天波超视距雷达舰船目标检测特点及难点分析

为研究天波超视距雷达(OTHR)舰船目标检测问题,系统分析了目标特性、高频海杂波特性、电离层特性和干扰噪声特性,在此基础上讨论了OTHR舰船目标检测的特点和难点,并结合计算机仿真给出了相应的结论.本文工作为后续研究OTHR舰船目标检测方法提供了理论基础.     

基于频域相对样本熵的海面小目标特征检测

海面小目标是海洋雷达探测的重难点对象.针对传统检测器检测概率低的问题,本文提出一种基于相对样本熵的特征检测器(Feature Detector via Relative Sample Entropy, FD-RSE).首先,定义白化频谱,实现对主杂波带的抑制,从而增大了海杂波序列的不规则性.其次,通过引入样本熵描述序列的复杂度,提取白化频谱的相对样本熵,并将之作为特征.在检测时,该特征能够充分利用海杂波和含目标回波在频谱上的几何差异性.最后,IPIX实测数据验证表明：与传统检测器相比,FD-RSE检测器能有效改善检测性能.     

基于改进MUSIC算法的OTHR舰船目标检测

针对天波超视距雷达(OTHR)在短相干积累时间条件下的舰船目标检测问题,提出了一种改进的高分辨谱估计方法.相对于传统方法,该方法具有更高的分辨力,能在低信噪比或目标多普勒频率靠近一阶海杂波Brgg峰的情况下有效地估计多普勒谱.理论分析与计算机仿真结果验证了该方法的有效性.     

基于分形的海杂波特性及目标检测方法

在真实海杂波数据中叠加具有多普勒频率的模拟目标，以此构成纯杂波样本和目标加杂波样本，对这些样本进行盒维数分析．结果表明，目标加杂波的盒维数大小与目标的多普勒频率有一定的变化关系，这种变化关系为海杂波中的小目标检测提供了一种新的途径．     

分形噪声中的雷达目标检测方法

将高阶分形特征用于雷达信号的分析,提取出用于区分目标和杂波的新分形特征－缝隙特性,分析了海杂波与目标回波的缝隙特征曲线,并结合模糊数学的有关理论进行了海杂波与目标回波的缝隙特征曲线,并结合模糊数学的有关理论进行了海杂波背景下的目标检测。仿真结果表明：利用缝隙特征进行了雷达目标的检测,可以取得较分维值检测更高的准确率。     

海战场光学遥感图像舰船目标检测

针对海上舰船目标的检测,提出了一种适于海上区域特征的广域高分辨率光学遥感图像舰船目标检测方法.该方法基于舰船目标的视觉显著性特征,通过三个步骤实现海战场舰船目标的检测.首先,建立遥感图像的视觉显著性特征通道,根据生物视觉生理特性的原理,提取不同特征通道中目标的视觉显著性特征;然后,通过自适应特征图像选择算法,选择显著性权重最高的五幅特征显著图像,并将它们组合成一幅视觉显著性图像;最后,将视觉显著性图像分类,应用基于舰船特征的目标选择方法,将目标列表中的目标划分为舰船目标和未知类型目标.实验结果表明,此方法能以高可靠性和高精确度检测出海战场图像中的目标对象,有效地减少虚警.     

基于数据驱动的窄带雷达舰船目标分类决策方法

针对窄带雷达难以提供精细的目标特征信息的问题,提出了一种基于数据驱动的海面目标分类器设计方法.利用增量学习的思想,通过假设合作目标的样本分布与非合作目标的样本分布一致,对分类器决策模型进行迭代优化.基于实测数据的测试结果表明了所提方法的精确性与有效性.     

基于虚警可控梯度提升树的海面小目标检测

高维特征检测是提升海面小目标探测性能的一种有效途径,其主要难点在于高维空间分类器设计.本文提出一种基于虚警可控梯度提升树(Gradient Boosting Decision Tree, GBDT)的特征检测方法.首先,从一维长时观测向量中,提取时域、频域、时频域等多个特征,构建高维特征向量,从而将检测问题转换为二分类问题.其次,通过仿真含目标回波,解决两类训练样本非均衡的问题.然后,引入GBDT算法,将高维特征向量凝聚为一维概率预测值,并以预测值作为检测统计量,解决二分类器难以控制虚警的问题.最后,采用IPIX实测数据验证,结果表明：本文所提的检测器充分利用了高维特征的全部信息,性能平均提升13%以上.     

一种改进的天波雷达短时舰船目标检测方案

针对天波雷达在短相干积累时间(SCIT)下多普勒分辨率低,舰船目标检测能力下降的问题,提出一种AR模型与峰值信杂比-特征值分解(PSCR-EVD)相结合的方案,即SCIT-AR-PSCR-EVD舰船目标检测方案.该方案首先采用低阶AR模型对SCIT回波进行预处理,使慢时间采样序列长度延长一倍,从而提高多普勒分辨率;然后将相邻通道回波按照距离方向重组,采用PSCR-EVD算法自适应抑制海杂波.理论分析与试验数据验证结果表明,该方案有效提高了SCIT回波的多普勒分辨率,可实现短时低可探测舰船目标检测.     

