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。     

基于三维模型的前视红外目标匹配识别方法

针对前视红外图像中地面固定目标的识别问题,提出了一种基于三维模型的匹配识别方法.首先由场景的3D数据建立目标三维模型,并以人工标记的方式进行编号以保留交界线信息;然后根据实时观测参数进行二维投影绘制得到目标的二维模板图像;最后提取边缘加权HOG特征在观测图像中进行匹配.对大量实测数据的实验结果表明,该方法识别精度高、对...     

多视角微多普勒融合的进动目标特征提取

微动特征是弹道目标识别的重要特征之一。针对锥体目标模型,提出了一种基于多视角窄带雷达网的微动参数提取方法。在详细分析锥体目标等效散射中心微多普勒变化规律的基础上,利用各散射中心之间的微多普勒相关性,结合频率补偿的方法,实现了回波多普勒谱中各散射中心对应的微多普勒曲线的匹配识别。在此基础上,构建多视角联合方程组,提取出锥体目标的进动角、底面半径、锥体高度等参数。仿真结果证明了该方法的有效性与适应性。      

多摄像机在无重叠区域的目标匹配算法

基于颜色特征的目标匹配方法具有很好的区分性和直观性,但是特征本身受光线变化、背景复杂度等影响而对于目标识别准确率存在差异.针对这一现状,提出了一种新的基于时空局部特征和颜色特征的目标匹配方法.利用时空局部特征3-D LSK对待测视频中的运动目标进行行为识别,识别出具有相同行为目标.再结合目标的颜色特征,通过基于区域权重(Weighted Region Matching)的颜色匹配方法来识别出具有相同颜色的目标.对无重叠区域的多个测试视频进行的相关实验表明,该算法能够有效识别出普通场景下的不同目标,对于衣着颜色相近的不同目标也有很高的识别率.     

基于Mean-shift的多目标跟踪算法的设计

针对视频序列中目标的跟踪问题,提出了一种基于模版匹配的多目标跟踪算法.该算法提取目标模版灰度分布特征,并在目标匹配过程中采用Bhattacharyya系数在图像中寻找相似性最高的区域.仿真结果表明,用该算法进行多目标跟踪时,跟踪性能远优于其它特征匹配算法和多模型算法,而且计算量小,能保证跟踪的实时性.     

采用投影轮廓特征的激光雷达快速目标识别

激光雷达可以获得目标的三维形状信息,已成为目标识别领域新的研究热点。针对传统匹配识别算法计算量大的问题,提出了一种快速的激光雷达目标识别方法。采用由粗到精的策略,提出了一种新的点云正交投影轮廓特征(PCF)实现模型的快速预选,在此基础上利用迭代最近点(ICP)算法将目标与模型点云精确匹配,并综合利用特征匹配和点云匹配信息构建相似性度量实现目标识别。采用25类地面装甲目标在96个不同视角下的点云数据进行实验,结果表明该算法的运算效率远优于逐一匹配法,且对目标姿态估计误差和目标遮挡具有很强的稳健性,具有较好的综合性能和应用推广价值。     

基于SIFT特征与预测的运动目标检测算法

为了在动态场景下对运动目标进行快速检测,提出一个改进的SIFT特征匹配的检测算法。首先采用SIFT方法提取匹配的特征点;然后为全局运动建立起旋转参数模型,并使用RANSAC方法排除外点的影响,运用最小二乘法求解全局运动参数;最后利用基于残差图像块的更新策略对特征点进行更新。该算法是基于预测的SIFT特征点匹配算法,不仅保持了SIFT方法的优越性能,而且提高了检测目标的速度。与块匹配算法的实验结果对比表明,该算法可以实时准确地检测出运动目标。     

一种基于径向和环向模式特征量的近红外星图匹配识别方法

通过近红外星空目标分布的特征分析,对近红外恒星目标进行了径向模式特征量的构造和环向模式特征量的构造,并对经构造得到的特征库和基于标准星空坐标数据完成的星空导航匹配库进行了模式特征量的匹配识别。结果表明,这种方法在实际应用中具有一定的价值。     

