基于三维激光点云的运动图像动态目标识别方法

当前的动态目标识别方法在场景复杂的图像中,因为无法采集足够多的特征信息,导致识别结果应用性受限。基于三维激光点云提出一种运动图像动态目标识别方法。利用三维扫描系统获取运动点云图像特征,在不影响有效信息采集的情况下,进行图像预处理;引入地平面方程,将图像背景点云与被识别目标点云通过欧式聚类法分割,提取处理后的被识别目标关键点,并采用Freeman链码检测边缘特征,完成运动图像动态目标识别。试验对比结果表明,所研究基于三维激光点云的运动图像动态目标识别方法,对动态目标有良好的鉴别能力及较好的识别精度,且所需动态目标识别时间较短。     

基于多尺度生成对抗网络的运动散焦红外图像复原

红外热成像系统在夜间实施目标识别与检测优势明显,而移动平台上动态环境所导致的运动散焦模糊影响上述成像系统的应用。该文针对上述问题,基于生成对抗网络开展运动散焦后红外图像复原方法研究,采用生成对抗网络抑制红外图像的运动散焦模糊,提出一种针对红外图像的多尺度生成对抗网络(IMdeblurGAN)在高效抑制红外图像运动散焦模糊的同时保持红外图像细节对比度,提升移动平台上夜间目标的检测与识别能力。实验结果表明：该方法相对已有最优模糊图像复原方法,图像峰值信噪比(PSNR)提升5%,图像结构相似性(SSIMx)提升4%,目标识别YOLO置信度评分提升6%。

     

基于改进双边滤波的多尺度运动目标检测方法

提出一种基于改进双边滤波的运动多尺度目标检测方法,以提高对弱小目标的检测能力.首先对视频或序列红外图像进行改进双边滤波处理,提高目标的对比度,同时抑制背景的边缘噪声及随机噪声.然后对目标进行三维匹配滤波,获得若干组速度匹配叠加强度图像.最后,在这些图像中进行基于NNLoG(归一化负LoG算子)的多尺度目标检测,得到序列图像或视频段的最佳匹配速度及增强后的图像.可最终计算出目标在序列图像或视频中的运动方程.通过大量的实验及对比实验可知,改进双边滤波、三维匹配滤波及NNLoG算子综合处理效果都较好,可有效检测序列图像或视频中的目标.     

红外目标自动识别中的信息处理及其新进展

传统红外传感器自动目标识别(Automatic Target Recognition,ATR)过程中的信息处理可分为4个阶段:图像预处理、目标捕获、特征提取和目标识别.回顾了这4个阶段中的一些经典信息处理方法.通过对传统ATR应用模式的分析,发现难以构建一个具有高度实时性,集成性和鲁棒性的红外ATR系统的根本原因是前端传感器与后端数据处理的隔离.为解决该问题,目前的趋势是开发智能红外传感器,根据系统应用的需要输出\     

基于视觉显著性的监控视频动态目标跟踪

视频动态目标检测与跟踪是智能化视频分析的基础,是实现智能监控的关键技术之一。基于人类视觉对运动的方向和速度非精确感知的特点,结合HR生物相关运动检测模型改进Itti Saliency算法,建立颜色、方向、亮度和运动四特征通道的特征图提取算法,对特征图进行跨尺度融合及归一化,从而提取视频图像中动态目标的视觉显著图。对视频序列图像的显著图逐一显示,便可实现对运动目标的跟踪。提出的运动感知模型,改善了对运动目标视觉显著性的检测效果,能够准确检测并跟踪监控视频中复杂背景、遮挡、多物体的动态目标。     

基于隐马尔科夫模型的RCS识别方法研究

雷达散射截面(RCS)时间序列由目标电磁散射特性和姿态运动特性共同决定,包含了雷达目标的材质、尺寸和结构等信息,是实现雷达目标识别的重要测量量.隐马尔科夫模型(HMM)是一种用参数表示的用于描述随机过程统计特性的概率模型,是一个无记忆的非平稳随机过程,具有很强的表征时变信号的能力,非常适合作为动态模式分类器,对具有不同变化特性的时变信号进行分类识别.文中利用HMM表征雷达目标RCS序列变化模式(规律),根据不同类别目标RCS序列变化模式的差异对雷达目标进行分类识别.实测数据验证结果表明,该算法具有较高的识别概率.     

