基于线阵相机的高速小目标提取算法研究

线阵相机在成像背景亮度不均匀的情况下,捕捉到的动态目标对比度低、难以识别;首先分析对比了几种灰度阈值分割算法处理原始图像的有效性,在对原始图像灰度直方图的特征进行充分分析之后,提出了基于直方图差分法的阈值分割算法,对原始图像进行二值化处理;然后分析对比了几种滤波算法的图像去噪效果,并选择采用形态学平滑处理算法去除图像噪声,再进行飞行物图像轮廓提取;最后由质心定位算法确定飞行物图像中心坐标,实现了对视野暗区内高速小目标的快速提取;进行多组实验对算法的有效性进行验证,结果表明飞行物图像得到了有效增强,定位结果符合实际情况,算法运行效率高,证明了该算法在基于线阵相机的高速小目标提取中具有应用价值。     

基于Wavelet-CNN的电磁炮过靶信号识别方法

电磁炮测试中,炮口产生强烈的火光信号以及振动等噪声,会严重干扰电枢特征信号的识别处理。为了提升对电枢信号的自动识别率,提出了一种基于小波变换和卷积神经网络(Convolutional Neural Network,CNN)相结合的电枢信号识别方法。首先,利用小波变换对过靶信号进行小波阈值去噪,进而重构信号。其次,利用CNN提取信号的深层次特征,通过CNN的全连接层输出信号的分类结果。最后,当输入信号为电枢信号时,对其作最大值检测获取电枢信号的特征点。实验结果表明,本文所提方法对比传统小波阈值滤波法在特征点自动拾取准确率上提升了5.88%。该算法对电磁炮电枢过靶信号的滤波、识别具有一定的参考意义。