基于分块SURF特征提取的图像目标跟踪算法

由于基于特征的目标跟踪需要对前后两帧图像中的目标进行特征匹配,而传统的基于SURF(speeded up robust features)特征的匹配算法存在匹配时间较长,无法满足目标跟踪条件下实时性要求的情况。本文针对此缺点对SURF特征提取提出了具体的分块并行的解决方案,其中包括自适应地设置分块重叠区域,去除冗余特征点和距离门限法去除离散点的处理;同时通过模板的实时更新以及自适应的抗遮挡处理,保证了短时抗遮挡性能。并通过实验,将传统的基于SURF特征的跟踪算法与本文算法在相同条件下进行跟踪误差和运行时间对比;实验表明针对视频中的待跟踪目标,本文算法较基于传统SURF的图像跟踪算法在降低跟踪运行时间的同时保证了跟踪准确度。并通过遮挡实验,说明抗遮挡处理在本文算法中的实用性和必要性。     

基于表面肌电信号的截肢者人手动作模式识别

基于表面肌电信号(sEMG)的手部动作模式识别技术已被广泛研究,它在健全的受试者中有良好的分类性能。但对于截肢者的日常使用,其性能还需进一步研究。本文对截肢者进行了10天的肌电信号采集,调查了截肢者对于不同动作的分类性能。模仿实际应用条件,取时域特征为支持向量机(SVM)的输入,对截肢者的双侧手臂进行手部动作识别,结果表明,健全侧的分类效果远好于截肢侧;同时,取不同的时域特征对动作进行分类,结果表明,新提出的时域特征具有更好的分类效果。通过对不同动作的分类识别,表明截肢者可以通过肌电信号较好地控制基本手部动作,但对于精细动作,其性能还需进一步提高。     

基于Otsu与海域统计特性的SAR图像海陆分割算法

合成孔径雷达图像海陆分割在海面目标检 测、海岸线提取等海洋应用方面具有重要的意义。针对合成孔径雷达图像的特点,本文了提 出粗阈值与精确阈值相结合的海陆分割算法,并提供了一套完整的海陆分割方案。首先 利用改进的Otsu法计算粗阈值,获得大致海域范围;然后根据海域统计特性近似高斯分布的 特点,在分析了高斯分布统计特性的基础上,结合粗阈值分割结果,提出了计算出精确的分 割阈值的方法,进而获得准确的海陆分割图像;最后通过去除杂散点进一步完善分割结果。 实验结果表明,本文提出的方法具有较高的处理精度和较快的处理速度。     

基于迁移学习与图像增强的夜间航拍车辆识别方法

为了对夜间航拍图片中的车辆进行有效识别,提出基于二次迁移学习和Retinex算法的图像处理方法,仅利用小规模的数据集训练网络,采用基于Faster R-CNN的深度学习算法即可实现车辆的快速检测.首先在ImageNet大规模数据集和中国科学院日间航拍中规模数据集之间应用一次迁移学习;然后在日间中规模数据集与夜间航拍小规模数据集之间应用二次迁移学习;最后利用Retinex迭代算法对夜间图片进行处理以增强其与日间图片的相似性,使二次迁移学习有效进行.实验结果表明,在深度学习平台上,该方法利用小规模航拍数据集训练出有效的识别网络,检测结果优于传统的机器学习方法,在军事侦察及交通管控等方面具有一定的应用价值.     

滑动聚束SAR波束控制研究与设计

本文在分析聚柬SAR模式波束控制方式的基础上,指出滑动聚柬SAR控制波束始终指向远离成像区域的某个虚拟的焦点,其波束控常l方式实际上等同于聚束SAR模式的波束控制。在详细分析虚拟焦点固定的情况下,成像区域中各散射点分辨率的变化以及虚拟焦点到场景中心线的远近对分辨率的影响基础上,给出了一定分辨率下虚拟焦点到场景中心垂直距离的计算公式;然后以0．3m分辨率滑动聚柬SAR模式为例,进行了仿真计算,最后给出了0．3m滑动聚束SAR模式在运七飞机上的试验图像。     

机载雷达战场目标的微动特性及识别

机载雷达具有速度快、视野广的特点,适用于战场运动目标的跟踪识别。而目前国内外针对机载低分辨雷达下微动地面目标识别的研究尚属空白。文中建立了机载平台下战场目标的雷达回波散射点模型,分析了单兵、轮式车、履带车等典型目标的微动特性,根据行进单兵微多普勒的周期性特征实现了单兵与机动车的识别;进而通过提取回波信号特征谱和支持向量机的方法实现轮式车与履带车的分类,在20 dB信噪比下识别率在87.5%以上。分类方法具有稳健性和有效性。     

基于改进RHT的SAR图像机场区域提取算法

星载合成孑L径雷达(SAR)图像信噪比低,由于相干斑噪声和非检测目标的干扰,在其中进行机场目标检测及区域提取难度较大.针对上述问题,提出一种星载SAR图像机场目标检测提取算法.对原始SAR图像进行curvelet阈值去噪处理,抑制相干斑噪声并突出低灰度区域;根据灰度分布进行Otsu最大类间差分割,初步划分感兴趣区域(ROI);通过加入了最小二乘修正的随机Hough变换(RHT)检测机场跑道;最后基于跑道上选取的种子点区域生长得到完整的机场区域.实验结果表明,提出的算法解决了星载SAR在解译方面的难点,有效检测出机场目标并提取相关区域,具有较高准确率和鲁棒性.     

基于局部纹理特征的合成孔径雷达变体目标自动识别算法

提出了一种针对变体的识别算法,利用变体与原目标局部纹理之间的相似性进行识别。首先,提出了一种基于清晰边缘的合成孔径雷达(Synthetic aperture radar,SAR)图像配准算法;然后使用结合伽柏(Gabor)变换,局部二值模式(Local binary pattern,LBP)和空间区域直方图的纹理特征来描述SAR图像;最后用基于大特征的直方图序列的匹配做识别。基于MSTAR S2的试验结果证明了本算法的有效性。     

基于广义伪距定位的SAR景象匹配导航方法

飞机飞行过程往往依赖卫星为其提供定位导航服务,然而这一方法在很多场景下失效。作为替代,机载惯性导航系统(INS)可以提供飞机的大致位置信息,这一结果并不准确。机载合成孔径雷达(SAR)可以实时获取地面高清图像,因此对于其载机平台而言,考虑通过实现对图像中地物目标的准确定位,并以之作为控制点对平台位置实现反向解算。基于此,本文利用了基于异源图像匹配的地物目标定位方法,即通过实时SAR图像与带有准确经纬度信息的光学基准图进行图像匹配,准确计算SAR图像中相应地物的位置信息。进而,本文创新地提出了基于广义伪距定位的平台位置解算方法,并在6维INS误差模型下对广义伪距方程进行改进,有效提高了定位精度。试验结果表明,这一方法路线切实可行。     

快速的Otsu双阈值SAR图像分割法

在分析SAR图像的统计分布特征的基础上,根据SAR图像自动目标识别对SAR图像分割的要求,提出了一种适合SAR图像的Otsu分割算法。算法首先利用CFAR进行粗分割,然后利用Otsu进行细分割。实验结果表明,该算法分割准确且计算量小,客观评价值较高。