预警卫星半实物仿真系统设计与实现

国防支援计划(DSP)是美国现役的预警卫星系统,主要对导弹进行早期探测和预警;为评估DSP卫星对目标的探测能力,文中分析了预警卫星的部署情况和工作模式,提出了预警卫星仿真系统的总体设计方案,确定该系统的功能模块以及实现方式;根据预警卫星双波段探测的工作模式构建了红外双色扫描探测模型,提出了基于双霍夫变换的多帧关联目标检测算法,利用目标的运行特性有效去除背景噪声,并结合双波段探测信息融合策略降低卫星虚警率;最后利用双星定位方法预估目标轨迹并对不同发射角目标的预测轨迹与真实轨迹之间的误差进行对比分析;通过试验运行,该系统达到了预期结果,具备对目标导弹的探测和跟踪能力,为导弹性能评估提供一种仿真手段和依据。     

基于多传感器组网的临空高速飞行器协同检测技术研究

临近空间高速飞行器飞行距离远,速度快,单一传感器对此类目标检测能力有限.为了提高实时检测能力,行之有效的方法是多传感器融合检测.分析了目标在不同俯仰角和方位角时雷达横截面(RCS)随传感器频率的变化情况,分别仿真了X波段、P波段、C波段的探测点迹完整率,并对雷达组网协同检测系统的探测点迹完整率进行仿真.结果表明:采用分布式雷达组网协同检测方法可有效提高检测概率.     

基于深度分割模型的小目标检测

小目标检测广泛应用于视频监控等各种任务,在各领域均有着重要作用.由于待测目标尺寸小、特征弱等原因,目前的检测算法对小目标的检测性能仍值得进一步提升.现有基于设计特征的传统方法在复杂背景的应用场景下检测精度低、鲁棒性弱,基于深度学习的检测算法存在数据集难获取、小目标特征难提取等问题.面向解决低信杂比图像中小目标因面积占比小导致的特征提取难的问题,提出了一个深度分割模型用于小目标检测.为进一步提升检测性能、降低漏检率,充分应用多波段图像信息,设计了一个基于深度分割模型的多波段融合小目标检测方法.在仿真数据集上的实验结果表明,该方法有效提高了小目标检测的准确率,为小目标检测的后续研究提供了新的思路.     

基于相关和小波分析的激光水下目标检测研究

在激光水下目标探测中，由于海水这一特殊的环境，目标反射回来的回波信号中存在大量的散斑噪声，不利于目标检测。该文利用局部相关特性建立起一种信号的广义空间相关模型，再利用三重相关峰值检测原理和通过对信号的二进小波变换，利用小波变换的局部模极大值在不同尺度下的传播特性，对目标进行检测和定位。实验表明这种基于背景相关分析和小波的目标检测定位方法在激光水下目标探测中可有效检测和定位目标。     

基于特征模型驱动的前方车辆检测

为了准确地探测出前方车距,必须先检测出前方车辆的大概位置,对国内现有的车辆位置检测方法进行了大量的研究;充分分析了前方车辆的先验特征模型的基础上,提出了一种基于机器视觉模型驱动的前方车辆目标检测方法,主要包括以下步骤:首先基于目标的边界特征和灰度信息熵等对目标进行初步探测,建立目标感兴趣区;然后基于前方车辆的灰度对称特征进行目标确认,提出了一种新的对称性测度,并利用该对称性测度检测出车辆的对称轴;最后在图像序列中,利用线性预测方法对目标进行跟踪;可以准确地获得前方车辆的矩形轮廓.     

雷达动态探测目标的仿真建模

对雷达动态探测目标过程进行了分析,提出了雷达探测目标仿真模型的方法,设计了雷达目标检测、多目标滤波跟踪、资源调度管理等数字模型.实际应用表明,这些模型能够满足数据融合中雷达探测目标数据的需求,其建模方法对数据融合传感器模型的建立具有实际指导意义.     

