基于图像特征与心理感知量的伪装效果评价方法

目标的探测概率是伪装效果评价的重要指标,在以往的评价方法中忽略了判读人员的心理因素。在统计决策模型基础上,通过定义4 个图像特征相似度,建立了单个图像特征量与心理感知量的关系,进行了5 个心理实验,找出了目标探测概率与心理感知量的关系。经过综合判读实践验证,该模型能够客观地得到目标的探测概率,为伪装效果评价提供新的方法。     

复杂背景条件下目标自适应伪装光学效果评估方法

针对单一背景下的伪装评估方法难以度量自适应伪装目标在多背景中的综合伪装效果,提出一种自适应 伪装目标在多背景下的光学伪装效果评估方法。选取几种典型背景,对每种背景下目标的光学伪装效果进行评估; 依据星载高光谱图像对目标活动区域内的地物进行分类,确定区域中每种典型背景的面积占比;以每种背景所占比 例作为该背景下评估结果在综合评估中的占比,对各典型背景评估结果加权,得到复杂背景下的综合评估结果。实 验结果表明：该方法量化了多背景下的综合伪装效果,其评估结果较传统的评估更客观全面,更符合目标在多背景 中活动的实际情况。     

一种基于特征统计的动态伪装效果评估方法

现有的伪装效果评估主要针对静止的单幅图像,不能很好地模拟侦察人员对目标的判读过程。结合Mean shift目标跟踪技术,提出一种基于特征统计的动态伪装效果评估方法。该方法通过统计目标与背景8联通域的相关性特征数据,建立归一化联合高斯分布,利用概率密度的分布范围评估目标伪装效果。计算联合分布的概率密度时,提出对数放大概率,解决了高维联合分布概率密度数值敏感度低、不便于阈值设定的问题。引入样本更新策略,使样本库按照一定的概率随机更新,从而较好地适应了由于季节交替等因素引起的背景大范围变化。实验过程分别对某一指挥车实施1级伪装、2级伪装和3级伪装。采集数据后计算其对数放大概率并对曲线作出统计,结果表明：实际中划分的3种伪装状态与依据3σ准则预先设定的3种伪装状态完全对应;该模型能够有效反映出目标的伪装效果。     

基于颜色聚类的光学伪装效果评估背景选取方法

在基于可见光图像的单个目标伪装效果评估中,当目标处于反差较大的两种背景交界区域附近时,直接采用8邻域背景选取方法,将会导致评估结果出现较大偏差.针对这一问题,提出一种基于颜色聚类的背景选取方法.通过该方法对8邻域图像进行颜色聚类后,将目标近邻区域中不包含的颜色类从8邻域图像中剔除,再减去目标区域后即为选择的背景.实验结...     

基于低概率检测的高光谱图像有损压缩方法研究

高光谱图像海量数据的不断增加迫切需要实现大比例的有损压缩。现有方法往往不能满足重要信息准确保留的要求。文中提出结合区域分割和低概率异常检测（LPD）算法的数据有损压缩方法,用空间聚类实现区域分割从而提取大块区域包含的背景光谱。LPD算法用于检测场景中低概率出现的奇异目标,接着对背景光谱和奇异目标光谱进行无损压缩,最后对整个数据立方体进行大比例有损压缩。AVIRIS高光谱图像的仿真结果表明．压缩比得到大幅度提高。同时准确保留了重要和主要信息。     

基于Gabor小波文理分析模型的伪装效果评价方法

从人眼生理学研究结果出发，分析了人类视觉系统的纹理分割模型，并结合Gabor函数，建立Gabor函数小波的纹理分析模型，用于模拟人眼的判读过程，提出了基于Bhattacharyaa距离的纹理相似度概念，进而建立伪装效果评价方法。     

基于样本分割的快速高光谱图像异常检测支持向量数据描述方法

高光谱图像异常检测支持向量数据描述方法性能优越但存在计算量巨大的问题。提出快速高光谱图像异常检测支持向量数据描述方法,该算法通过样本分割有效降低求取支持向量的计算量。建立了求取支持向量的计算量与样本分割子集数量的数学模型,并给出样本分割子集数量的最优选取方法;提出目标窗与背景窗尺寸相同的优化分割方法,该方法目标窗每次移动只需更新50%的训练样本,有效地减少图像遍历时求取支持向量的计算量。对HYMAP图像的仿真结果表明：本文算法对不同尺寸的高光谱图像进行异常检测的计算时间均小于SVDD算法计算时间的10%.     

