实时红外亚成像跟踪

研究了玫瑰线扫描PC仿真的精确实现。研究了适合低对比度、空域模糊亚图像的于块二值迭代分割及空域模糊分割识别算法。提出了两种目标初始大概率检测策略,一是初始多帧配准识别,一是利用复合制导对指定区域中心进行扫描成像,通过红外亚图像序列运动补偿实时锁定跟踪,获得了高的跟踪准确度。最后对实验系统构成进行了说明。实验表明,本文提出的识别跟踪算法是可行的,能在DSP实验系统中实时实现。     

基于区域协方差矩阵的末制导目标跟踪

针对红外成像末制导阶段目标尺寸和姿态迅速变化的问题,提出了一种基于目标区域协方差矩阵的粒子滤波器目标跟踪方法。为了在红外成像末制导阶段精确跟踪目标以及抑制逐渐显现的图像细节,本方法以目标位置和大小作为目标状态,通过粒子滤波器跟踪在实时帧图像中的目标,并在图像金字塔上迭代定位目标以提高跟踪精度。为了适应目标大小的变化,通过实时更新目标模板(区域协方差矩阵)以调整跟踪窗的大小。选择多种目标特征构造区域协方差矩阵,作为目标描述符来匹配、定位目标。仿真结果表明,该方法不仅能适应末制导阶段目标尺寸的急剧变化,而且对红外成像末制导阶段目标能实现精确跟踪,表现了很好的鲁棒性。     

高速湍流流场气动光学传输效应研究

高速飞行器在大气层中高速飞行时,其头罩表面受大气气流的影响产生严重的气动光学效应。头罩周围湍流流场的高频变化,将影响来自目标的红外辐射光线的传输,使导引头成像器中目标图像产生模糊、抖动、偏移和能量衰减,给红外成像末制导带来不利影响,降低导引头对目标的探测、跟踪与识别能力,进而影响末制导精度。以红外成像制导技术在高速拦截器上的应用需求为背景,进行了高速湍流流场光学传榆效应理论计算基本方法的分析,介绍了建立的数学模型和仿真软件,最后给出了典型状态下的计算结果。     

红外成像制导运动模糊图像恢复技术研究

红外成像制导具有灵敏度高、空间分辨率高、抗电磁干扰能力强等优点,目前已被各国广泛应用。但是在成像制导过程中,由于弹目之间的相对快速运动容易造成成像运动模糊,使得目标相对于成像系统产生横向运动和目标尺寸的相对变化,给后续目标识别与跟踪造成影响。针对红外成像制导拍摄到的图像,在运动参数未知的情况下,采用点扩展函数预估计方法,分别利用Roberts边缘检测算子和自相关的方法确定出点扩散函数的运动方向和尺度参数。在此基础上,采用有约束的最小二乘滤波对图像进行恢复,仿真实验结果表明,文中算法可较好的对运动模糊图像进行恢复,取得不错的效果,为红外成像制导目标识别与跟踪奠定基础。     

3D视频目标分割与快速跟踪

提出一种面向3D视频的目标分割与快速跟踪算法,主要分为空域分割和时域与视域跟踪两个主要步骤。空域分割采用基于改进C-V模型的方法。首先基于帧差法提取运动区域作为目标的初始轮廓,以减少迭代次数加快收敛速度。然后在传统的C-V模型中加入图像边缘信息以加强C-V模型对模糊边缘的处理能力,提高分割结果的主管视觉效果。时域和视域的目标跟踪采用基于改进生物地理优化的快速跟踪方法。实验结果表明所提分割与跟踪算法快速、高效。     

基于帕尔帖效应的动态红外迷彩的机理与实现

相关跟踪算法是红外成像末制导阶段的一种重要跟踪算法,针对该算法,提出一种动态红外迷彩伪装技术,该技术是可控的新型红外伪装手段,它是通过迅速降低目标与背景红外图像帧与帧之间相关度,从而使红外跟踪系统对地面目标的跟踪丢失。在分析红外跟踪系统的相关算法及动态红外伪装原理的基础上,研究了一种基于帕尔帖效应的半导体制冷/制热技术和计算机控制技术的动态红外迷彩伪装技术,并研制了一套实现动态红外迷彩伪装的原理样机。最后,对该样机进行了综合测试和深入分析,结果表明:该样机的相邻两帧红外图像的相关系数均小于0.7,且次高峰与最高峰比较相似,因此该技术可以有效对抗红外系统的相关跟踪。     