基于多核相关滤波X波段雷达多目标跟踪算法

针对雷达X波段数据存在较大背景及杂波干扰、目标形变以及目标被遮挡和相互干扰，导致目标被漏检错检，从而出现漏跟和错跟问题。提出一种基于多核相关滤波的多扩展目标优化跟踪算法，引入多帧速度信息卡尔曼滤波和融合交并比的距离测度，对存活目标、新生目标和消失目标进行自适应识别与更新，利用全局和局部检测的三步法进行航迹估计，此外，提出了多核相关滤波模板优化方法，将模板创建时间转化为自适应权重，从极大似然的角度优化模板融合，能够有效适应对复杂形变多扩展目标跟踪和对漏跟目标的重识别。实验结果表明，提出算法对X波段雷达多目标具有较高的跟踪鲁棒性较好。     

采用小波变换的图像数据融合方法及实现

如何对同一目标的多传感器获得的不同波段的图像数据进行有效融合,提高对检测目标检测的识别率,抑制每个传感器的检测器声,降低检测信息不确定性,这是数据融合研究的重要课题之一,本文介绍了一种基于小波变换的融合方法,并应用于四幅不同波段的ＳＡＲ图像的融合,取得了良好效果。     

一种新型多雷达多目标粒子滤波检测前跟踪算法

针对多雷达多目标检测跟踪中,当目标间距较近时,易出现的目标点迹偏移问题,提出了一种新型多雷达多目标粒子滤波检测前跟踪算法(NM-PF-TBD)。算法采用双层粒子滤波结构,在目标跟踪层中对某一目标跟踪时,首先基于上周期其他目标点迹,重新计算传感器探测信息,其次,基于修正后的传感器探测信息计算粒子权值,然后,基于粒子群中不同权重粒子的分布情况,删除有害粒子,补充有益粒子,避免重采样后的跟踪粒子群中心偏移,从而保证目标点迹不发生偏移。仿真结果表明,与其他算法相比,本文所提算法能够在远距离观测多个较近目标时,准确关联目标点迹,提高目标精度。     

一种基于动态规划的机动目标检测前跟踪方法

针对传统动态规划检测前跟踪算法仅适用于匀速直线运动目标或慢机动目标的局限性,提出了一种将交互式多模型(IMM)滤波与基于动态规划的检测前跟踪算法相结合的机动目标处理算法。该算法应用于近程毫米波雷达探测环境下,根据被测目标的实际运动情况建立了匀加速运动、匀速转弯运动及匀速运动模型,在动态规划算法基础上考虑了多种运动模型以及模型之间的转换和预测,避免了因模型不匹配导致的跟踪效果变差的问题。仿真结果显示,相比于传统动态规划检测算法,该算法能够更加有效地实现对机动目标的检测和跟踪,适于工程应用。     

基于二型模糊逻辑的多线程数据竞争检测方法研究

多线程机制以其诸多优势在程序开发中被广泛使用,然而随着多线程软件规模的增长,程序中潜存着许多并发缺陷,最常见的并发缺陷是数据竞争和死锁。目前,针对这些并发缺陷的检测手段都无法处理线程时序的不确定性,无法处理运行时环境对线程时序的影响,同时也不能计算这些并发缺陷发生的概率并根据概率生成其处理优先级。针对以上问题,提出了一种基于二型模糊逻辑的多线程数据竞争检测方法。该方法将传统的多线程时序分析和缺陷检测方法作为预处理,考虑程序运行时环境因素对线程时序的影响,利用二型模糊逻辑和隐马尔科夫模型对待检测程序建模,计算待检测程序在某一系统负载下的时序概率,并根据时序概率生成时序缺陷处理优先级列表供软件开发人员参考。     

