合成孔径雷达目标自动识别研究

讨论了基于物理光学和几何绕射理论的散射中心理论模型,对散射中心模型的各个参数在图像域进行了估计,详细分析了基于散射中心理论的SAR图像目标特征提取算法,采用了先估计目标方位后识别目标类型的目标识别方法以提高目标识别的效率,并利用Delaunay三角化技术提高了目标方位的估计精度.实测MSTAR SAR图像中目标的识别结果表明了该方法的准确性和有效性.     

雷达目标识别技术综述

雷达目标识别技术是集传感器、目标、环境为一体的一项复杂的系统工程,是现代雷达技术的重要发展方向之一。文中总结了目标特性的研究现状,针对不同的识别对象,如弹道导弹、空中目标、海上目标和地面等目标,对现有的识别方法进行了梳理,并分析了雷达目标识别技术的发展方向。     

一种红外目标自动识别算法

针对红外图像的特点,提出了一种红外目标自动识别方法,推导了不变矩的计算公式,以试验数据为依据分析了噪声的影响.试验结果表明,对于仅含有一个飞机目标的红外图像,本文提出的方法的识别准确率可达到80%以上.     

基于平均模板的HRRP自动目标识别

给出了一种结合幂变换的高分辨率距离像（High Resolution Range Profile,简称HRRP）的预处理新方法，根据时域－频域能量等价性，利用功率平均形成一种频域平均模板。基于美国MSTAR（Moving and Stationary Target Acquisition and Recognition)实测数据的实验结果证明了新方法的有效性。     

自动目标识别的工程视角述评

自动目标识别(ATR)是一个和信号与信息处理、模式识别、人工智能等学科密切相关的特殊工程技术应用领域。由于ATR系统识别对象固有的不确定性,识别环境的复杂性,以及日益加剧的识别对抗性,使得ATR的发展一直面临着从理论到技术、到应用的系统性挑战。该文从工程视角出发,阐述了ATR的定义与内涵,简要回顾与分析了该领域发展动态,梳理了ATR的核心技术体系与系统开发模式,最后对未来的发展挑战做了分析。      

一种低分辨雷达自动目标识别系统

低分辨雷达自动目标识别一直是雷达目标识别研究领域的难点。与高分辨雷达目标识别不同，低分辨雷达分类识别主要指对机群目标的大小、架次以及调制方式等进行粗略分类。给出了一个基于飞机目标回波波形对机群目标进行分类识别的低分辨雷达目标识别系统例子。     

基于特征模板的高距离分辨率雷达像自动目标识别

提出了一种结合功率变换的高距离分辨率雷达像预处理新方法。根据时域——频域能量等价性,利用奇异值分解形成一种频域特征模板。在用这种模板针对MSTAR中的3类雷达目标实测数据进行的识别实验中,获得了较高的正确识别率。     

一种利用强度信息的雷达HRRP自动目标识别方法

 针对雷达高分辨距离像(HRRP)的幅度敏感性,现有HRRP雷达自动目标识别(RATR)方法一般简单地能量归一化.本文借鉴切空间距离的思想,提出一种利用HRRP回波强度信息提高识别精度的方法,实测数据仿真试验证明与传统方法相比,该方法可提高识别率约5个百分点.     

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。     

一种基于联合模型的雷达自动目标识别方法

雷达自动目标识别是将目标识别应用于传统雷达的一项技术,随着信息技术的飞速发展以及战场形势的复杂多变,雷达自动目标识别技术近年来受到广泛关注。目标识别的方法按其模型可分为生成模型和判别模型,生成模型侧重对数据分布的描述,判别模型侧重区分不同类别数据之间的差异。将两种模型有机结合可兼顾二者优势提升模型识别性能。本文提出了一种最大间隔正则化因子分析(MMRFA)模型,该模型对因子分析模型(FA)和隐变量支撑向量机 (LVSVM)建立联合模型。试验结果表明,该模型提升了识别性能且在低信噪比条件下表现优良。     

基于InISAR像的目标识别方法

针对目标ISAR图像方位向坐标是多普勒频率,其分辨率和目标运动状态有关,如果不进行标定,直接利用ISAR像进行识别存在困难,该文提出了一种基于多特显点的InISAR成像方法,并利用极化映射,提取特征进行识别。该文利用ISAR图像中特显点的多普勒频率和横距的关系,对整幅ISAR像进行横向定标;InISAR像转换到极坐标格式下,提取具有旋转和尺度不变性的特征,对目标分类。详细分析了4个主要参数对成像和识别的影响,仿真实验结果验证了理论分析。     

