基于红外成像引信的瞄准点识别研究

红外成像引信通过共享成像导引头实现前视探测,瞄准点识别是成像引信图像信息处理中的一个关键问题.首先对飞机红外图像进行预处理,然后进行中轴变换,提取飞机的骨架特征,并把瞄准点定义为特定邻域内骨架线分布最集中的节点,最后利用遗传算法确定最优瞄准点,结果证明文中的方法和算法是可行和有效的.     

编码孔成像的双色探测与识别技术

介绍了二维编码孔成像的双色探测与识别原理，着重阐述了二维编码孔成像的微处理器软件解调技术。最后通过模拟仿真讨论了编码成像的优点和双色识别技术。     

雷达成像与目标探测

提出将雷达成像技术应用于目标探测,研究了其适用的雷达工作体制。用双频共轭处理和KEYSTONE变换,解决运动目标的距离徙动校正问题,以实现雷达信号的长时间积累,并将时频分析用于目标检测过程,仿真结果表明了该方法的有效性。并针对两坐标防空搜索雷达,给出了一个实例分析。     

红外成像系统对目标的发现和识别概率

通过对红外热成像系统实验室综合性能参数MRTD(最小可分辨温差)在实用条件下的修正,提出了实际计算目标探测概率的具体方法和步骤,此方法可用来定量评价目标的可探测性和目标隐身技术措施及设计方案的效能.     

基于线偏振激光主动成像的目标探测与识别

在对偏振光进行Stokes参量法描述的基础上,用线偏振激光对六种不同材料的目标进行了主动成像实验.实验中,先分别用CCD1和CCD2接收水平偏振图像和竖直偏振图像,然后,根据两幅图像的平均灰度值IX和IY,算出了不同目标反射光的偏振度P.在此基础上,对绿色油漆覆盖的铁片和铜片进行目标识别实验,通过对偏振图像进行直方图均衡化处理,将两种不同材料的金属目标明显地识别出来.实验证明,偏振图像具有识别目标细节的能力,特别适合暗小目标的探测与识别.     

激光水下目标单脉冲成像探测技术研究

从理论上对单脉冲成像系统的成像性能,包括成像能力、成像分辨率和成像帧速作了简要分析和计算.对单脉冲成像的实验系统和部分关键技术,如像增强、距离选通、降噪等作了具体介绍和技术分析,关键技术效果通过所示实验结果来具体说明.其试验及结果在国内属于首次公布. 实验研究清楚表明:激光水下目标单脉冲成像在理论和技术上是可行的,与其它成像手段相比具有明显优势,如何针对大目标、复杂目标、远距离目标以及较混沌水质实现单脉冲成像和目标识别是该课题技术研究的新内容.(OC29)     

动目标主动激光成像探测技术研究

主动激光成像探测技术以其精度高、抗干扰能力强、获取的信息丰富等特点,成为激光制导技术的一个重要发展方向。根据动目标探测的要求,分析了对主动激光成像探测技术的主要需求和发展方向,并介绍了几种典型的探测系统及其关键技术。重点描述了调频式主动激光成像技术的工作原理和系统组成,并以动目标探测为背景,介绍了目标速度信息提取的信号处理方法,通过仿真分析,验证了系统原理的可行性和信号处理方法的有效性。     

基于小波和BP神经网络的无线电探测目标识别技术

目标识别是智能弹药研发的关键技术之一，本文采用小波变换和BP神经网络理论对无线电探测目标识别技术进行了研究，给出了分类识别算法，并用实测数据进行了实验验证，结果表明该识别算法具有很高的目标识别率．     

