超大空域凝视系统中目标检测的特殊问题

超大空域凝视侦测系统使绝大多数军事目标表现为亚像素成像特性.在输出的序列图像中表现出灰度起伏变化,与噪声类似.由于引入了"桶形"畸变,致使目标运动轨表现为曲线特性,现有弱小目标检测方法中目标运动轨迹的直线前提不再成立.同时,天空背景的辐射亮度随仰角不同而变化.通过对超大空域凝视侦测系统中弱小目标检测的诸多特殊问题进行总结分析,有助于后续研究适用于此类系统的、具有针对性的目标检测算法.     

激光回波波形分析小目标检测成像方法

通过信息处理提高激光成像对目标信息的感知和获取能力是该领域重要的研究方向.现有激光成像系统的分辨率上限取决于目标处成像光斑的大小,在仅利用回波时延和强度信息的前提下,光斑内小目标回波信号被背景目标信号所掩盖,难以有效实现对小目标的信息提取与检测成像.通过建立激光成像回波信号模型,构建了激光回波分解和子目标信号提取算法,可以有效恢复出激光回波信号中被掩盖的小目标回波信息,从而实现对光斑内小目标检测成像,提高激光成像的信息获取能力.对真实数据的实例分析验证了该方法的有效性.     

星载光电成像系统空间目标的检测与识别技术研究

针对星载光电成像系统的空间目标检测与识别技术,设计了一套数字信号处理器(DSP)结合现场可编程门阵列(FPGA)的图像处理系统,并提出了一种卫星目标检测与识别方法。在没有先验知识条件下,利用改进的图像差分法对具有星空背景的序列图像进行目标检测,再根据卫星与天然星体具有不同的边缘轮廓信息,通过最小距离分类器识别出卫星目标,获得卫星模板,从而可进行模板匹配以实现卫星的快速检测和识别。实验结果表明,提出的方法相对于传统方法,运算时间减少了15%~40%,满足星载光电成像系统对卫星目标检测与识别的准确性与实时性的要求,在工程实践中具有一定的应用价值。     

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。     

极化雷达图像目标相干系数判据的检测研究

由理想目标散射矢量与待识目标散射矢量的相干系数判据,对待识目标进行检测与同类识别.利用复旦大学电磁波信息科学教育部重点实验室的散射计算软件BART进行理想目标极化散射计算,构造目标散射矢量,并进行合成孔径雷达(Synthetic Aperture Radar,SAR)成像模拟.以此目标成像模拟数据作为目标识别样本,对全极化系统Pi-SAR观测海面养殖箱的成像数据,研究其相干系数判据的检测与识别.结果表明该方法是有效的.     

极化雷达图像目标相干系数判据的检测研究

由理想目标散射矢量与待识目标散射矢量的相干系数判据,对待识目标进行检测与同类识别. 利用复旦大学电磁波信息科学教育部重点实验室的散射计算软件BART进行理想目标极化散射计算,构造目标散射矢量,并进行合成孔径雷达（Synthetic Aperture Radar,SAR)成像模拟. 以此目标成像模拟数据作为目标识别样本,对全极化系统Pi-SAR观测海面养殖箱的成像数据,研究其相干系数判据的检测与识别. 结果表明该方法是有效的.       

弱小目标可见光传感器成像特性研究

研究了复杂背景下弱小目标在可见光CCD卫星传感器上的成像机理问题。弱小目标不易被卫星CCD传感器探测到,易被强大的噪声淹没,给检测提取带来了巨大的困难。从影响弱小目标成像的弥散因素入手,定量分析了大气、光学系统、探测器和传感器的振动等弥散因素对弱小目标的成像尺寸和成像强度的影响。在弥散成像的范围内,推导出了弱小目标与背景的对比度传输系数公式。通过航空试验进行了模拟验证,为其准确检测提取提供理论指导。     

天基红外动目标检测系统的仿真和评估

为了更有效评估红外探测系统的性能,评估系统的成像质量,根据动目标序列图像的检测原理,结合建模仿真技术,设计并开发了基于Matlab平台的天基红外动目标检测仿真系统,进行了实验仿真。该仿真系统以红外探测成像系统的图像作为输入,对图像进行灰度算法和信噪比分析,反映红外探测系统的成像质量,实现单帧检测以及多帧关联检测,输出检测率、虚警率和目标运动轨迹,并能够对检测算法进行评价。通过探测波段和空间分辨率的研究对天基红外探测系统的谱段选择、空间分辨率的设计有较强的工程应用指导价值。     

视频SAR成像与动目标阴影检测技术

视频合成孔径雷达(SAR)技术将观测场景的动态信息以视频方式呈现出来,其高帧率成像特性有利于实现对地面机动目标的实时探测。视频SAR信号处理关键技术主要包括高帧率成像处理算法和运动目标检测技术等。该文对视频SAR成像处理进行了探讨,给出了两种典型视频SAR成像处理仿真数据结果,详细分析了视频SAR阴影形成机理和对动目标检测性能的影响,并将基于机器学习的视频SAR阴影目标检测技术与经典处理方法在实际数据上进行了验证对比。      

