复杂场景下单通道SAR目标检测及鉴别研究进展综述

SAR作为一种主动式微波成像传感器,以其全天时、全天候、作用距离远等独特的技术优势,成为当前对地观测的主要手段之一,在军事和民用领域发挥着十分重要的作用。随着SAR遥感技术的发展,高分辨率、高质量的SAR图像不断产生,仅依靠人工手段对感兴趣的目标进行检测、识别费时费力,因此亟需发展SAR自动目标识别(ATR)技术。典型的SAR ATR系统主要包括检测、鉴别、分类/识别3个阶段,其中,检测和鉴别阶段是整个SAR ATR系统的基础,是国内外雷达界一直开展的SAR应用基础研究之一。针对单通道SAR图像,简单场景下目标检测与鉴别已经取得了不错的结果;而在复杂场景下,杂波散射强度相对高、杂波背景非均匀和目标散射强度相对弱、分布密集等情况,使得SAR目标检测和鉴别依然是一个难点。该文对近十年左右复杂场景下单通道SAR目标检测及鉴别方法的研究进展进行了归纳总结,并分析了各类方法的特点及存在的问题,展望了未来复杂场景下单通道SAR目标检测与鉴别方法的发展趋势。      

飞机红外图像的目标识别及姿态判断

飞机红外图像的自动目标识别(ATR)是红外探测与成像制导技术中的重要研究内容之一.首先分析了飞机红外图像的特点,然后结合Hu不变矩和仿射不变矩,提出了一组有利于目标特点提取的特征量和自动识别算法,并建立了飞机红外图像的姿态库.通过对若干飞机图片和干扰图片进行飞机目标识别和姿态判断,验证了该方法的有效性.     

自动目标识别(ATR)可靠性研究

对同类目标畸变不变的正确识别率与不同类目标分类误识别率是衡量一个自动目标识别 (ATR)系统的两个最重要性能指标。但在实际应用中 ,ATR系统所获取的外场的目标与背景总是处于随时间不断变化的条件下 ,与系统所存储的参考目标通常都不会一致 ,从而导致相关识别SNR劣化。特别对于多目标识别与不同类目标的区分 ,常规的相关门限判决方法会造成很大的误识别 ,大大影响了ATR系统的识别可靠性。本文采用人工神经网络 (ANN)与模糊逻辑技术 ,对相关信号与噪声进行实时数字后处理 ,通过对信号与噪声强度分布等高线而不仅仅是强度的识别 ,大大提高了ATR系统的识别可靠性 ,改善了识别效率。     

卷积神经网络在雷达自动目标识别中的研究进展

自动目标识别(ATR)是雷达信息处理领域的重要研究方向。由于卷积神经网络(CNN)无需进行特征工程,图像分类性能优越,因此在雷达自动目标识别领域研究中受到越来越多的关注。该文综合论述了CNN在雷达图像处理中的应用进展。首先介绍了雷达自动目标识别相关知识,包括雷达图像的特性,并指出了传统的雷达自动目标识别方法局限性。给出了CNN卷积神经网络原理、组成和在计算机视觉领域的发展历程。然后着重介绍了CNN在雷达自动目标识别中的研究现状,其中详细介绍了合成孔径雷达(SAR)图像目标的检测与识别方法。接下来对雷达自动目标识别面临的挑战进行了深入分析。最后对CNN新理论、新模型,以及雷达新成像技术和未来复杂环境下的应用进行了展望。

     

ATR系统性能评估问题的分析

目标自动识别(ATR)系统和算法的评估工作是ATR系统发展过程中最重要也是最基础的阶段之一.为此,提出了从代价、操作条件、性能这3个方面分析ATR系统性能评估问题,并详细介绍了这3个方面的相互关系、含义及主要内容,对于ATR系统的评估方法的研究有一定的指导意义.     

