一种双/多波段红外目标融合检测方法

针对双/多波段红外目标检测问题,提出了一种基于自适应加权投票融合准则的红外目标融合检测方法。该方法首先对双/多波段红外传感器进行图像配准,然后对单传感器红外图像进行处理,得到单传感器目标检测结果,最后使用提出的自适应加权投票融合准则,对单传感器目标检测结果进行融合,得到最终判决。实验结果显示,该算法能在较大程度上降低目标检测过程中的不确定性,从而提高了系统的检测性能,同单波段检测结果和其他的融合结果相比,该方法能有效地降低漏警概率和虚警概率;并且该方法易于实现,并在实际工程中得到了应用。     

多边形近似及形状特征匹配的二维目标检测

在计算机视觉中形状是目标识别和检测的重要特征,而目标边缘是形状特征最直接的表现,因此基于边缘信息进行形状特征描述是最直接有效的方法.针对目前大多数形状特征描述的全局性以及对旋转、缩放等变化的敏感性,采用一种基于目标近似多边形的形状特征描述,这种描述方式具有局部性和紧凑性,同时结合运动参数预测及递归估计的方法实现二维目标...     

激光外差探测中的空间失配问题研究

基于高斯本振光与高斯信号光的激光外差探测系统物理模型,利用数值模拟的方法研究了空间失配角、偏移失配、本振光与信号光的光程差、探测器相对位置以及探测器光敏面直径等因素对外差效率及外差信号幅值的影响.结果表明:外差效率及外差信号幅值受空间失配角和偏移失配的影响较大;并针对实际激光外差探测系统中空间失配角及偏移失配等因素对外...     

去除椒盐噪声的非对称有向窗加权均值滤波

针对传统滤波对称窗口在图像边缘处会引入干扰像素引起图像模糊的问题,提出一种非对称有向窗加权均值滤波算法.首先,基于区域极值进行噪声检测;其次,在对称有向窗的基础上提出非对称有向窗的概念,对于噪声点,通过标准差最小的原则自适应选择非对称有向滤波窗口;然后,在选择的非对称有向滤波窗口内对噪声点进行自适应基于距离倒数的加权均...     

高重频激光回波信号检测新方法

针对高重频激光回波探测的应用背景,提出了一种基于信号积累和大步长参数下LMS自适应处理过程的微弱周期脉冲信号检测算法,指出脉冲信号在大步长参数下的自适应处理中会引起滤波器估计误差和自适应权向量的反复振荡,生成较大的值,通过观察该参数的变化,并做进一步处理,可以检测出微弱脉中信号.仿真表明,在适合的步长参数下,该方法有较...     

半导体激光器在氧气探测中的应用及关键技术

氧气探测在工业、医疗等诸行业都有重要意义。本文简述了近几年发展起来的TD-LAS技术之特点及优势,评述了各种半导体激光器作为激发光源用于TDLAS技术进行氧气探测的性能,着重讨论了在氧气探测方面具有发展前景和竞争优势的DFB和VCSEL结构激光器光源的应用和进展。     

天幕靶探测高速弹丸信息识别检测研究

针对飞行弹丸穿越天幕靶光幕的目标信息识别与提取问题,提出小波分析法检测与识别弹丸信息。将天幕靶探测电路输出的目标信号归结为一个两类判别的模型,利用小波Fisher判别法,构造信号的特征向量,研究弹丸作用于光幕的弹丸信号识别;根据小波模极大值理论,寻找弹丸信号的奇异点,按照信号变化的奇异点,推算出弹丸作用光幕瞬间的起始时刻。根据天幕靶测速原理,该检测与提取方法可以提高系统测速精度。     

可见光-热红外视频运动目标融合检测的研究进展及展望

在智能视频监视领域,协同利用可见光和热红外传感器,使全天时、精确、鲁棒的智能监视成为可能,具有显著的优势.对可见光-热红外运动目标融合检测的研究进展进行分析和总结.首先,分析了多源传感器融合检测问题,着重说明了融合检测的显著优势、关键步骤及已有公开测试数据集等;然后,详细分析了该类算法的研究进展,从融合策略、运动检测策...     

基于LEACH协议的Sybil攻击入侵检测机制

LEACH协议有效地解决了无线传感器网络(WSN)能耗性问题,但是在安全性方面存在较大的隐患。因此提出了一种改进LEACH协议安全性能的LEACH-S机制,采用接收信号强度值(RSSI)的Sybil攻击入侵检测策略,通过设定合理的阈值启动该机制,即只有在判定可能遭遇Sybil攻击时才启动,实验表明该机制能以较少的能耗代价来有效检测出Sybil攻击。     

一种飘动性分析的视频烟雾快速检测新算法

针对DSP视频监控系统中,实时视频烟雾检测功能的需求,提出一种基于烟雾飘动性分析的快速视频烟雾检测算法.相比于现有相关算法,在完成对给定视频样本学习后,该算法无需存储视频的历史帧数据,也不需要学习场景背景,而直接对原始视频图像分块提取烟雾飘动特征,然后经Bayesian决策输出检测结论.结合提出的一组新颖的视频烟雾飘动特征,新算法同时获得了较低的计算复杂度和较高的检测性能.综合来看,新算法能更好地适用于实时视频监控系统中的烟雾检测需求.