基于特征融合的目标动态身份识别方法

人脸特征判别受摄像头安装位置与角度、目标活动以及光线变化等因素影响,识别准确度急剧下降,因此提出了一种基于人脸和行人特征融合的目标动态身份识别方法。使用特征融合方法,将人脸特征和行人特征首尾拼接得到一个融合特征,从而获得丰富的目标身份信息;使用匹配决策机制,通过求和对多个融合特征的匹配结果取最大值,输出概率最高的目标身份,从而降低误判单个特征目标身份的概率。在真实场景的监控图像中,该设计方法的识别准确度平均为87.7%,较人脸识别提高了40.0%。实验表明,人脸特征判别性不足时,补充行人特征可有效增强目标身份信息,且多个融合特征匹配结果综合决策可进一步提高识别准确度。     

改进的基于模型匹配的快速目标识别

文中建立不同类型目标的模型匹配数据库;采用最小周长多边形构造目标主体轮廓的近似多边形,以简化目标主体轮廓减少算法处理的数据量;提取具有仿射不变性的多边形顶点个数、最长线段两侧顶点个数、同底三角形面积比向量特征不变量对待识别目标进行描述,应用3个特征量在模型匹配数据库中逐一进行分层遍历搜索匹配。实验表明,基于模型匹配的目标识别算法能够快速的识别目标,提高了目标识别的实时性,同时能够判定目标所处的姿态状况。     

基于频谱相像系数的间歇采样转发干扰识别

正确的干扰识别是采取有效抗干扰措施的前提和基础,文中针对间歇采样转发干扰的识别问题,提出了一种基于频谱相像系数和支持向量机的干扰识别方法。通过对目标回波及干扰信号的模型及频谱进行分析,挖掘回波与干扰信号频域上的差异,提取频谱相像系数特征,并利用支持向量机进行分类识别。仿真结果表明:相像系数特征参数类间分离度好、不易受噪声及实验次数影响,将其作为干扰识别的特征参数,得到的识别准确率较高,可以为后续雷达系统采取针对性抗干扰措施提供重要的决策信息。     

基于相似度的雷达目标识别灰关联分析算法

针对参数重叠的雷达目标识别算法准确率较低、对复杂体制雷达目标识别效果较差的问题,提出了基于相似度的灰关联分析算法,实现对复杂体制雷达目标的融合识别.该算法首先提取各参数间的相似度矩阵,然后运用灰关联分析得出相应的灰关联系数,同时根据各参数匹配程度确定其权重值,与灰关联系数组合获得待识别信号与库信号的灰关联度,根据灰关联度完成目标识别.仿真实验结果表明,该算法能很好地降低参数重叠给识别带来的影响,提高识别正确率,快速实现复杂体制雷达目标的识别.     

一种FSK/BPSK复合调制雷达脉冲信号识别技术

在电子对抗领域,信号调制方式识别是进行雷达分选、干扰施放的基础,得到广泛研究。对此,文中提出了一种以信号频谱相像系数和幅度统计参数为分类特征的FSK/BPSK复合调制雷达脉冲信号识别算法。算法首先提取雷达脉冲信号的频谱相像系数和幅度统计参数,然后采用分层结构的神经网络分类器进行识别。该算法不仅能识别FSK/BPSK复合调制信号,且对其他常用雷达信号调制方式的识别不产生干扰。仿真结果表明,针对FSK/BPSK以及CW、LFM、BPSK、QPSK、FSK等常用雷达信号调制类型,在信噪比＞5 dB时,分类正确率可达98%以上。     