一种可行的自动目标识别框架方案

自动目标识别（ATR）作为一个重要的研究对象,无疑是举世公认的高难度技术之一。自动目标识别框架是整个自动目标识别系统的基础,直接关系到系统的识别效率和实用化程度。本文从自动目标识别框架设计的目标与设计需求分析着手,使用可视化程序界面设计了框架的原型,同时帮助设计者进行选择和提供了改进优化的机会。该框架可应用于单个或多个算法,或是整个ATR系统。框架可以用于大的系统,而ATR只是其中一个部分,也可以嵌入到更大系统的框架中。     

机载雷达和红外数据融合的智能目标识别

为了提高机载传感器目标识别系统的性能,提出了利用机载雷达和红外成像传感器数据融合的智能目标识别算法.对红外成像传感器,采用了基于小波矩特征和BP神经网络的目标识别算法,首先提取目标图像的小波矩特征并进行特征选择,然后通过BP神经网络对目标图像进行识别;对雷达传感器,提出了利用模糊推理的目标识别方法,首先选取适当的雷达特征,然后通过模糊推理进行识别:从雷达和红外传感器识别算法分别得到待识别目标所属类别的基本概率分配函数,用D-S证据组合规则将两个基本概率分配函数组合,最终实现了机载雷达和红外传感器的数据融合.仿真结果表明:融合后的识别效果优于单个雷达或红外传感器的识别效果.     

红外目标自动识别(ATR)算法性能评估的方法研究

本文对红外自动目标识别(ATR)算法性能评估的发展进行了系统的梳理,介绍了ATR算法性能评估过程中必不可少的工作条件限制以及性能指标的选取,并总结了目前ATR算法性能评估中经常采用的几种方法。     

基于异质传感器的空间目标融合识别系统设计

在空间目标识别中有电磁、光度、红外、无线电等多种传感器信息可以利用,不同类型的传感器获得的信息在时域、频域和特征域上的冗余和互补,可以提高识别的正确率,扩展识别的时间和空间覆盖范围,而对于复杂的空间目标识别问题,不可避免的要用到多种分类方法,这些分类器的自动优化组合是融合识别获得良好性能的关键.本文分析了空间目标分布式传感器信息处理系统中的单传感器优缺点,并设计了基于多级增强融合结构的空间目标融合识别方案,给出了其系统级融合的软件设计.该方案能根据不同传感器和分类器的性质自动的对其进行优化组合,充分开发多分类器系统的潜力、提高异质多传感器融合识别的效率和稳健性.     

嵌入式红外目标识别跟踪系统的研究

本文研究的嵌入式红外目标处理系统基于ATR技术,它可以用来实现对动态红外目标的自动识别与跟踪。根据功能的要求,设计了一个包括红外信号采集处理模块、自动目标识别跟踪模块和嵌入式主控模块三部分的嵌入式处理系统。该系统可高速实时地处理动态目标,具有友好的人机交互界面;对提高目标识别的速度,实现系统的小型化有着积极的意义。文章重点介绍了系统各功能模块软硬件的具体实现。     

搜索雷达全自动智能化目标提取技术

使用传统搜索雷达目标提取技术提取的目标参数只有最基本的几个,对复杂背景下目标的提取和识别都比较困难,特别是后续处理没有更多的参数可以使用,造成产生的目标指示的可靠性和稳定性比较差。主要对回波特征信息进行分析和处理,尽量提取出更多可靠的目标特征信息,使后续处理能够根据目标的特征进行目标的识别和相关处理,有效提高目标的跟踪稳定性和精度。     

利用目标模拟器产生SAR场景目标回波方法

介绍了一种利用目标模拟器产生合成孔径雷达(SAR)场景目标回波的方法.给定一幅原始灰度图像,依据一定算法生成基带I、Q数据并写入目标模拟器的FLASH存储区间,目标模拟器生成基带波形进而上变频到射频(RF)频段,模拟产生SAR的回波信号进入雷达接收机,经A/D变换后采用合适的算法成像.比较雷达成像和原始图像的质量可以直观、定性地评价雷达系统性能.类似于场景目标处理方法,点目标成像可以定量分析雷达系统性能.     

