谐振区雷达目标识别的模块化神经网络方法

本文研究了基于模块化神经网络的谐振区雷达目标识别方法,该方法先用BP网络进行波形预测,再用最大后验概率准则或修正最小平方误差准则进行分类。通过计算机模拟,证实了该方法有较好的识别性能,且对信号留数变化,即目标的姿态变化不敏感。另外,该方法还具有实现简单,结构扩展方便等优点。     

单脉冲雷达多目标分辨的遗传算法实现

常规单脉冲雷达一般对落在同一距离单元、同一波束内的多个目标难以分辨。提出一种基于单脉冲雷达进行多目标分辨的方法。该方法利用雷达回波的和差信号经过同相正交解调获得多维观测数据，建立关于目标位置和数目参数的似然比函数，采用改进的遗传算法对多目标参数进行估计，并基于最小描述长度准则进行目标数确定。在遗传算法中引入了精英准则、局部寻优、实数表示等多种策略，有效提高了多目标参数搜索性能。仿真实验证明了该算法的整体有效性。     

基于双重规整化的气动退化图像盲复原算法

通过合理建立针对红外图像的气动光学效应退化模型，根据极大似然估计准则设计复原算法，同时针对随机变化的点扩展函数和噪声对目标图像尤其是图像中细节恢复的影响，对单一规整化方法进行了扩展，采用双重规整化策略，将规整化分为两个各有侧重点的层次来处理。在微机上进行了一些复原实验，并给出对比结果，证实了该算法的有效性。     

地面复杂背景下自适应聚类分割方法

语文中研究了一些自动门限法的特点，分析其对复杂背景下低反差的小目标图像分割失败的原因，提出了一种新的选取局部门限的方法。该方法先对整幅图像用聚类准则分割，然后计算分割得到的区域的信息量，看是否满足定义的门限，对不满足的区域继续分割，直到所有的被分割区域都满足条件或是分割结果不再变化。实验结果表明，该方法具有从低反差图像中抽取小目标的优良性能。     

一种改进的自适应背景建模视频分割方法

针对传统的自适应背景建模难以解决背景复杂以及外界光照变化等因素影响视频分割质量的问题,提出了一种改进的自适应背景建模视频分割方法。该方法首先对彩色图像建立高斯背景模型,然后对背景模型进行更新,最后通过对高斯分布准则进行改进使前景目标分割性能得到提高。仿真实验表明,该方法能够准确建立背景模型,准确分割前景目标,较传统算法具有更强的鲁棒性。     

基于遗传算法和模糊熵的前视红外图像分割

提出了一种基于遗传算法的模糊红外图像分割方法．该方法将图像分为目标和背景，并分别建立相应的模糊隶属函数来描述图像各个灰度级属于目标和背景的模糊特性，进而给出图像模糊熵的描述．采用遗传算法对图像模糊熵的各个参数进行优化组合，根据最大模糊熵准则确定区分目标和背景的最佳门限．实验结果表明该方法效果良好，大大提高了计算速度。     

一种基于图划分的人造红外目标实时分割算法

提出一种基于图划分的实时红外目标分割方法．选用规格化划分值作为区分目标和背景的最佳阈值选取的准则．该准则联合考虑了象素的灰度信息及其空间位置信息,因而分割红外目标比常规方法更为准确可靠．文章对该算法的时间复杂性及空间复杂性进行了分析,为满足实时处理的需要,对算法进行了简化处理,并定义四种方向的领域权值矩阵,提出一种快速查表的方法有效地解决了算法的实时性问题．试验结果表明,该方法能够有效地完成红外目标的准确分割,分割性能优干传统的Otsu准则和一维熵方法,同时,采用快速实现算法大大提高了该算法实时处理能力,节省了存储空间,从而使该算法在实际中能得到有效应用．     

基于自适应最优聚类的目标匹配跟踪算法

提出了一种基于新的自适应最优聚类的模板匹配跟踪方法。利用模式分类准则计算最优聚类数,然后根据最优聚类数采用k-均值方法进行多次聚类。根据聚类结果计算熵矢量和距离矢量,组合得到特征矢量,利用特征矢量进行匹配跟踪。匹配采用简单的相似性准则,实时模板更新算法为多模更新。测试结果表明,该算法针对不同的目标能自适应地选择聚类参数,在目标发生几何变化时,能实现精确稳定的跟踪。     

基于自适应最优聚类的目标匹配跟踪算法

提出了一种基于新的自适应最优聚类的模板匹配跟踪方法。利用模式分类准则计算最优聚类数, 然后根据最优聚类数采用k-均值方法进行多次聚类。根据聚类结果计算熵矢量和距离矢量, 组合得到特征矢量, 利用特征矢量进行匹配跟踪。匹配采用简单的相似性准则, 实时模板更新算法为多模更新。测试结果表明, 该算法针对不同的目标能自适应地选择聚类参数, 在目标发生几何变化时, 能实现精确稳定的跟踪。     