基于激光视觉技术的运动目标位姿测量与误差分析

针对当前方法测量运动目标姿态和位置存在精度较低的问题,将激光视觉技术应用到运动目标位姿的测量中,提出基于激光视觉技术的运动目标位姿测量与误差分析方法。利用三维激光扫描仪和双目相机构成的系统,实现运动目标位姿的测量,分别采用三维激光扫描仪和双目相机采集运动目标的深度信息和二维图像信息,融合深度信息和二维图像信息,获取运动目标的位姿。通过三维坐标和光斑图像坐标、外部参数以及位姿解算之间存在的误差传递矩阵,构建运动目标位姿测量综合误差传递模型,利用误差传递模型对测量结果中存在的位姿误差进行分析,根据分析结果对运动目标位姿测量过程进行改进和优化,提高运动目标位姿测量结果的精度。在模拟风洞的实验环境中,验证了基于激光视觉技术的运动目标位姿测量与误差分析方法的可行性。     

一种基于虚拟目标的飞行器姿态测量方法

提出了一种使用虚拟目标代替真实目标对姿态测量系统进行测试和评估的方法,同时给出了由光学成像设备跟踪状态和目标飞行状态计算目标在光学成像设备像面上成像中轴线斜率和截距的算法.根据姿态测量系统的特点,仿真出大量具有针对性的理论数据和图像,并使用其对姿态测量系统中的图像判读精度和姿态交会算法分别进行了测试和评估.实验结果表明,当虚拟目标长度在80 pixel时,提取精度可达0.1°;而当虚拟目标长度在6 pixel时,提取精度仅为5.7°;姿态交会算法对判读误差具有一定放大作用;图像判读误差是姿态测量中的主要误差源.     

基于子空间的3D目标识别和姿态估计方法

提出一种基于子空间的3D目标识别方法。该方法对3D目标进行事先的训练学习,采集目标可能出现时的图像,提取场景中目标的主要特征成分,建立所有目标样本图像和每个目标样本图像对应的两类特征子空间,分别用来确定目标类型和姿态。当输入一幅未知的待识别目标样像,识别系统将其分别向两类特征空间投影,根据它在两类特征子空间中的投影位置并参照目标特征的分布规律识别目标类型和姿态。实验证明,该方法具备对目标多种姿态图像畸变的鲁棒性,对光照变化也有很好的抑制作用,取得良好的目标识别效果。     

基于非相干成像的透明物体波前测量方法

提出一种新的波前测量方法 ,这种方法采用了非相干成像和相移技术 ,通过相移可精确测量位相物体引起的成像光线偏折 ,然后计算波前分布。测量中 ,利用PC机显卡的双屏功能 ,其中一个显示由计算机产生的正弦灰度调制光栅图样 ,CCD记录下经过待测物体后的变形条纹图样 ,根据相移技术可以完成对透明物体波前的测量。在这一技术中 ,由于调制光栅图样是由PC产生 ,因此光栅的周期和方向可以灵活设置 ,并可以实现精确的相移。计算机模拟和实验验证了这一技术的可行性。与传统的波前干涉计量相比较 ,这种方法具有结构简单、成本低、灵活性高等优点。     

基于形状的计算机物体识别的研究

针对计算机物体识别中不同角度下图像物体形状的不同,提出了采用多角度获取模板图像,实验图片与多角度的模板进行匹配的理论模型,对采用多角度模板匹配时出现的不同形状的轮廓进行分析,提出了用物体图像的轮廓形状的相关匹配法的解决方案,在物体识别中,多角度模板匹配与单一的模板相比,提高了识别的可靠性,避免了同一物体角度不同时,误识别为不同的物体的情况。     

基于小型化便携式光谱成像技术的分类识别系统研究

小型化便携式光谱成像越来越多应用于日常生活中,给人们的生活提供了更多的便利。柑橘属水果是人们日常生活中经常食用和储存的水果之一,在智能冰箱中,柑橘由于品种相似等原因不利于识别和分类,光谱成像技术利用其物质不同的特征波长实现其识别。采用新型的单芯片式光谱成像芯片搭建小型化便携式的光谱成像系统,利用光谱成像技术实现对柑橘属水果的分类识别,并通过分批次样本进行交叉验证,同时建立光谱分辨率与准确度关系,通过约束光谱分辨率,有效提高了柑橘属水果分类识别的准确度,光谱分辨率小于20 nm,识别准确度可达到95%以上。     