外层空间红外成像制导对抗技术分析

红外成像探测、跟踪和识别技术是美国反导系统的关键技术之一。如何对抗红外成像末制导拦截弹，实现弹道导弹的成功突防，已成为世界各国研究的重要课题。今系统分析弹道导弹的红外辐射特征、对抗红外成像末制导拦截弹的机理、对抗技术措施和关键技术，并且展望了其发展趋势。     

复杂环境中红外亚图像动目标识别跟踪

本文分析了红外玫瑰线扫描亚成像制导的成像空间分布函数,提出一种基于神经网络特性的加权图像差分动目标检测模型。应用目标与干扰特征的统计特性,采用边跟踪边识别方法识别真假目标,从而精确跟踪。最后给出了仿真结果。     

对红外成像制导导弹的干扰

对红外成像制导导弹的干扰电子部５３所董军章一、前言红外成像制导利用目标的二维红外图像信息，实现对目标的跟踪，具有目标识别，预测跟踪，瞄准点选择及自动决策等功能。与红外点源的寻的制导相比，它有更好的目标识别能力和更高的制导精度，全天候作战能力和抗干扰能...     

红外图像模式识别的预处理研究

红外图像识别与跟踪是红外成像制导的关键技术之一，在红外图像模式识别系统的实际应用中，图像预处理效果的好坏将直接影响到后续识别算法的复杂程度以及系统的可靠性．基于红外图像的特性分析，提出了红外图像模式识别的预处理过程，并详细研究了滤波降噪、目标增强、图像分割等预处趣技术．具有工程实用价值．     

基于区域生长的前视红外图像分割方法

红外成像制导技术以其优越的性能成为当今精确制导技术发展的主流。红外图像的精确分割是实现目标识别的基础。针对地面目标前视红外图像的特点和成像制导技术中图像分割的目的,提出了一种基于区域生长的前视红外图像分割算法,它首先在全局阈值分割的基础上选择出种子点所在区域,并在区域中定义局部灰度信息统计准则和策略选取出种子点;然后以目标模板面积作为参考,通过对分割效果的判断自动调整生长阈值进行区域生长以得到分割图像。实验结果表明,本方法分割出的目标完整准确,分割结果对基于边缘特征的目标匹配识别非常有利。     

基于图像绘制技术的红外场景模拟

红外场景模拟可为目标识别、跟踪提供必要的图像样本,对算法的训练、评估和可靠性检验具有十分重要的意义,基于建模的红外模拟方法不一定反映场景的客观情况,并且,计算量大、耗时,难于模拟出有真实感的红外图像。基于图像绘制技术,提出无需建模的基于图像的绘制方法来模拟红外场景图像,根据红外图像的特点,给出了计算基本矩阵的非线性迭代算法和基于特征约束的动态规划立体匹配算法。由于参考图集是实际图像,因此,模拟图像更符合景物的真实情况,并且,该方法无需很复杂的建模过程,利于实时模拟。实验结果表明,该方法可有效地模拟出真实感的红外图像。     

基于二维模态分解与斑块对比度相结合的红外小目标检测算法

红外小目标检测在红外目标搜索跟踪等应用中发挥着重要作用。文中提出一种二维经验模态分解与多尺度斑块对比度算法相结合的红外小目标检测算法。首先,利用二维经验模态分解将红外图像分解成不同尺度的模态分量,再将低频模态分量去掉进行图像重构,实现对背景杂波的抑制。然后,将重构图像做为多尺度斑块对比度算法的输入,生成目标结果图。最后,对目标结果图进行自适应阈值分割,检测出真实的红外小目标。实验仿真结果表明,该算法与现有算法相比,在不同背景下能够有效抑制背景对目标的干扰,具有较高的检测率,验证了该算法的有效性和鲁棒性。     

基于人眼视觉的红外图像增强算法研究

红外图像具有低对比度、噪声大、动态范围大以及视觉效果差等特点。传统的图像增强算法具有各自的局限性,处理后的视觉效果并不理想。为了改善红外图像的视觉效果,增强图像中目标的识别力,研究了基于人眼视觉特性的Retinex算法,结合红外图像的成像机制,将适用于可见光图像的Retinex增强算法应用于红外图像,取得了良好的视觉效果。在此基础上,对算法进行自适应改进,提出了AMSR算法。采用几种传统的图像增强算法和基于Retinex的算法对具有典型特性的红外图像进行增强处理,并计算客观评价指标。通过对实验结果的主观评价和客观指标分析,验证了AMSR增强算法对红外图像具有适用性和优越性。本文的研究工作对红外目标探测和识别具有重要的意义。     