雷达目标识别方法概述

雷达经过几十年的发展，已实现了从杂波，干扰中探测目标的存在以及确定目标的运动轨迹，但是雷达对于目标识别仍是当今天研究热点，本文对目前几中主要的雷达目标识别方法进行了概述。     

一种基于波形匹配的目标检测和识别方法

基于对目标回波信号的波形匹配，提出了一种新的目标检测和识别的方法，该方法不需要进行特征提取，而是直接利用目标回波进行匹配处理来同时检测和识别目标，这种方法也可用于隐身目标的检测和识别，通过不同条件下的仿真试验可以看出这种方法能有效地检测和识别目标。     

低慢小目标监视技术现状及发展

本文首先阐述了低慢小目标特性,包括其外形特性、速度特性、红外特性,分析现有低慢小监视技术能力,问题具体表现为目标雷达截面积小导致回波弱、目标速度低导致杂波和干扰混叠严重、热量辐射小导致红外特性不明显等;然后,分析了未来技术发展方向,指出多元传感器协同探测、数据融合、综合识别的可行性,并仿真证明了提升雷达探测识别能力的方法。结果证明,采用“宽带多普勒处理”方式可有效提升改善因子,而基于窄带时、频域相结合的目标分类识别方法有望解决目标分类识别问题。     

多目标攻击的目标分配

介绍了多目标攻击的目标分配和攻击排序的过程与算法,并用仿真验证了该算法的有效性.     

海上目标航向航速解算新方法

航向航速是海上目标的重要特征,能准确获取目标的航向航速对于海上目标的跟踪和识别具有非常重要的意义。当雷达载体具有较高运动速度时,雷达测量的目标位置信息是非线性的,并且海上目标运动速度慢,在短时间内,受雷达测量精度的限制,目标位置的微小变化量很难精确估算,此时需要建立精度较高的非线性滤波模型,利用卡尔曼滤波方法,提高目标位置信息的估计精度。针对单脉冲雷达,本文提出了一种实时性强,工程上易于实现的海上目标航向航速的解算方法,推导了雷达载体高速运动条件下跟踪目标的滤波方程,采用卡尔曼滤波方法提高了目标位置估算精度。紧密结合工程背景,利用雷达载体的GPS信息和目标测量信息实现了海上目标航向航速的高精度解算。分析了解算数据长度对解算精度的影响,并给出了不同目标选择数据长度的经验公式。最后,通过海上目标在不同场景下的仿真实验,验证了本文方法的有效性和正确性。      

基于形态滤波的红外小目标检测方法

针对空背景下红外小目标图像信噪比低,背景和杂波干扰严重的特点,提出了一种基于数学形态学的红外小目标检测算法。算法首先利用灰度形态学Top2Hat变换,完成复杂空背景下的背景抑制和候选目标提取,然后通过开运算处理进一步去除虚假目标和噪声干扰,完成目标分割;最后结合管道滤波的方法,可快速检测出红外图像序列中的小目标信号。实验表明,该算法能够有效的提高图像信噪比,快速有效地检测出目标信号。     

国外智能视频监控的热点探究

随着智能视频监控在安全防范监控领域广泛应用,其相关技术备受国内外专家和研究人员的重视。智能视频监控作为一种综合技术,涉及多个科学领域知识。本文探讨当前国外智能视频监控的研究热点,总结归纳与其相关的研究领域,以期为国内智能视频监控的研究与发展提供借鉴。     

基于局部直方图的红外目标分割算法

在远程红外探测系统中,背景为缓慢变化的天空,而目标则表现为局部奇异点。目标灰度分布范围大,局部较亮,边缘与背景对比度低。根据这一特性,提出了一种基于局部直方图的目标分割算法。文中分析了多个目标的直方图分布特性,根据其灰度分布规律和像素个数判决条件实现了目标的有效分割。该算法适用于空域背景下的飞行目标分割。经过仿真验证表明,本文所提出的算法能快速有效地分割出红外飞行目标,有很强的实用性。