基于红外热成像技术的材料表面缺陷识别研究

针对当前材料表面缺陷识别方法存在的误差大,实时性差等不足,为了提高材料表面缺陷识别精度,提出了基于红外热成像技术的材料表面缺陷识别方法.首先分析材料表面缺陷识别的原理,找到不同方法的局限性,然后计算材料表面的温度,判断材料表面是否完整,并采集材料表面缺陷识别的红外热图像,最后采用全局阈值分割对材料表面缺陷进行分割和边缘...     

基于RealSense的三维物体识别算法研究

分析比较了Intel推出的RealSense摄像头,与热门的Kinect摄像头之间的异同。针对RealSense没有全平台点云库支持的问题,给出基于Librealsense的数据获取转换流程。针对三维物体识别算法实时性较差的问题,根据目标物体颜色空间的特性,提出了改进的快速点特征直方图描述符算法。新算法利用目标物体的HSV颜色空间特征,提升了描述符间匹配的准确率,同时利用物体色调位图降低了场景描述符计算量。除此以外,利用综合滤波的方式,显著地提升了图像的有效信息量。     

基于最佳偏振角的线性位姿测量方法研究

在基于视觉图像的位姿测量中,非线性位姿测量算法的全局收敛存在不确定性,测量结果取决于初值的选取,不能保证位姿测量的鲁棒性。线性位姿测量算法对图像处理的要求比较高,如果定位特征点图像坐标提取不够精确,会导致位姿测量精度降低。在自然光条件下,相机采集定位特征点图像,图像中高亮度区域的存在对定位特征点提取精度产生影响,进而使有效定位特征点数量减少,影响位姿测量精度。针对上述问题,文中提出了一种基于最佳偏振角的线性位姿测量方法:在相机镜头前加装线偏振片,根据Stokes矢量建立偏振片最佳偏振角度求解模型,在使用最佳偏振角度的前提下采集定位特征点图像,提取图像坐标;建立线性位姿求解模型,计算被测物体位姿。实验结果表明,该方法能够有效减少图像中的高亮度区域,改善成像质量,提高线性位姿测量精度,在?60°~+60°的测量范围内,角度测量误差小于±0.16°,在0~20 mm的测量范围内,位移测量误差小于±0.05 mm。     

Research on flame classification and recognition based on object detection and similarity fusion

The color, shape, and other appearance characteristics of the flame emitted by different flame engines are different. In order to make a preliminary judgment on the category of the device to which it belongs through studying exterior characteristics of the flame, this paper uses the flame of matches, lighters, and candles to simulate different types of flames. It is hoped that the flames can be located and classified by detecting the characteristics of flames using the object detection algorithm. First, different types of fire are collected for the dataset of experiments. The mmDetection toolbox is then used to build several different object detection frameworks, in which the dataset can be trained and tested. The object detection model suitable for this kind of problem is obtained through the evaluation index analysis. The model is ResNet50-based faster-region-convolutional neural network ( Faster R- CNN), whose mean average-precision ( mAP) is 93.6% . Besides, after clipping the detected flames through object detection, a similarity fusion algorithm is used to aggregate and classify the three types of flames. Finally, the color components are analyzed to obtain the red, green, blue ( RGB) color histograms of the three flames.     

基于数码相机的大型物体测量方法研究

工业生产中,常常需要对某些物体的几何参数进行检查、测量,以检查是否满足质量要求。本文提出了一种利用数码相机测量大型物体几何尺寸的方法。介绍了测量原理、相机成像模型、标定原理以及畸变情况,通过直接线性变换（DLT）标定相机内部参数,结合透镜成像的知识,对采集到的序列图像进行测量,计算出建筑的宽度和高度。实验证明,该方法能够克服传统测量方式的缺点,并且获得较为准确的结果,满足工业测量的要求。