融合非临近跳连与多尺度残差结构的小目标车辆检测

目的 基于深度卷积神经网络的目标检测模型易受复杂环境（遮挡、光照、远距离、小目标等）影响导致漏检、误检和目标轮廓特征模糊的问题，现有模型难以直接泛化到航拍场景下的小目标检测任务。为有效解决上述问题，提出一种融合非临近跳连与多尺度残差结构的小目标车辆检测算法（non-adjacent hop network you only look once version 5s multi-scale residual edge contour feature extraction strategy，NHN-YOLOv5s-MREFE）。方法 首先，设计4种不同尺度的检测层，根据自身感受野大小，针对性地负责不同尺寸车辆的检测。其次，借鉴DenseNet密集跳连的思想，构建一种非临近跳连特征金字塔结构（non-adjacent hop network，NHN），通过跳连相加策略，在强化非临近层次信息交互的同时融合更多未被影响的原始信息，解决位置信息在传递过程中被逐渐稀释的问题，有效降低了模型的误检率。然后，以减少特征丢失为前提，引入反卷积和并行策略，通过参数学习实现像素填充和突破每1维度信息量的方式扩充小目标细节信息。接着，设计一种多尺度残差边缘轮廓特征提取策略（multi-scale residual edge contour feature extraction strategy，MREFE），遵循特征逐渐细化的原则，构建多尺度残差结构，采用双分支并行的方法捕获不同层级的多尺度信息，通过多尺度下的高语义信息与初始浅层信息的逐像素作差实现图像边缘特征提取，进而辅助网络模型完成目标分类。最后，采用K-Means++算法使聚类中心分散化，促使结果达到全局最优，加速模型收敛。结果 实验结果表明，非临近跳连的特征金字塔与多尺度残差结构的多模态融合策略，在提升模型运行效率，降低模型计算资源消耗的同时，有效提升了小目标检测的准确性和鲁棒性。通过多场景、多时段、多角度的样本数据增强，强化了模型在不同场景下的泛化能力。最后，在十字路口、沿途车道双场景下包含多种车辆类型的航拍图像数据集上，对比分析4种主流的目标检测方法，本文算法的综合性能最优。相较于基准模型（YOLOv5s），精确率、召回率和平均精度均值分别提升了13.7%、1.6%和8.1%。结论 本文算法可以较好地平衡检测速度与精度，以增加极小的参数量为代价，显著地提升了检测精度，并能够自适应复杂的交通环境，满足航拍场景下小目标车辆检测的实时性需求，在交通流量、密度等参数的测量和统计，车辆定位与跟踪等场景下有较高的应用价值。     

复杂大交通场景弱小目标检测技术

针对现有基于大数据和深度学习的目标检测框架对于高分辨率复杂大场景中低分辨率小目标识别效果较差、多目标检测的精度和实时性难以平衡的问题,改进了基于深度学习的目标检测框架 SSD（single shot multibox detector）,提出一种改进的多目标检测框架DRZ-SSD,将其专用于复杂大交通场景多目标检测。检测以从粗到细的策略进行,分别训练一个低分辨率粗略检测器和一个高分辨率精细检测器,对高分辨率图像进行下采样获得低分辨率版本,设计了一种基于增强学习的动态区域放大网络框架（DRZN）,动态放大低分辨率弱小目标区域至高分辨率再使用精细检测器进行检测识别,剩余图像区域使用粗略检测器进行检测,对弱小目标的检测与识别精度以及运算效率的提高效果明显;采用模糊阈值法调整自适应阈值策略在避免适应数据集的同时提高模型的决策能力,显著降低了检测漏警率和虚警率。实验表明,改进后的DRZ-SSD在应对弱小目标、多目标、杂乱背景、遮挡等检测难度较大的情况时,均能获得较好的效果。通过在指定数据集上的测试,相比于其他基于深度学习的目标检测框架,各类目标识别的平均准确率提高了4%~15%,平均准确率均值提高了约9%~16%,多目标检测率提高了13%~34%,检测识别速率达到38 fps,实现了算法精度与运行速率的平衡。     

特征点检测DoG并行算法

特征点检测被广泛应用于目标识别、跟踪及三维重建等领域。针对三维重建算法中特征点检测算法运算量大、耗时多的特点,对高斯差分（Difference-of-Gaussian,DoG）算法进行改进,提出特征点检测DoG并行算法。基于OpenMP的多核CPU、CUDA及OpenCL架构的GPU并行环境,设计实现DoG特征点检测并行算法。对hallFeng图像集在不同实验平台进行对比实验,实验结果表明,基于OpenMP的多核CPU的并行算法表现出良好的多核可扩展性,基于CUDA及OpenCL架构的GPU并行算法可获得较高加速比,最高加速比可达96.79,具有显著的加速效果,且具有良好的数据和平台可扩展性。     

Comparative investigation of GPU-accelerated triangle-triangle intersection algorithms for collision detection

