高分遥感影像中道路信息提取方法综述

阐述了道路信息提取的重要性和一般步骤及基本思路,通过对高分辨率遥感图像中道路信息提取方法利用道路特征的不同进行了分类整理,并对经典方法进行分析,希望能对找到一种具有普适性的道路提取方法起到事半功倍的效果。在此基础上结合当前科技发展的方向,从道路提取的基本思想出发,对道路特征提取研究的前景做出展望。     

基于散射中心模型的舰船LFM雷达回波仿真

关于雷达回波的模拟,目前研究最多的是简单场景下点目标模型的回波仿真。针对复杂的海情背景,提出用散射中心模型仿真舰船目标LFM雷达回波的方法。首先模拟了弹道轨迹及舰船摆动,然后利用2D-ESPRIT算法提取出舰船的二维散射中心位置分布及其类型参数,并推导出舰船的散射中心回波模型。该回波模拟方法不仅流程清晰、完整,而且仿真场景复杂、回波结果逼真度好。最后用MATLAB仿真分析了舰船的LFM雷达回波及其一维距离像,验证了模型的正确性和实用性。     

基于YOLOv3的复杂环境红外弱小目标检测

在复杂环境的红外弱小目标检测问题中,传统算法大多需要对红外目标进行特征增强、背景杂波抑制等预处理工作,算法检测准确率低,控制参数较多。通过对红外目标特性进行分析,本文构建了基于深度学习的复杂环境红外弱小目标检测算法。算法以单阶段目标检测网络YOLOv3为基础,简化处理流程,显著提升对红外弱小目标的检测精度。在红外弱小目标数据集的测试中, YOLOv3较实验对比的方法在检测准确性上具有明显的提升,其平均准确率(AP)可达99.5%以上,验证了算法对红外弱小目标检测的有效性。     

一种改进型的粒子滤波器

针对复杂背景条件下图像序列中跟踪运动目标的问题,提出一种改进的粒子滤波图像跟踪算法,该算法利用遗传算法的研究成果,采用选择、交叉、变异等步骤实现对粒子的重采样,解决了粒子滤波器所面临的粒子退化和匮乏问题.由于该算法利用了遗传算法的全局寻优特性,因此该算法具有较强的稳健性.同时,粒子滤波可实现非线性非高斯状态空间模型的最优估计,将该粒子滤波用于目标跟踪,具有较好的过遮挡能力.实验结果表明,该算法状态估计性能好,能够很好地实现复杂图像序列中的目标跟踪.     

服务于粗糙集信息处理的数据离散化技术

粗糙集理论是处理不完备、不确定信息的有效数学工具,是目前数据挖掘、知识工程应用中关键技术之一。粗糙集一般针对离散数据进行处理,实际应用中,数据库中大量存在连续或分散型数据,因此离散化步骤在粗糙集信息系统分析过程中具有重要意义。文章简介粗糙集相关基础知识,从不同角度对现有离散化方法进行了分类,介绍了典型的离散化方法,给出了后续研究思考。     

基于N-P准则的权值在线学习的分布式检测算法

研究了一种基于N-P准则的权值在线学习的分布武检测系统的融合算法。该算法能够根据观测数据的变化，自动在线调整权值大小，逐步改善系统的检测性能。计算机仿真结果表明，该方法能够较快地收敛到最优解。     

一种基于DSP的弱小目标实时检测算法研究

针对天文CCD图像的特点,讨论了天文图像处理中小目标检测算法,采用DSP＋FPGA的硬件架构来实现低信噪比情况下小目标的实时检测与跟踪.针对系统不同的工作状态提出了在引导状态下使用基于图像对称差分运算的方法来检测跟踪目标,而在定位状态下使用基于形态学滤波的检测方法实现多目标的检测,同时保存感兴趣的目标图像,实验的结果表明可以实时有效地检测到SNR≈2的运动小目标.     

恒虚警检测在DSP芯片上的实现

强杂波背景中的雷达目标恒虚警检测是雷达信号处理的重要组成部分。随着大规模集成电路，特别是高性能数字信号处理器的出现和数字信号处理技术在雷达信号处理中的广泛应用，如何在高性能数字信号处理器上高效地实现雷达信号处理算法成为雷达工程师需要着重研究的课题。首先介绍了数字信号处理芯片，ADSP21160的主要特点，然后讨论了瑞利分布杂波背景中雷达目标恒虚警检测的原理，最后着重阐述了基于数字信号处理芯片ADSP21160实现杂波背景中雷达目标恒虚警检测的方法和仿真实验结果。     

相关条件下基于N-P准则的分布式检测理论研究

本文针对并行网络、二元局部判决的情况,研究了在相关条件下基于N-P准则的分布式检测融合算法,给出了在联合概率密度已知和未知两种情况下的最优融合规则的理论推导及相应的解决方案,并在实验仿真的基础上,得到了部分有益的结论。     

线性调频信号检测方法的研究

在线性调频信号体制雷达的数字脉冲压缩系统中对数字脉压后的脉冲串进行DFT相参处理时，若采样时刻偏离脉压回波的峰值时刻，不同的采样频率使得DFT相参积累后的信噪比会有不同程度的损失。本文详细分析了采样频率分别为20MHz和10MHz时对信号相参积累的影响，并对幅值检测和M／N检测两种检测方法的检测性能进行了比较，仿真结果表明，M／N检测优于幅值检测。