基于分形特征的人造目标的分割方法

综合了传统的基于边沿和基于区域的两类分割方法,利用人造目标与自然景物在分形特征上的差异,实现自然背景中人造目标的分割．由于在计算分形维数时是在某一邻域内进行的,故提取出的边缘较粗,虽经过多种方法的细化处理,仍只能将人造目标的大致轮廓勾画出来．但实验证明,该方法可较好地对自然背景进行抑制,同时完整地保留人造目标的轮廓．     

基于分形理论的谱峰检测方法研究

在拓展分形维数概念的基础上,提出曲线的点盒维数定义,并以此构筑判峰算法,发展了一种新的谱峰检测理论及实现途径．与现有谱峰检测技术相比,该算法具有判据阈值设定简单可靠、适应范围广、谱峰识别准确等显著特点．实践表明,这种新的谱峰检测法能满意地用于色谱、光谱等仪器分析数据的自动处理．     

近海岸目标快速提取

针对海面运动载体对复杂海岸背景下的水上目标检测问题,提出了基于海岸线信息的近海目标自动检测方法.通过量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,提取海岸线区域的主要轮廓.采用哈夫变换进行投票加权处理,确定海岸线的精确位置,使用主频灰度对对海岸线以下的海面部分进行滤波,消除杂波效应,引入聚类方法,剔除伪目标,实现目标的有效区分.试验证明所提方法能够检测出不同倾斜状态下的海岸线,并实现精确的目标定位,单帧处理在0.2s以内,具有准确性和快速性.     

多尺度水上船舶目标视觉检测

水上交通场景环境复杂,通过普通光学摄像设备获取的水面图像,面临着视觉目标清晰度低、尺度多样化等问题,使得可见光视觉信号里中、小尺度目标检测相对困难。为服务于各类智慧海事应用,提出了一个旨在提高复杂水域背景下多尺度水上船舶目标检测性能的算法（multi-scale ship object detection,MS-SOD）。该算法基于当前计算机视觉技术中主流的单阶段目标检测模型框架,在其主干网络中嵌入卷积注意力模块,来优化船舶特征提取能力;在多尺度特征融合网络中引入富含细节信息的浅层特征,并使用跨阶段局部残差结构,来优化多尺度船舶特征的融合机制;同时,使用焦点损失函数,来优化模型的学习过程;并设计自适应锚框聚类算法优化先验锚框,以提高多尺度船舶目标检测能力。为验证提出算法的有效性和实效性,在构建较大规模水上船舶目标数据集的基础上,开展了广泛实验验证。结果表明:提出的算法在测试数据集上的检测准确度超过了各主流的对比方法;特别是对于大、中、小各尺度船舶目标的检测精度,相对于主流的YOLOv4算法,提出的算法分别提升了11.3%、6.0%和10.5%。     

级配集料的分形特性研究AC-16C

为了研究沥青混合料微观结构不均匀性的分布规律,基于分形的理论方法,从沥青混合料中集料的分布状态入手,对10组AC-16C级配类型的沥青混合料采用双对数坐标的方法计算其级配质量分形维数,研究沥青混合料级配质量分形维数的规律.研究结果表明:随着集料级配质量分形维数的增大,集料的空间填充能力增强,沥青混合料的空隙率也越来越小;随着粗集料中针片状含量的减小,集料颗粒被压碎或断裂的机率减小,从而提高了沥青混合料的均匀性.     

几种基于分形思想的图像生成技术

以分形思想为基础,探索了三种基于一般IFS的计算机图像生成技术——带概率的、带凝聚的和带参数的IFS．带概率的IFS中,n个变换的频率各异,使各变换有主次之分,图像色彩有浓淡之差,更接近真实;带凝聚的IFS包含两类不同变换：在某处的凝聚变换和在空间不同方向上的延伸变换;带参数的IFS在比例系数、旋转系数和位移系数中加入参数以控制IFS码,使图像不断地按既定构想变化以形成动画．通过一系列实例说明,这三种方法对实现图像的“明暗虚实”、“树木成林”及“动画”所起的作用．     

基于小波变换的分形噪声白化滤波器

传统的信号检测理论都是基于白噪声背景假设的,当干扰为色噪声时则需要白化滤波．对于１／ｆ类分形噪声,由于其非平稳性和长程相关等特性使传统的白化滤波不能奏效．针对这一情况,利用小波变换设计了一种白化滤波器,实验结果表明该滤波器是有效的．