改进YOLO v2的装甲车辆目标识别

军事目标识别技术是军事信息处理的一个重要内容,对于实现军事装备信息化、智能化起着不可忽视的作用。近年来随着深度卷积神经网络在图像识别领域的广泛应用,各种基于图像目标识别任务的网络结构层出不穷,因此将这项新技术应用于军事目标的识别具有极强的现实意义和军事应用价值。本文以目前具有最佳识别效果的YOLO v2网络为基础,通过维度聚类重新确定最优的anchor个数及其宽高维度,并制作以明显特征为目标区域的装甲车辆数据集,使得该网络对装甲目标的识别更为精确。通过实验验证,该方法能有效地对特定装甲目标进行实时精确识别。     

无人机障碍探测与识别技术研究

首先介绍了无人机障碍探测与识别的发展现状及所面临的难点;在目标探测方面,介绍了合成孔径雷达的分类,重点阐述了合成孔径雷达的成像原理及各算法的优缺点,简要论述了合成孔径雷达今后的发展趋势;在目标识别方面,介绍了目标识别的原理和人工智能神经网络应用于目标识别的优点,对当前雷达信号领域内的主要目标识别算法进行了比较,分析了其优缺点;最后对无人机障碍探测识别技术进行了总结和展望.     

基于闭合轮廓提取和部分特征匹配的飞机识别

飞机识别在军事遥感中具有重大意义。该文针对以往飞机识别方法的不足,为更准确地对高分辨率可见光机场区域图像进行飞机目标的定位和型号判别,提出了一种基于闭合轮廓提取,并通过部分特征匹配进行机型识别的疗法。首先对图像进行各向异性扩散处理,提取闭合轮廓并进行儿何特征分析,定位飞机目标,提取目标的关键特征参数,实现机型判别。实验证明,该方法具定位准确、识别率高,可准确识别飞机型号,能得到比较精确的飞机外形描述,可有效对抗阴影、遮挡等干扰,具有很好的稳健性。随着遥感成像技术不断发展,图像分辨率越来越高,能够获得更准确、更完整的飞机轮廓,因此,这种方法具有很好的发展趋势．     

基于支持向量机的高分辨距离像分类法

雷达高分辨距离像(HRRP)识别,是军事目标识别的一个重要手段.支持向量机(SVM)具有良好的泛化能力,适用于小样本学习问题.本文针对3类飞机目标的HRRP数据,构造了SVM分类器,设计了2组实验以比较SVM与最大相关系数法(MCM)的泛化能力、识别速度和抗噪能力.实验结果表明,SVM在军事目标HRRP分类方面具有良好的应用前景.     

基于改进SVM的红外成像目标识别模型构建及仿真

针对当前红外成像目标识别模型识别准确率低的问题,提出基于改进SVM的红外成像目标识别方法。对红外成像进行热辐射先验增强后,分别采用EMC和LGS方法对进行图像局部、全局特征增强;之后构建显著性增强模型,并通过随机游走法实现目标显著性增强;最后基于改进SVM算法进行红外成像目标识别仿真实验。实验结果表明,提出的显著性目标检测方法准确率召回率比达到0.8,对比于其他算法高出了0.6,平均误差仅为0.14,均低于其他算法。成本代价为0.95时,本分类器的分类器错误率降到最低值,目标识别准确率高达93.27%,由此说明本分类器可实现红外成像的目标准确识别和分类。     

结合HSL模型与傅里叶描述子的三维彩色物体识别

目标物识别是机器人导航中重要的一步,现存的方法大多对于场景中的彩色物体仅采用颜色分割,或者转化为灰度图进行识别,不能满足彩色物体识别的需要.提出在基于HSL模型颜色分割的基础上,结合傅里叶算子对轮廓特征识别的优势,先用三维目标各个角度成像的傅里叶描述子建立分类器,再对三维物体的二维成像进行轮廓特征识别,并在颜色分割的过程中采用了快速算法.实验表明,物体测试集的识别率达到了73.3%,可应用于对实时性要求比较高的彩色物体智能识别系统.     