一种天文光电图像序列弱小目标实时检测算法

地基大视场天文光电观测系统获取的序列图像中,空间目标和数目众多的恒星目标成像特性相似,大部分都表现为弱、小目标特性,实现它们稳健实时检测具有较大的难度.本文在深入分析天文光电图像弱小目标成像特点的基础上,结合实际工程对目标检测的强实时性和高检测概率需求,针对恒星目标和空间目标的时空域特性差异,提出了一种基于时空域联合滤波的弱小目标枪测算法,首先在空域上通过抑制背景增强目标,然后在时域上分别通过多帧相关运算和多帧差分运算,快速有效地检测恒星目标和空间目标.最后结合实测数据和硬件平台,验证了该方法的有效性及实时性.     

基于筛选深度特征的红外图像目标识别方法

红外成像是现代战场侦察的重要手段,基于红外图像的目标识别技术可为情报解译提供重要支撑。针对红外图像目标识别,提出基于筛选深度特征的方法。设计适当结构的ResNet对红外图像进行特征学习,对于每个卷积层的输出特征图进行矢量化处理,获得相应的特征矢量。针对各个特征图的深度特征矢量,基于斯皮尔曼等级相关系数评价它们与原始图像的相关性。然后,通过门限判决算法选取若干具有高相关性的深度特征。经过筛选得到的深度特征可剔除了不必要的冗余成分,从而提升后续分类的精度和稳健性。采用联合稀疏表示模型对筛选得到的若干深度特征进行表征和分类,最终获取待识别样本的所属类别。因此,方法可有效结合ResNet多层次深度特征的鉴别力,从而提高最终的识别性能。实验在公开的中波红外目标图像数据集（MWIR）开展,利用原始测试样本、模拟噪声样本和模拟遮挡样本对方法性能进行测试和分析。实验结果表明:相比现有的部分红外目标识别方法,提出方法可取得更强的有效性和稳健性。     

基于LGBM的Zernike特征选取及红外图像目标识别方法

红外传感技术有效解决了夜间观测的难题,成为现代战场侦察的重要手段之一。不断提升基于红外图像的目标识别能力是实施精确打击、态势感知的有力途径。针对红外图像识别问题,提出基于轻量级梯度提升机（Light Gradient Boosting Machine, LGBM）的Zernike特征选取算法,并结合稀疏表示分类器（Sparse Representation-based Classification, SRC）完成目标类别确认。首先,基于红外图像中的目标区域提取多阶Zernike矩特征,表征待识别目标的本质特性;其次,采用LGBM特征选择算法对多阶矩特征进行二次筛选,减少冗余的同时提高特征的针对性;最后,基于SRC对最终选择的Zernike矩特征矢量进行分类。该方法通过LGBM的特征选择有效提高了最终特征的有效性,同时降低了分类的计算复杂度,有利于提高整体识别性能。采用公开的中波红外目标图像数据集（MWIR）开展验证实验,对10类典型军事目标进行区分识别。实验分别在原始样本、噪声干扰样本以及部分缺失样本三种条件下进行并与几类现有红外目标识别方法进行对比讨论。结果表明:所提方法可取得更优性能,证明其有效性。     

基于二次加权Mean-Shift的目标实时跟踪

针对经典Mean-Shift跟踪算法需要多次迭代才能达到收敛的缺点,提出一种高效的Mean-Shift跟踪算法。在使用颜色空间作为目标特征的跟踪系统中,目标本身往往可以表征为区别于背景的颜色特征,而颜色特征的分布则与偏移向量的权值相对应。通过分析跟踪算法中不同的权值对收敛速度的影响,对加权系数进行了二次加权,使改进的算法只需要一次粗定位和一次精确定位2次迭代便可准确地对目标进行定位。试验结果表明,该算法在保证了经典算法准确性的同时,大大加快了向目标收敛的速度。     

Moving target feature extraction for airborne high-range resolutionphased-array radar

We study the feature extraction of moving targets in the presence of temporally and spatially correlated ground clutter for airborne high-range resolution (HRR) phased-array radar. To avoid the range migration problems that occur in HRR radar data, we first divide the HRR range profiles into low-range resolution (LRR) segments. Since each LRR segment contains a sequence of HRR range bins, no information is lost due to the division, and hence, no loss of resolution occurs. We show how to use a vector auto-regressive (VAR) filtering technique to suppress the ground clutter, Then, a parameter estimation algorithm is proposed for target feature extraction. From the VAR-filtered data, the target Doppler frequency and the spatial signature vectors are first estimated by using a maximum likelihood (ML) method. The target phase history and direction-of-arrival (DOA) (or the array steering vector for an unknown array manifold) are then estimated from the spatial signature vectors by minimizing a weighted least squares (WLS) cost function. The target radar cross section (RCS)-related complex amplitude and range-related frequency of each target scatterer are then extracted from the estimated target phase history by using RELAX, which is a relaxation-based high-resolution feature extraction algorithm. Numerical results are provided to demonstrate the performance of the proposed algorithm     