Efficient collision detection is critical in 3D geometric modeling. In this paper, we first implement three parallel triangle-triangle intersection algorithms on a GPU and then compare the computational efficiency of these three GPU-accelerated parallel triangle-triangle intersection algorithms in an application that detects collisions between triangulated models. The presented GPU-based parallel collision detection method for triangulated models has two stages: first, we propose a straightforward and efficient parallel approach to reduce the number of potentially intersecting triangle pairs based on AABBs, and second, we conduct intersection tests with the remaining triangle pairs in parallel based on three triangle-triangle intersection algorithms, i.e., the Möller’s algorithm, Devillers’ and Guigue’s algorithm, and Shen’s algorithm. To evaluate the performance of the presented GPU-based parallel collision detection method for triangulated models, we conduct four groups of benchmarks. The experimental results show the following: (1) the time required to detect collisions for the triangulated model consisting of approximately 1.5 billion triangle pairs is less than 0.5 s; (2) the GPU-based parallel collision detection method speedup over the corresponding serial version is 50x - 60x, and (3) Devillers’ and Guigue’s algorithm is comparatively and comprehensively the best of the three GPU-based parallel triangle-triangle intersection algorithms. The presented GPU-accelerated method is capable of efficiently detecting the potential collisions of triangulated models. Overall, the GPU-accelerated parallel Devillers’ and Guigue’s triangle-triangle intersection algorithm is recommended when performing practical collision detections between large triangulated models.

     

一种基于视觉注意的小目标检测方法

为了方便而快速地在图像中标出目标,提出了一种基于视觉注意的小目标检测方法。该方法对Itti通用视觉注意计算模型作了改进,将目标检测过程分为亮目标检测和暗目标检测。其中亮目标检测采用了简化的Itti模型,暗目标检测主要采用侧抑制网络模型,将亮目标检测与暗目标检测各自生成的显著图合成得到最终的显著图。通过设定一阈值得到图像的预注意区域,采用模糊C-均值算法进行图像分割,以便相对完整地标出每个目标。结果表明,算法能够有效地检测待检测目标。     

共享存储并行多目标跟踪

高度的运算复杂性制约了粒子滤波在实际的多目标视频跟踪系统中的应用。为克服性能瓶颈,探索了一种基于OpenMP共享存储并行编程模型的粗粒度并行多目标跟踪系统的实现方法。在共享变量中维护被跟踪目标的列表,每一个目标用一个独立的粒子滤波器进行跟踪。根据处理单元的数目确定线程数量和每个线程跟踪的目标数量。与对应的串行版本相比,该并行系统将可实时跟踪的目标数目由2个增加到了8个,具有更大的实用价值。     

基于形态学Top-hat滤波的红外小目标检测

为了满足红外小目标检测任务实时性高的要求,提出了基于FPGA硬件平台设计小目标检测系统的方法;采用模块化的设计思想并充分发挥FPGA并行运算的能力,利用Altera公司DSP Builder工具,按照Top-hat形态学滤波、阈值分割和质心提取的流程实现硬件算法模块;硬件仿真结果表明,该设计可以快速、可靠地检测出动态红外小目标,并具有一定的抗干扰能力,为高速小目标检测系统的研发提供了一种可行的方案。     

Natural colour mapping for multiband nightvision imagery

We present a method to give (fused) multiband night-time imagery a natural day-time colour appearance. For input, the method requires a false colour RGB image that is produced by mapping three individual bands (or the first three principal components) of a multiband nightvision system to the respective channels of an RGB image. The false colour RGB nightvision image is transformed into a perceptually decorrelated colour space. In this colour space the first order statistics of a natural colour image (target scene) are transferred to the multiband nightvision image (source scene). To obtain a natural colour representation of the multiband night-time imagery, the compositions of the source and target scenes should resemble each other to some degree. The inverse transformation to RGB space yields a nightvision image with a day-time colour appearance. The luminance contrast of the resulting colour image can be enhanced by replacing its luminance component by a grayscale fused representation of the three input bands.     

面向多用户检测的蚁群算法及其改进

基于蚁群算法建立了一个多用户检测问题的模型,在这个模型中,蚁群算法得到了简化并且更加利于并行计算.随后将基于优化排序的蚂蚁系统用于多用户检测,并通过分析算法的缺陷提出了一种蚁群算法与进化规划相结合的混合算法,扩大了搜索空间,降低了搜索陷入局部极小的概率.通过对多用户检测问题的试验仿真表明,改进算法不仅操作简单,而且全局搜索能力有了显著的提高.