微型航天探测器目标识别算法研究

微型航天目标探测器主要是对空间目标探测识别,然而在微型航天探测器在空间对目标物成像时目标物、背景和探测器之间存在相对运动,目前还没有好的运动背景中运动目标识别的算法.因此,针对微型航天探测器在星空背景下对目标物识别的要求,提出了把图像配准与双差分法相结合目标识别的算法.该算法对连续采集的三帧图像中的前两帧和后两帧分别进行配准,差分,二值化,然后将两副二值化图像逻辑乘,识别出目标.计算机仿真的结果表明该算法计算量比较小,对目标的识别效果好.因而,基于图像配准的双差分法是一个相对较好适用于微型航天探测器对空间目标探测识别的算法.     

基于OpenGL的空间目标图像生成方法

空间目标监视系统设计与目标识别算法开发需要有充足的图像源,为解决空间目标识别问题,在无法采用真实空间目标进行试验,开展仿真成像研究尤为重要,为使仿真图像体现真实空间目标成像探测系统且有探测能力,在分析OpenGL透视投影成像模型与真实成像系统的针孔成像模型之间的关系的基础上,提出了在OpenGL平台生成空间目标图像的方法与流程,通过合理设置有关参数生成目标和成像系统信息在内的仿真图像.经仿真实验证实,提高了仿真图像的真实感和可信度,并具有图像处理算法稳定性和可靠性,为空间目标成像探测系统设计和目标识别算法研究提供了数据基础.     

图像目标识别与跟踪技术的军事化应用综述

随着各国军事力量的不断增强,武器的现代化与智能化要求越来越迫切,故以计算机技术等为代表的高新技术在军事领域的应用不断深入,其中图像处理技术也成为各国军事研究的热门话题之一。首先阐述了图像处理技术的概念,其次介绍了热门研究课题——目标识别的基本原理以及以此为基础的红外跟踪技术发展现状,最后整理了目标识别与跟踪技术在军事领域的具体应用与面临的挑战,并对未来发展形势做出了展望,为目标识别与跟踪技术在军事领域中的创新突破和工程研究提供参考方向。     

一种缺损图像的军事目标识别方法

在军事目标识别领域,多源图像融合可以消除军事伪装和遮挡的影响,但还需要借助"先局部,再整体"的识别方式来提高识别准确度.本文回顾了目标识别的研究现状,鉴于拐点特征是旋转、平移和缩放不变量,给出适用于多源融合二值缺损图像的军事目标识别的边缘拐点特征的定义及几种阈值的选取方法、拐点特征模板的组织、以及局部匹配度和整体匹配度的计算公式.对一些缺损枪支图片的实验结果表明,本文所介绍的方法具有良好的效果.     

战场目标声音探测技术研究

战场目标声音探测技术在现代战争中发挥着越来越重要的作用。针对战场目标声音识别的一些关键技术进行了研究。首先分析目标声音探测技术的军事应用特点,然后对战场典型目标发出的噪声的物理特性进行了分析。最后论述了战场目标声音识别技术中的几种关键技术,重点分析了特征提取中的LPCC,MFCC技术以及分类器中的隐马尔可夫模型,为战场目标声音识别系统的开发奠定了基础。     

运动目标识别方法与仿真研究

运动目标识别与跟踪在军事和工业领域具有广泛的应用前景。典型的跟踪方法有相关匹配算法、光流算法、基于运动轮廓算法等。典型的识别方法有：模板匹配目标识别法、基于相似性度量识别法、基于遗传算法目标识别算法等。本文提出了一种基于神经网络的识别与跟踪方法,并研究了运动目标识别与跟踪仿真模型和实现方法。     

数据融合在目标识别中的应用

介绍了数据融合及其一般功能模型、目标识别融合的三种结构层次 ,给出了目标识别融合的一般分类 ,即物理模型算法、参数分类算法、基于认识模型的算法。着重阐述和比较了参数分类算法中的Bayes理论和证据理论这两种不确定推理方法 ,给出了这两种方法的发展状况。列举了利用融合算法进行生物和军事目标识别的实例。     

Fault detection in electrical equipment’s images by using optimal features with deep learning classifier

Multimedia Tools and Applications - Infrared imaging frameworks have been broadly utilized as a part of the military and civil fields, for example, target recognition, fault diagnosis, fire...     