一种车载毫米波FMCW MIMO雷达快速成像方法

针对车载毫米波FMCW MIMO雷达现有的常规波束形成算法的旁瓣效应造成的方位向分辨率低以及高分辨算法的工程实时性低的问题,提出了一种迭代自适应算法（IAA）高分辨成像的快速实现方法。该方法首先利用快速傅里叶变换（FFT）获取目标一维距离像,然后对每一距离单元利用FFT算子和Gohberg-Semencul（GS）因子分解计算迭代自适应算法（IAA）的数据协方差矩阵和其逆矩阵,利用快速Toeplitz矩阵向量乘法计算IAA迭代值,从整体上提升了IAA估计各角度散射系数的实时性。仿真和实验结果验证了该方法的可行性和有效性。     

基于无监督学习的ToF点云目标提取方法

飞行时间(Time of Flight,ToF)三维成像技术在人工智能领域具有重要的应用价值。间接ToF三维成像是通过向目标发射调制的光强信号,再经过目标反射到相位解调图像传感器获得相位差,通过计算获得目标的深度信息。由于间接ToF成像技术会受到背景界面多次反射产生的多路径干扰,因此在复杂环境中目标物体深度测量数据会受到侧面和背景界面的多次反射的回波信号影响,降低边缘处深度测量的精度水平,因此需要对原始点云数据进行目标提取和多路径去除的预处理。本文针对该问题提出一种多界面场景中基于点云矢量的目标提取方法,能够实现复杂多目标的快速提取和多路径强干扰的去除。首先基于kmeans提出一种FVPkmeans算法,完成目标点云数据的全局全矢量提取处理。再基于K NN提出一种迭代滤波算法,实现局部多路径干扰数据的滤除。通过与其它方法的比较研究,该方法能够有效去除TOF点云目标数据的多路径干扰,目标提取性能提高了40,实验表明本文提出的全局点云数据全矢量目标提取和多路径干扰去除算法能够实现对目标点云数据的无监督学习智能提取与滤波要求。     

基于SVM分类的红外舰船目标识别

针对海天背景下红外舰船目标识别提出了一种基于机器学习的分类算法。该算法首先利用分割算法提取红外图像中的连通区域,并对原图相应的位置进行标记和归一化处理,然后利用HOG特征提取标记区域的高维特征向量,用线下样本库训练得到的SVM分类器对所提取的HOG特征进行高维特征空间的分类,识别目标和干扰。仿真实验表明,该算法具有良好的性能,在复杂海天干扰背景下能够有效地识别红外舰船目标。     

基于多波段特征融合模板匹配的目标识别方法

为了满足天基系统对红外探测目标的高精度识别需求,提出了一种基于多波段特征融合模板匹配的目标识别方法。首先阐述分析了目标多维特征要素以及分类手段。结合目标运动特征、多波段下目标光谱特征以及红外辐射变化等特征实现了特征融合处理,并基于区域特征变化,采用动态规整模板匹配算法完成了目标识别。最后结合合作目标的红外辐射强度序列数据对参数进行了训练调整。分析结果表明,本文建立的识别方法能够较好地实现目标型号识别,性能优于传统的动态规整匹配算法。     

基于代价参考粒子滤波的存在概率检测算法

为提高统计特性未知情况下对非线性微弱动目标的检测能力,本文提出一种基于代价参考粒子滤波的检测前跟踪算法.首先在代价参考粒子滤波的状态向量中增加模拟目标存在状态的离散变量,并在离散变量的转移过程中引入相关系数判决机制;其次,利用代价参考粒子滤波的输出估计存在概率;最后,基于存在概率构造检验统计量.当检验统计量大于给定门限时宣布目标出现.天波雷达目标检测的仿真表明,当系统的统计特性已知时,该方法的检测性能与基于传统粒子滤波的似然比检测、存在概率检测等相当;当统计特性未知时,该方法的检测性能比传统方法提高了2dB以上.本方法可用于复杂背景下的监测系统,如雷达、声呐等.     

基于稀疏随机投影的SIFT医学图像配准算法

针对尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)算法在关键点特征描述向量阶段计算复杂并且维数较高的现象,提出了一种基于压缩感知理论的SIFT算法。通过压缩感知理论的稀疏特征表示方法,对SIFT关键点特征向量进行提取,将高维梯度导数向量降到低维的稀疏特征向量,降低了关键点描述向量维度。采用欧式距离作为关键点的相似性度量, Best-Bin-First(BBF)数据结构避免穷举,使数据的运算量大为减少。实验结果表明,新算法对存在仿射变换的医学图像配准性能优于传统SIFT算法,与当前改进型的SIFT算法相比,本文算法的实时性明显增强。