面向视觉相似的红外伪装仿真效果评估

针对红外伪装仿真系统效果评估困难的问题,提出了一种面向视觉相似的解决方法。从视觉相似的角度出发,定义了一种新的视觉相似性模型,并建立了包括温度偏差系数、离散偏差系数和视觉相似性系数的评价指标体系;为减小主观经验的影响,引入直觉模糊集理论,建立了仿真效果评估的多属性决策模型;采用逼近理想解的排序算法(TOPSIS)进行模型求解,并针对算法存在距离正、负理想方案区分度不高的问题,定义了一种基于直觉模糊集Hamming距离的灰色接近系数来表征方案与理想方案的接近程度,有效解决了多属性决策问题。实例表明,该方法的评估结果与TOPSIS方法的结果一致,且与专家评估结果一致,验证了评价指标体系的合理性和评估方法的可行性。     

无人工选择训练样本的高光谱图像神经网络分类方法研究

文中针对在无人工选择训练样本条件下高光谱图像中奇异点及噪声对SOFM神经网络分类效果的影响．提出应先对高光谱图像进行奇异点检测处理以消除其对网络分类的干扰和提取区域特征光谱以抑制噪声,并给出了相似度阈值的选取方法;在此基础上提出了基于区域特征光谱的高光谱图像无人工选择训练样本分类方法,通过对高光谱数据进行仿真．结果表明：文中提出的方法显著抑制了噪声的影响．分类结果更加合理。     

基于改进残差网络的高光谱图像分类算法研究

针对高光谱图像在训练样本较少时无法构建有效的深度学习分类模型的问题,对传统的残差块(residual block)模型进行改进,提出一种“金字塔”残差块分类算法。设计一种包含数十个卷积层的深度学习网络,与传统残差模型相比大大减少了参数量,且可以充分提取高光谱图像的深层空间-光谱特征;在2种开源数据集Indian Pines和University of Pavia上进行实验,同时选取了3种经典的分类方法作为对比。实验结果表明：该算法表现效果最佳,可以有效提高高光谱图像的分类精度。     

目标侦测与伪装技术

介绍了当今先进的雷达侦测技术和隐身伪装技术的发展状况,结合兵器装备某所在地面陆装武器目标特征信号测试及在伪装隐身技术方面科研试验所取得的成果,分析了雷达侦测技术与隐身技术的矛盾及其对武器装备及现代军事的影响,展望了未来隐身伪装技术的发展动向。     

基于视觉感知的小波图像融合方法研究

结合人眼视觉"对比度敏感"这一生理特性,提出一种基于视觉感知的小波图像融合新方法,该方法避免了小波系数比值、邻域方差比值和块方差比值三种方法在提高融合图像对比度时存在的问题,对低频引入空间活跃度一致性原则,对高频采用均匀度择优法,从而提高了低频图像的对比度,同时又丰富了图像的空间细节信息量.最后通过试验验证了该方法的有效性.     

基于纹理感知的目标检测方法

利用人造物体与背景景物存在的纹理差异提出一种基于纹理感知的目标检测方法。该方法利用灰度共生矩阵计算景物的纹理特征,对物体的强度、方向和纹理特征进行非线性融合,突出纹理粗糙度弱的人造物体并抑制纹理粗糙度强的背景。理论分析和实验结果表明,该模型融入了纹理粗糙度和相似性等特征来组织目标,提高了目标检测性能。     

一种改进的Surendra运动目标伪装效果检测方法

现有的伪装检测主要是针对静态目标,并不能客观反映机动装备在作战行动中伪装的有效性。综合运动目标检测技术,结合伪装学原理,以军用卡车模型作为研究对象,基于Surendra背景更新建模算法并结合Lab三通道,提出一种机动装备迷彩伪装效果检测方法。根据所建立的实验系统,计算序列图中军用卡车伪装前后的形状特征参数集合之间的欧氏距离,得到实验序列图像的欧氏距离平均值为189.45,说明实验系统中伪装前后运动目标的形状特征参数之间极不相似,即经过伪装后的目标更具有一定的动态变形伪装特性。借助性能评价模块得出伪装前后目标图像相关系数范围为0.003 5~0.127 5,证明了该检测方法的科学性和可靠性;根据检测运动目标的算法原理,可知伪装后的运动目标图像与其中心背景之间更具有一定的融合性。