图像特征点选取方法

特征点是图像中常用的局部特征结构，现有的检测算子旨在提取图像中所有符合某一准则的特征点，往往会在同一位置得到大量的特征点，形成对图像局部区域的过描述，增加了高层处理任务的运算量。为了选取出一定数量较好的特征点来描述图像，常用方法是根据特征点响应函数来选取响应值大于某一阈值的特征点，但是这种选取方法并没有考虑特征点的分布均匀性和独特性，而特征点的分布均匀程度和独特性对于图像匹配的结果同样具有重要的影响。为此提出了一种新的特征点选取方法，首先基于检测算子得到的特征点构造最小生成树，然后定义特征点分布均匀性和独特性等选取准则，再通过删剪最小生成树，选取符合（准）最优准则的一组特征点。实验表明，该方法选取的特征点在图像描述和图像匹配等任务中优于传统的特征点选取方法。      

一种基于检测单元统计特性的CFAR

针对在多目标、强干扰非均匀环境下CA-CFAR、OS-CFAR检测器的检测性能严重下降的问题,本文提出一种基于检测单元统计特性来选择参考单元的CFAR.分析结果表明,相比于CA-CFAR、OS-CFAR,该CFAR在均匀环境中具有较小的损失,在非均匀环境中,具有较强的抗干扰能力.     

美国高超声速武器发展与防御

高超声速武器是军事和科研领域的研究热点。针对高超声速飞行器防御问题，系统分析了美国高超声速飞行器的发展历程，在对高超声速飞行器防御难点进行剖析的基础上，研究了美国对该类目标的防御能力与防御规划，最后从预警探测角度阐明了近期需要关注的几个方面和远期发展重点。分析结果表明：针对高超声速飞行器防御存在地基预警系统探测视距有限、空基预警系统全程监视能力不足、天基红外预警系统正在发展等问题，需多平台、多传感器协同运用，构建空天地一体化的全域预警探测体系进行联合探测。     

基于价值密度的相控阵雷达事件调度算法

针对相控阵雷达事件调度问题中求解目标综合优先级时未考虑事件驻留时间的问题,提出一种基于“价值密度”的相控阵雷达事件调度算法。通过引入作业车间调度领域“价值密度”概念,根据目标属性、运动状态、雷达硬件条件、事件截止期等参数,共同计算雷达完成该事件时单位时间内所能具有的价值,即该事件的价值密度;并基于价值密度进行调度。仿真实验表明,基于价值密度的调度算法与传统基于综合优先级排序调度算法相比,能有效提高调度成功率和实现价值率。     

基于水平集的运动目标轮廓提取方法

为了快速准确地提取运动目标轮廓,提出了一种基于帧差法和水平集相结合的运动目标轮廓提取方法。该方法首先采用相邻帧差法确定运动目标位置,然后用一种改进型水平集的方法进行目标轮廓提取。实验结果表明,该方法均适应于刚体或非刚体目标在运动中的自由变化,能准确地提取运动目标轮廓。     

基于同化核分割相同值区域特征融合的边缘检测

针对SUSAN(Smallest univalue segment assimilating nucleus)边缘检测算子在强噪声环境中容易产生虚假边缘的不足,提出了基于同化核分割相同值(Univalue segment assimi-lating nucleus,USAN)区域特征融合的边缘检测方法——FUSAN(Fusion-USAN)算子。该算子在利用USAN区域大小信息提取潜在边缘点的基础上,分别直接和间接利用USAN区域的形状信息计算边缘响应,并采用简单的融合策略融合这两种边缘响应得到最终的边缘响应。与SUSAN算子相比,FUSAN算子综合利用了USAN区域的大小和形状信息。利用合成图像和常用Cameraman图像并加入噪声对FUSAN算子进行评估,实验结果表明:FUSAN算子的检测性能优于SUSAN算子。     

栅格化稀疏重构的风电场杂波抑制方法

针对风轮机杂波对雷达探测的干扰问题,提出了一种基于栅格化稀疏重构的风轮机杂波抑制方法。本文首先建立了风轮机杂波干扰下的回波信号模型,分析了风轮机杂波和目标回波信号的差异性,并根据差异性构建了基于风轮机杂波特征的过完备字典,利用正交匹配追踪算法(OMP)逐级栅格化更新字典原子,再对杂波信号栅格化稀疏重构,从而实现了对目标和杂波信号的分离,达到了抑制风轮机杂波信号的目的。最后,通过与常规固定字典重构方法的仿真对比,验证了该栅格化字典稀疏重构方法的有效性。      

基于自适应调度间隔的雷达事件调度算法

针对雷达事件调度中基于固定调度间隔进行调度时雷达资源利用率不高、调度成功率较低的问题,提出一种基于自适应调度间隔的调度算法：设置一时间指针,调取该指针下所有可执行事件,依次计算这些事件收益并选取收益最高事件执行;递推该指针直至该调度间隔内无法执行任何事件;提前结束该调度间隔并将该间隔剩余资源“传递”至下一调度间隔;重复上述步骤直至调度完结。仿真实验表明,与基于固定调度间隔的调度算法相比,基于自适应调度间隔的调度算法能够有效减少“时间碎片”的形成,提高实现价值率与时间利用率。     

基于空频域联合闭值分割的轮廓检测方法

传统的边缘检测算子仅在空域上对梯度图像进行阈值分割来计算二值边缘图像,当应用在自然场景图像中时,检测结果中往往含有大量的干扰边缘。为了消除干扰边缘,提高传统边缘算子的轮廓检测性能,提出了基于空频域联合阈值分割的轮廓检测方法:首先对梯度图像进行频域阈值分割消除干扰边缘,然后进行空域阈值分割得到最终的二值边缘图。结合Canny算子,利用自然场景图像对该方法进行了性能评估,结果表明,该方法大大减少了干扰边缘,有效提高了Canny算子在复杂自然场景图像中的轮廓检测性能。     

一种高超声速飞行器攻击意图预测方法

针对高超声速飞行器具有高机动性难以对其飞行轨迹进行预测的问题,提出一种基于高超声速目标运动特性的攻击意图预测方法。首先分析了高超声速飞行器的3种运动特性:飞行器运动状态的马尔可夫过程模型、航迹偏航角和可达区域; 然后采用动态贝叶斯网络的推理方法对高超声速飞行器与攻击目标之间的攻击关系进行推理,以实现攻击意图预测; 最后进行了仿真实验。实验结果表明, 基于运动特性的动态贝叶斯网络能够对攻击意图进行预测,提出的意图预测方法具有良好的实时性和有效性。