一种双/多波段红外目标融合检测方法

针对双/多波段红外目标检测问题,提出了一种基于自适应加权投票融合准则的红外目标融合检测方法。该方法首先对双/多波段红外传感器进行图像配准,然后对单传感器红外图像进行处理,得到单传感器目标检测结果,最后使用提出的自适应加权投票融合准则,对单传感器目标检测结果进行融合,得到最终判决。实验结果显示,该算法能在较大程度上降低目标检测过程中的不确定性,从而提高了系统的检测性能,同单波段检测结果和其他的融合结果相比,该方法能有效地降低漏警概率和虚警概率;并且该方法易于实现,并在实际工程中得到了应用。     

基于熵准则的匀速直线运动目标的转动补偿

在ＩＳＡＲ成像中，当完成了运动目标的平动补偿后，还需进行转动补偿。本文就目标作匀速直线运动时相对雷达的转角变化进行了分析，得出在小转角条件下，该类运动的转角变化规律主要取决于非线性度因子γ，本文提出采用最小熵准则对γ进行最优估计和补偿。仿真和实测数据的计算结果表明了理论分析的正确性和补偿方法的可行性。     

利用运动纹理差异的运动目标分割无监督评价方法

提出了基于运动纹理差异的运动目标分割无监督评价方法。通过基于贝叶斯决策的精确量化准则得到差分图像的类别映射图,利用区域生长方法产生不同效果的运动目标分割掩膜,定义了运动纹理差异的评价准则,并将该评价准则用于这些分割掩膜中以验证评价结果的有效性。为进一步准确衡量所提出准则的性能,在实验中将其与两种评价准则进行对比,一是有监督评价准则Ⅷ,二是基于彩色纹理的无监督评价方法JSEG中的无监督评价准则J。实验结果证明基于运动纹理差异的无监督评价与人类主观感知和客观实际基本一致,可有效地对红外视频运动目标分割性能进行无监督评价。     

基于最大图像清晰度的泛探雷达目标距离-多普勒走动校正

泛探雷达长时间的相干积累会增加目标二维走动，导致目标在距离多普勒域散焦，回波信噪比降低。有效的目标二维走动校正才能更好地体现泛探雷达的凝视特性，提升雷达目标检测性能。文中利用Keystone变换进行距离维走动校正，并建立多普勒维走动和图像清晰度的数学关系式，基于最大图像清晰度准则进行多普勒维的走动校正。该方法解决了凝视探测下的二维走动，提高目标在多普勒维的高分辨，同时提升了微弱目标检测能力。     

复杂背景下抗遮挡的运动目标跟踪算法

通过对各种跟踪算法的研究,提出了一种适应性较好的目标运动预测与多模板匹配相结合的相关跟踪算法,并给出了模板匹配相关算法中的判断准则、模板更新准则和目标被遮挡判断。实验证明,该方法能够在复杂背景条件下运动目标发生遮挡时进行稳定跟踪。     

基于决策级融合的多波段SAR目标检测方法

为了提高SAR图像目标检测性能,提出了一种目标检测方法。该方法首先利用智能索引变量恒虚警和二次检测对多波段SAR图像进行目标检测,然后利用Neym an-Pearson准则对检测结果进行决策级融合,在保证融合前后虚警概率一致的前提下,可大幅度提高检测概率。给出了应用该方法的具体步骤,并通过实际数据证明了该方法的有效性。     

步进频率雷达目标运动补偿方法研究

介绍了步进频率信号及目标运动对合成一维距离像的影响,分析步进频率雷达中目标运动补偿的思路,在此基础上提出应用最小脉组误差准则对步进频率信号进行速度补偿的方法,对该方法进行分析和仿真,证明该方法具有较高的实用价值.     

基于单元筛选抑噪积累的扩展目标检测方法

能量积累检测是通过对各单元功率进行积累来检测扩展目标，由于目标散射点分布具有稀疏性，能量检测器会因为陷落损失影响检测性能。本文根据广义似然比理论，提出一种基于单元筛选抑噪积累的扩展目标检测方法，该方法在筛选高回波功率单元的同时，采用抑制噪声后的功率平方进行积累。通过飞机模型的暗室实测数据进行了实验验证，并在相同的筛选准则下分析了抑噪积累与功率积累的性能差异。实验结果表明：对于散射点稀疏分布的扩展目标，单元筛选抑噪积累检测器能有效提升目标的检测性能。     

基于局部熵的红外图像小目标检测

文中采用红外图像的局部熵变化为检测准则,确定红外图像小目标位置,对较大的红外图像目标,局部熵突变发生在目标边缘,用本方法也可确定目标边缘。文章给出了算法的实现过程,最后,用海上红外小目标真实图像进行了实验,得到了满意的结果。     

基于假设检验的红外弱小目标感兴趣区域提取算法

根据假设检验的基本原理,提出了一种红外弱小目标感兴趣区域检测算法.该方法首先按照最小错误概率准则抽取图像中目标的感兴趣区域,然后在这些区域里进行目标提取和分析.实验结果表明,该方法很好地克服了一些传统方法中冗余计算多和分析难度高等缺点,非常适合于红外弱小目标的高性能检测.     

对改善ISAR成像质量方法的研究

传统的基于ＦＦＴ的ＩＳＡＲ成像方法不能满足大转角、非均匀旋转目标的成像要求。本文分析了在上述两种情况下，散射点回波信号多普勒的变化规律和信号模型。进一步提出了基于最小熵准则的线性调频指数的估计方法，以及对多普勒变化进行补偿后的成像方法，仿真结果表明了所提出的方法成像质量明显改善。