含不同子结构的复杂背景,原始图像被划分为多个子块,并在相应的子块中选择训练样本对结构元进行优化.对真实图像数据的计算机仿真表明该算法在性能上优于其他传统算法.     

从唐荆川宅—贞和堂看常州青果巷传统民居建筑特色

青果巷是常州古城历史文化的精华所在,是常州传统民居建筑特色的缩影。通过对青果巷重点文物修缮案例的研究,阐释文物的历史价值,探究青果巷传统民居的建筑理念,梳理保护修缮中的新发现,更好地保持青果巷建筑的真实性、完整性和延续性。     

A-SMGCS中的航迹关联设计与实现

针对民航先进场面引导与控制系统(A-SMGCS)下的多传感器航迹关联融合问题,提出一种快速的航迹关联方法.该方法与基于分布式的联邦卡尔曼滤波相结合,构成一种稳定可靠的系统结构,并结合场面监视传感器特性,达到效率与精度的平衡.仿真实验结果表明,该关联方法是有效可行的,且具有较高的精度和处理效率.     

采用马氏模型的点状动目标快速检测方法

提出了一种视频序列图像中点状运动目标三维快速检测方法。该方法利用目标运动的时域连续性假设,将目标在相邻多帧上的位置状态模型化为二阶马尔可夫数据链;依照该模型采用沿轨迹集成的检测算法,克服了传统三维检测造成搜索次数巨大的弱点,同时也避免了二维投影检测带来的信噪比下降。理论分析和仿真试验表明,该检测方法能稳定地检测出信号杂波噪声比（SCNR）超过3的缓动点状运动目标,而且在采用5帧集成时计算量比传统的穷尽轨迹匹配检测减少100倍。     

428XL仪器数据格式新特点

428XL仪器对新型数据格式的支持满足了物探采集技术的发展.本文揭示了428XL仪器支持的三种新型数据格式SEG-D Rev2.1、SPS Rev2.1和新格式仪器班报的一些内涵,详细介绍了这些数据格式的特点及其在实际应用过程中常出现的一些问题和解决方法.     

强干扰背景下S模式解码方法

当S模式应用于多点定位和ADS-B系统时,面临高密度的A/C脉冲干扰,现有解码方法将导致较高的错误率和低置信度数据。该文针对A/C fruit干扰严重的环境,改进了S模式数据解码方法,包括中点判决法、基线多点判决法、基于查表的多点判决法和简化表格的多点判决法。通过分析40,000次/秒干扰的重叠概率,提出了干扰环境的模拟方法,并对几种解码方法进行了大数量的仿真,获得了很高的解码正确率,验证了几种S模式数据解码方法的有效性。     

空时自适应杂波分类抑制与弱小运动目标检测

提出了一种新的方法应用于一类重要的高维信号检测问题:在强杂波干扰下检测数字图像序列中位置和速度未知的弱小运动目标.通过对输入序列时域灰度矩进行学习,将像素分成两类———静杂波和动杂波.分别对其采用非参数时域滤波和LS自适应滤波进行去除,从而将原始数据转化为准SPGWN模型.杂波抑制后,根据单帧多像素目标模型假设,采用在空、时域联合集成信号能量的检测算法,能有效地改善信噪比并且有利于实时实现.理论分析和对真实数据的大量仿真试验验证了本方法的有效性.     

一种适用于机场场面监视MLAT系统的状态模型

根据直角坐标系的目标运动模型和无源多点时差定位系统(MLAT)的特点,推导出了一种到达时间差（TDOA)状态模型方程,并基于该模型方程,设计了一种TDOA跟踪滤波器。与传统TDOA状态模型方程相比,所推导出的状态模型方程和滤波器不但能提高TDOA的估计精度,还可更有效地消除非视距（NLOS）成分。仿真和实测数据证实了所推导状态模型方程和所设计跟踪滤波器的有效性。     

采用动态分割与自适应滤波的弱小目标检测

为了增强红外或者可见光图像数据中的弱小目标检测,提出了一种采用模糊C均值（FCM）聚类与迭代最小二乘（RLS）自适应滤波相结合的背景抑制方法。假设待检测目标在图像帧上具有极小的空域扩展度,且受到强背景杂波的干扰。对输入的图像首先采用FCM聚类划分为灰度准平稳的子域,再将整帧图像均匀划分为相同的子块,然后在每个子块中针对每类子域利用RLS滤波估计背景杂波并另以去除,结果只剩下目标信号与残留噪声。大量仿真试验表明与其它传统方法相比具有更好的检测性能。