雷达目标三维特征的提取与识别研究

以逆合成孔径雷达(ISAR)成像技术和计算机视觉理论为基础，提出了一套新的从动态目标ISAR成像序列中提取目标散射点三维结构信息，以此作为目标特征的识别方法。这一研究方法包含了4个重要环节：动态目标的ISAR像序列的获得；“散射点像元”质心的检测、跟踪和匹配；基于光流分析的目标散射点三维结构特征的提取；目标三维特征的识别。由于经过了时间和空间上信息的积累，目标的散射点的三维结构特征具有稳定和直观的特点。作为一种新的目标识别的依据是很有效的，且只需要较少的训练样本就可以获得较高的识别率。     

自动多目标识别和跟踪系统

研制的自动多目标识别和跟踪系统采用了三级分类识别、动态景物分析等技术,不仅改善了微弱运动目标的捕获能力、实现了运动多目标识别,还具有预计目标遮掩及实现目标再捕获的能力,使系统具有高的目标识别率,当目标数为10个时,系统识别速率为10帧/s。     

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。     

基于包围盒约束光谱聚类的红外目标识别算法

在红外成像过程中,目标边缘模糊化是影响红外目标识别效果的关键因素,也是红外目标识别算法的研究重点,故在光谱图像中合理补偿目标几何特征信息成为研究热点之一。结合包含目标几何特征信息的包围盒作为约束条件,对红外光谱图像进行分层限定滤波,降低原有图像数据中目标几何外形数据的丢失,提高目标可识别性。设计了在包围盒约束条件下的光谱聚类算法,设置参数η表征待测军用车辆目标的几何信息,设置参数m表征待测军用车辆目标的光谱特征信息。实验采用TEL-1000-MW型红外成像光谱仪获取多光谱图像,通过改变m和η值调整光谱特征值个数与包围盒范围,从而获得不同的目标识别图像。并与传统方法对同一幅红外目标图像的识别效果相比较,结果发现采用包围盒约束的待测目标图像几何边界信息保留效果明显优于传统方法,当m=10、η=0.7时,红外图像的目标识别效果最好,同时算法收敛速度也最优。由此可见,该算法在提高红外目标识别能力、避免误判伪目标和漏检目标方面具有很高的实用价值。     

相关滤波器与支持向量机结合的激光成像雷达目标识别算法

激光成像雷达能成清晰的目标三维距离像和一维强度像,可提高目标识别率,因而成为国际上的研究热点.当大视场高分辨率激光成像雷达垂直探测目标时,视场内目标增多,要求目标识别算法既能同时检测多目标,又要具有平面内旋转不变性.为了满足上述要求,提出将具有平面内旋转不变性的CHF-MACH相关滤波器和支持向量机(SVM)相结合,组成一种新的目标识别系统,其中相关滤波器能同时检测定位多个感兴趣目标,再用SVM分别对图像内的已定位的目标进行识别.以仿真激光成像雷达图像为实验数据,分别对4类目标进行识别.实验结果表明,CHF-MACH滤波器对本类目标有较好的检测率,对非本类目标有一定的抑制作用;SVM能以较高的精度分类已检测目标.所以,该方法能有效地对大视场内多目标进行识别,适用于激光成像雷达.     

红外成像制导中的三维目标识别

首先介绍了随机方位观察模型 ,在此基础上得到图像中的角度大小与目标模型中角度大小的对应关系 ,提出了图像中的角度大小的概率密度函数 ,然后根据最大似然比准则得到三维目标识别的统计决策规则 ,并应用该规则去识别红外成像制导中的几种具体目标 ,取得了比较好的识别效果 ,证明了所提方法在红外成像制导中的三维目标识别的有效性。     

红外目标与诱饵辨识的仿真研究(二)运动特征分析

研究了红外目标与诱饵在扩展源阶段成像特性上的差异。提出了依据目标和诱饵在整体运动模式上的差异进行辨识的方法，并依据图像序列中目标整体形状特征的变化来定性推断加速度，旋转，翻滚等目标整体运动特性，作为识别目标与诱饵的特征，最后给出了仿真试验结果。     