雷达高分辨距离像自动目标识别方法的改进

在雷达自动目标识别中,广泛利用基于散射点模型的高分辨距离像(HRRP),并取得较好的识别效果。由于散射点具有一些特点,且距离单元内的散射点的情况有时比较复杂,从而使高分辨距离像出现一些异常,导致识别发生误判。该文针对发生的问题,主要讨论了飞机类目标对偏航、俯仰、侧摆三维姿态角变化的敏感性、飞机类目标在正侧视附近的特点以及测试样本的相干峰现象,并提出了相应的改进措施。仿真数据的识别试验结果表明该文提出的改进措施可以有效地提高识别性能。     

Target-Centered Models and Information-Theoretic Segmentation for Automatic Target Recognition

We present an approach to automatic target recognition (ATR) from synthetic aperture radar (SAR) imagery which combines advantages of both model-based and template-based approaches. Prior observations are used to estimate the statistical properties of reflectance over regions in the training scene. These target-centered statistical models can then be used to estimate the statistical properties of sensor output for arbitrary pose. Two-sided hypothesis tests which are maximally powerful at the most likely alternative are developed in a information-theoretic framework to address target model segmentation and confuser rejection. Segmentation of target from clutter is performed in the target-centered coordinate system using all prior observations to produce a consistent segmentation over all poses. We present performance and computation complexity results as a function of segmentation threshold, confuser-rejection threshold, and operating conditions for publicly available SAR data.     

基于支持向量机的红外成像自动目标识别算法

本文针对实战中红外成像制导导弹面临的自动目标识别问题,提出了一种利用若干二维图像识别三维目标的自动目标识别算法,并引入支持向量机作为分类器．仿真试验结果表明,该算法能够成功地识别三维空间中任意角度的目标,很好地解决了许多二维识别算法难以解决的三维目标识别问题．同时,通过比较,证明该算法比传统识别算法拥有更高的识别率．     

自动目标识别中的图像序列质量评价方法

图像质量评价是自动目标识别(ATR)性能评估中的重要组成部分。传统的评价指标如目标信噪比(SNR)等针对的皆是单幅图像,而对于图像序列质量评价的研究尚属空白。针对该问题,该文首次提出了帧间目标变化程度的概念,利用其定量描述图像序列的质量。该指标融合了3部分信息：图像序列中帧间目标区纹理变化的信息,帧间目标大小变化的信息以及帧间目标位置不规律的信息。为验证所提指标的有效性,设计了用于分析帧间目标变化程度和ATR算法实际效果关系的实验,实验用样本为真实的目标图像序列。实验结果表明,帧间目标变化程度与ATR算法性能具有很强的相关性,基本呈现单调关系,是一种有效的图像序列质量评价标准。     

车牌照自动识别算法研究

以在民用领域十分有应用价值的汽车牌照作为目标自动识别(ATR)对象,提出2种分别基于色彩和字符特征的车牌识别算法,通过不同特征的选取,使用Matlab软件作为研究工具,研究数字图像的目标识别方法,实现基于特征的快速定位和识别。两种算法都简单易行,各有所长,并有所优化选择。     

基于Hausdorff距离的自动目标识别算法的研究

红外自动目标识别是智能化图像处理及应用开发的方法.由于传统的图像匹配方法受到诸如景物的遮挡、背景和噪声的影响比较大,并且需要建立模板与图像间的对应关系,因而使实际图像的匹配变得困难.为了克服上述缺陷,以便快速地进行图像匹配,提出了一种基于Hausdorff距离的自动目标识别算法.该算法不仅加快了匹配过程,提高了抗噪性能,而且能准确匹配遮挡图像.实验结果证明,该方法是正确有效的.     

自动监视和告警系统中红外弱小目标的识别

红外弱小目标识别一直是自动监视和告警系统中的一项关键技术。成像跟踪识别系统的算法研究需要分析特定应用环境中的背景和目标特点,本文第一部分对此进行了分析。接下来,在对应用环境进行分析的基础上,对远距离红外小目标的探测、识别和跟踪算法进行了介绍。最后,针对视频环境下的红外跟踪,介绍了为提高跟踪稳定性而进行的一系列实验及其原理装置。     

工作站机群系统自动重构机制

工作站机群系统已成为并行处理发展的主流方向之一.随着机群系统应用领域的逐渐拓展和规模的不断扩大,人们对其可用性的要求日益提高.设计高可用的机群系统,需要着重研究其系统重构技术.本文主要论述工作站机群系统重构模型、系统状态的保存及恢复、故障的检测等关键技术;并结合我们开发研制的ChaRM(Checkpoint-based Rollback Recovery and Migration System)系统, 介绍工作站机群重构机制的设计与实现技术.     

地面雷达动目标自动识别分类研究

本文介绍了地面雷达动目标自动识别分类研究成果，该成果在大量试验的基础上，运用回波多普勒信号的频谱特性，实现了动目标的自动识别与分类，其准确率达到８５％以上。