基于红外偏振成像的目标检测技术

红外偏振成像技术是利用物体偏振度上的差异来对复杂背景下的目标进行探测的。在战场上,由于人造物体和自然景物在偏振度上存在差异,红外偏振成像技术能够提高人们对自然景物及伪装的辨别能力。首先介绍了偏振成像理论及其系统的结构组成,然后对基于偏振图像处理的目标特征提取过程进行了分析,并对偏振图像像质评价方法以及图像融合、分割和特征提取方法进行了研究。最后给出了国外基于偏振成像目标检测技术的应用研究情况,并指出了该技术在军事领域中的应用价值。     

基于区域生长法和BP神经网络的红外图像识别

针对变电站巡检机器人远程监控系统中红外图像识别存在的问题,提出一种基于改进区域生长法和BP神经网络的红外图像目标设备分割与识别的方法。利用最小二乘法拟合出红外图像中亮度与温度之间的线性关系,建立基于像素的图像温度场;根据设定温度范围确定区域生长法的种子点位置,利用Otsu法确定截屏窗口最优分割阈值,并结合灰度相似性阈值作为区域生长法的分割准则,实现该窗口目标设备精确分割;将分割出的设备二值图像的Hu不变矩作为设备形状特征向量,并对其进行不变性和类间区分度验证;采用引入附加动量法和自适应调整学习率的BP神经网络实现多种电气设备的识别,实验数据表明优化后的BP神经网络具有迭代收敛快,误差波动性小,分类准确度高等特点。     

基于特征融合的RGBT双模态孪生跟踪网络

热红外成像技术被广泛地应用于军事、遥感和安防等领域中的目标跟踪,但热红外图像对对比度较低、目标模糊等跟踪场景效果一般。因此,将热红外图像与可见光图像进行融合提高跟踪性能具有重要意义。与基于可见光或热红外图像的单模态跟踪算法相比,基于可见光/热红外(RGB/Thermal, RGBT)图像的双模态跟踪算法对光照变化、云雾遮挡具有更强的鲁棒性。提出了一种基于特征融合的RGBT双模态孪生跟踪网络架构。该网络将双模态图像中提取的深度特征进行融合,提高目标外观特征的判别力。该网络可以利用训练数据进行端到端的离线训练。公开数据集RGBT234上的实验结果表明,所提出的RGBT双模态孪生特征融合跟踪网络能够实现复杂场景下鲁棒持续的目标跟踪。     

基于全卷积神经网络和动态自适应区域生长法的红外图像目标分割方法

复杂背景下的红外图像往往由于噪声较多、背景区域重叠、目标与背景对比度较差等因素,在对目标区域分割时会造成过分割或欠分割。针对此现象,提出了一种将全卷积神经网络和动态自适应区域生长法相结合的红外分割算法。首先利用全卷积神经网络对目标区域在像素级别进行特征提取,通过神经网络强大的自学习能力获得目标区域的粗分割结果;然后根据粗分割结果,对其取外接最小面积矩形框,并根据矩形框位置在原始图像上确定目标区域,并以此矩形区域进行动态自适应区域生长,形成第二次分割结果。最后融合全卷积网络(FCN)的粗分割结果和区域生长分割结果,实现目标区域的最终分割和提取。仿真实验表明,该方法能有效利用FCN对红外图像复杂背景的消除能力,而区域生长法对分割细节的敏感也同时弥补了FCN分割精度的不足,取得了较好的分割效果。     

基于二维最大熵和顺序滤波的红外图像分割

红外图像分割在红外成像制导和其它红外目标识别领域非常重要和提出了一种综合运用二维最大熵和顺序滤波方法对红外图像进行分割的新方法.该方法首先对图像进行基于二维最大熵的阈值分割,然后对二值图进行顺序滤波消除虚警点,取得了非常理想的分割效果.本文提出了一种新的逐步逼近二维最大熵阈值递推搜索算法,阈值搜索时间得到了大幅度减少,满足了一般的实时需求,具有较高的应用价值.     

轻量级红外刑侦图像目标识别算法

红外刑侦图像目标识别对刑事侦查具有重要意义,但刑事案件的侦破对时间和置信度要求较高。设计一种保持优异识别精度且具备较快识别速度的轻量级红外刑侦图像目标识别算法,具有十分重要的研究价值。因此借鉴生物免疫的优良特性,设计了免疫原性深度神经网络算法。该算法通过构建先天性免疫网络和适应性免疫网络来提取图像特征,然后设置免疫原性网络增强算法在处理图像特征映射时对不同通道之间优先级的调整能力,从而提高算法的精度和速度。实验结果表明,本文算法有效实现了红外刑侦图像的快速精准识别。与VGG16、VGG19、Resnet34、Resnet50、MobilenetV2等模型相比,本文算法不仅取得了99.4%的最高测试准确率,而且还具备最快的识别速度。