稀疏分解在雷达一维距离像中的应用

雷达一维距离像成像本质上是对雷达目标散射特性进行信号表示的过程,它以其获取的简单性及有效性,在雷达成像及目标识别方面得到了广泛的应用。针对雷达目标几何绕射参数化模型,利用稀疏分解方法,研究了高分辨一维距离像的重构及特征提取问题。以此可以避免奈奎斯特采样定理的弊端,以更贴近信号本质特征的方法处理雷达回波信号。通过匹配追踪算法,寻找最佳匹配原子的位置,以此估计雷达目标散射点参数。实验结果表明该方法在信号重构及特征提取方面的有效性。     

雷达目标识别技术综述

针对雷达自动目标识别技术进行了简要回顾。讨论了目前理论研究和应用比较成功的4类目标识别方法：基于目标运动的回波起伏和调制谱特性的目标识别方法、基于极点分布的目标识别方法、基于高分辨雷达成像的目标识别方法和基于极化特征的目标识别方法，同时讨论了应用于雷达目标识别中的4种模式识别技术：统计模式识别方法、模糊模式识别方法、基于模型和基于知识的模式识别方法以及神经网络模式识别方法。最后分析了问题的可能解决思路。     

在线特征融合的均值移位红外目标跟踪

提出了一种改进的均值移位红外目标跟踪算法.首先,针对红外图像低信噪比的特点,采用局部灰度均值特征及局部标准差特征用于目标建模.其次,针对目标低对比度的特点,以目标与局部背景的特征似然比作为核直方图的权值,建立了新的特征表征模型,并将两种特征模型进行线性融合,得到最终的目标表征模型,其中的融合系数由特征似然图对比度自适应确定.最后,在均值移位框架下推导了该模型梯度匹配过程中移位向量的表达形式.同时,基于帧间综合对比度的变化建立了复杂背景条件下的模型更新判别准则.通过基于实测数据的红外目标跟踪实验验证了该算法的可行性.     

一种基于时频原子特征的雷达辐射源信号识别方法

提出了一种全新的基于时频原子特征的雷达辐射源信号识别方法.训练阶段,在过完备时频原子库的基础上,以类区分度为度量,提取少数最能区分不同类别信号的时频原子作为一组固定的特征;识别阶段,以原子和信号的内积的绝对值作为分类器的输入特征,采用有监督模糊自适应共振网络进行辐射源的自动识别.对5类典型雷达辐射源信号的实验结果表明,...     

单目标一维成像及特征提取方法性能分析

为后续目标识别作准备,针对采集并且存储之后的飞机目标雷达回波信号,完成后端雷达信号处理.首先,基于MATLAB提取波门内采样的回波信号并且实现目标的一维成像.然后,采用传统的傅里叶变换模值、双谱奇异值分解法对目标的一维距离像进行特征提取.为了获得较为稳定的目标特征,针对以上两种方法,主要从特征相似性的测量角度分析单一目标特征提取方法的性能优劣.最后通过实验,从相关系数概率密度分布情况得出双谱奇异值分解特征提取法性能较佳,所得到的目标特征较稳定.     

基于多尺度注意力CNN的SAR遥感目标识别

目标识别是合成孔径雷达（Synthetic Aperture Radar,SAR）图像解译的重要步骤。鉴于卷积神经网络（Convolutional Neural Network, CNN）在自然图像分类领域表现优越,基于CNN的SAR图像目标识别方法成为了当前的研究热点。SAR图像目标的散射特征往往存在于多个尺度当中,且存在固有的噪声斑,含有冗余信息,因此,SAR图像目标智能识别成为了一项挑战。针对以上问题,本文提出一种多尺度注意力卷积神经网络,结合多尺度特征提取和注意力机制,设计了基于注意力的多尺度残差特征提取模块,实现了高精度的SAR遥感图像目标识别。该方法在MSTAR数据集10类目标识别任务中的总体准确率达到了99.84%,明显优于其他算法。在测试集加入4种型号变体后,10类目标识别任务中的总体准确率达到了99.28%,验证了该方法在复杂情况下的有效性。