激光动态识别Line元件三维形状及动态的研究

介绍了一种利用激光及动态定位技术实现对无人化生产线(简称Line)上的元件的三维形状、及动态进行在线动态识别及检测新方法.提出了激光三维信息及动态信息的采集方式,论述了瞬时动态定位的原理及应用,建立了在线动态三维建模的有关数理模型,建立了激光动态识别Line元件三维形状及动态的系统. 现代化高新技术产业中,无人化生产线(简称Line)上的元件,诸如电子元件、电子插接件、金属零件及非金属零件、特别是一些具有放射性或有毒的元器件,它们在Line上,须判定其形状、位置、状态及在线动态,以及对它们进行在线动态检测. 利用激光照射扫描Line上的元件,通过两个以上摄像机配之以瞬时动态定位系统,由计算机进行中央集成控制及信息采集与数据处理、建模.按Line上元器件特点编制智能识别软件,编制数据处理及建模程序,编辑智能示教软件.运行全部软件,即可实现,示教记忆元器件模式,控制激光智能扫描,采集信息并进行数据处理,之后建模智能识别Line上元器件的形状、位置及在线动态.(PE15)     

基于动态红外图像的飞机姿态识别方法研究

利用成像导引头信息的红外引信可以获得目标由完整到局部的一系列动态红外图像，实现前视探测。飞机姿态识别对成像引信瞄准点具有非常重要的意义。分析了高速交会情况下飞机目标的运动特性，利用遗传算法确定像平面上目标图像的旋转情况和机头位置，以及测距装置提供的距离信息、目标图像的长度及红外探测器的系统参数确定目标的俯仰情况，最后利用弹目交会过程中目标轴线方位角和高低角的不变性实现了飞机飞行姿态的识别。     

一种基于EfficientNet与BiGRU的多角度SAR图像目标识别方法

合成孔径雷达(SAR)的自动目标识别(ATR)技术目前已广泛应用于军事和民用领域。SAR图像对成像的方位角极其敏感,同一目标在不同方位角下的SAR图像存在一定差异,而多方位角的SAR图像序列蕴含着更加丰富的分类识别信息。因此,该文提出一种基于EfficientNet和BiGRU的多角度SAR目标识别模型,并使用孤岛损失来训练模型。该方法在MSTAR数据集10类目标识别任务中可以达到100%的识别准确率,对大俯仰角(擦地角)下成像、存在版本变体、存在配置变体的3种特殊情况下的SAR目标分别达到了99.68%, 99.95%, 99.91%的识别准确率。此外,该方法在小规模的数据集上也能达到令人满意的识别准确率。实验结果表明,该方法在MSTAR的大部分数据集上识别准确率均优于其他多角度SAR目标识别方法,且具有一定的鲁棒性。      

红外诱饵辨识的仿真研究(一)灰度时间序列分析

研究了红外目标与诱饵在成像特性上的差异，指出动态特性是辨别真伪的主要特征。在点目标阶段，以目标成像灰度随时间变化的快慢作为灰度时间序列特征，并采用多分辨分析、时频分析等多种方法进行目标与诱饵的识别，给出了仿真试验结果。     

旋转图像的三维相关不变性

三维不变特性的构建是三维目标识别过程中的一个核心步骤,旋转图像作为对三维目标曲面信息的一种很好的表达,满足了旋转和平移变换不变性,却不满足尺度变换不变性.为了构建一种在旋转、平移和尺度变换下的不变特性,首先定义了相关不变性的概念,然后使用Tsallis熵值对旋转图像进行了描述.在相关不变性的框架下,利用Tsallis熵...     

基于SAR实测数据的舰船成像研究

该文基于机载SAR实测数据,对舰船目标成像进行了研究。SAR成像是针对静止目标,舰船目标表现在SAR图像上是散焦的。基于舰船目标的非合作性,可采用ISAR的方法对其进行成像处理,以得到高分辨的舰船图像。该文介绍了如何从SAR实测数据中提取出舰船目标的回波数据,并讨论了对舰船成像比较有效的ISAR运动补偿方法。最后给出了多艘典型舰船的清晰成像结果。该文提供了机载雷达SAR模式工作时对舰船成像的有效处理方法。     

面向天基红外预警的高动态弱小目标LSTM检测方法研究EI北大核心CSCD

在天基红外预警任务中,高动态弱小目标具有成像尺寸小、运动规律未知的特点。现有红外弱小目标探测任务主要关注匀速直线运动目标检测问题,对高动态目标的有效检测算法尚需进一步开发。针对天基红外预警任务中高动态非线性运动目标检测问题,提出了一种基于LSTM的红外弱小目标检测算法。首先设计了提取可疑目标位置信息的预处理方法,解决了LSTM网络结构与序列图像不匹配的问题;然后,针对传统算法难以检测非线性运动轨迹的问题,利用LSTM提取目标运动特征,实现序列图像中高动态目标的检测。通过与序列假设检验等算法的对比,在自研的红外序列图像数据集上验证了所提出的算法能够实现不低于0.9347的精确率与不低于0.8633的召回率。