水下图像处理技术研究综述

随着自主式水下机器人的发展,水下探测技术成为新的研究热点。然而,吸收效应和散射效应导致水下获取的图像存在雾化和色彩偏差等缺陷。降质的水下图像在一定程度上降低了水下目标识别的准确性。为了改善水下图像质量,国内外学者对水下图像处理方法进行了深入研究。因水下图像处理方法对提升水下目标识别准确性具有良好的促进作用,故其具有重要的研究与分析价值。介绍了水下成像模型,分析了水下图像视觉质量下降的原理;根据水下物理成像模型将水下图像处理方法分为水下图像增强与水下图像复原,并分别对两类方法的研究现状进行分析与归纳;最后,总结与讨论了各类方法的优缺点,并展望了未来的发展方向。     

亚毫米波成像制导关键技术分析

亚毫米波成像制导技术正处于研究起步阶段,因其独特的优点,在军事民用中有着巨大的开发前景。对目标检测技术进行了介绍,给出目标的辐射传递方程及亚毫米波辐射计的探测距离,介绍了对图像的预处理技术,包括图像滤波和目标分割。最后指出了成像制导技术未来的发展方向和重点。     

基于声呐图像的水下目标检测、识别与跟踪研究综述

水下目标检测、识别和跟踪是具有重要意义的热点研究问题,在军事和民用领域都有重要的应用.鉴于此,对基于声呐图像的水下目标检测、识别和跟踪原理、方法以及典型算法的研究进展进行全面阐述.首先论述基于声呐图像的水下目标检测、图像去噪、图像分割等方面的主要进展以及典型算法和算法扩展;然后对水下目标声呐图像识别中的特征提取、特征分类方法和主要技术难点进行讨论;最后阐述基于水声信号处理和声呐图像信息的水下目标跟踪方法和算法.通过对水下目标处理过程各个过程的深入讨论和对比分析,指出基于声呐图像的水下目标检测、识别和跟踪中急需解决的关键科学问题及可能的解决思路,并对该领域的未来发展方向做进一步的展望.     

SAR图象自动目标识别研究

目前,SAR已经成为一种不可或缺的对地观测和军事侦察手段.面对不断增长的SAR图象数据收集能力,如何对这些图象进行自动或半自动快速、准确地解译已经越来越引起人们的关注和重视.自动目标识别(ATR)是自动或半自动SAR图象解译研究的一个重要方面.SAR ATR过程可概述为:从观测得到的SAR图象中,找到感兴趣的区域(ROI),并计算出每个ROI的种类.为此,介绍了SAR ATR的含义及其一般流程,对SAR ATR系统按照它所采用的分类方法进行了归纳分类,分析了SAR ATR的难点,介绍了国内外SAR ATR的研究现状和发展趋势.     

Aided and automatic target recognition based upon sensory inputsfrom image forming systems

This paper systematically reviews 10 years of research that several Army Laboratories conducted in object recognition algorithms, processors, and evaluation techniques. In the military, object recognition is applied to the discrimination of military targets, ranging from human-aided to autonomous operations, and is called automatic target recognition (ATR). The research described here has been concentrated in human-aided target recognition applications, but some attention has been paid to automatic processes. Definitions and performance metrics that have been developed are described along with performance data showing the present state-of-the-art. The effects of signal-to-noise and clutter parameters are indicated in the data. Multisensor fusion and model-based algorithms are discussed as the latest techniques under consideration by the military research community. The results demonstrate that useful performance can be achieved, and tools are evolving to understand and improve the performance under real-world conditions. The referenced research strongly indicates the need for the development of image science, as described in the paper, to support the theoretical underpinnings of ATR