基于红外小目标图像库的特征识别探测研究

为了进一步提高红外小目标的识别概率,利用主分量分析法提取了小目标红外图像的主分量特征用于识别探测。在具体计算时,分析了红外小目标图像的一般特征,并建立了图像库作为训练样本。最后对训练样本进行了灰度峰值分类,并选取不同数量的小目标图像进行实验。结果表明,目标在红外图像上呈现的灰度峰值大小几乎不影响小目标的识别,而随着训练样本数的增加,识别效果越好。     

基于PCA的红外图像区域特征选择方法

特征提取在模式识别和分类中起着关键的作用,本文针对红外目标的准确分类识别问题,围绕红外图像特征提取和特征选择进行研究,提出了基于PCA的区域特征选择方法。该方法首先采用基于数学形态学的滤波技术对红外图像进行预处理,有效地增强了目标区域,便于目标特征的提取;其次,本文研究了区域形状特征提取及基于PCA的特征选择方法,通过对区域特征进行优化选择,构造准确描述目标特性且维数较低的特征。实验结果表明,本文提出的方法有效地提取红外目标的特征,可用于红外目标的分类且有利于提高算法的效率。     

基于泽尔尼克矩的红外扫描引信图像识别算法

针对目前红外扫描成像引信在目标识别过程中处理时间慢、对图像尺度和旋转变换敏感的问题,提出了基于泽尔尼克矩和支持向量机的红外扫描图像识别算法。该算法利用不变矩重构了引信探测装置所扫描到的红外图像,求得图像的各阶泽尔尼克矩来构成描述扫描红外图像的特征因子m,最后利用支持向量机对目标与相似物进行分类,实现对目标的识别。仿真验证表明,基于泽尔尼克矩的图像识别算法能够较快实现目标特征的提取和识别,对低分辨率图像也有较好的处理效果,适用于扫描式引信探测系统的简易成像处理和目标识别。     

红外目标自动识别分类及跟踪算法

提出了一种红外图像预处理、跟踪、分类的自动目标识别算法,利用小波变换提取不同频带的多尺度空间能量和不变矩作为特征量,再用神经网络进行分类识别,结果表明该算法具有很高的识别率,对于精确制导武器的目标识别研究具有一定的参考价值.     

基于DSP的低分辨率红外目标特征提取及识别

针对末敏子弹试验样机在某试验靶场的高塔上扫描，所获得的低分辨率红外目标图像，介绍了目标特征提取及识别方法。研究指出目标波形携带了与目标密切相关的信息，利用参数方法对目标波形进行分析并选取某些参数作为目标特征向量，可对目标进行粗略分类和识别。在对目标波形进行特征分析的基础上，用抽驭的特征向量构造了目标模板。用以DSP为图像微处理器的试验样机进行现场试验表明：该方法对低分辨率红外目标的识别有好的效果。     

一种基于点密度和分类约束规则的图像边缘提取方法

在目标的识别与跟踪处理中,目标图像的边缘提取是一项关键技术。本文提出一种对含噪目标图像边缘进行更准确提取的方法。该方法利用图像上各像素点的点密度信息及分类约束规则对大津阈值法加以改进,将灰度图像二值化,在此基础上提取图像边缘。理论和仿真结果证明：该方法具有边缘定位更准确、运算量小、抗噪能力强等特点,可用于对未知噪声模型的含噪目标图像的识别与跟踪处理中。     

基于深度学习的红外图像遮挡干扰检测方法

红外成像体制进行目标探测和识别时,烟幕、云雾等遮挡类干扰会改变目标特征导致目标识别错误。通过对遮挡干扰区域进行定位和类型判断,在识别处理时进行针对性处理可大大降低识别虚警率,提高识别的抗干扰能力。为此,提出一种基于深度学习单通道检测器改进的红外图像厚云、烟幕遮挡干扰检测方法。该方法通过网络多层特征的复用和融合,实现了多尺度预测;利用动态锚框模块改进锚框机制,提高了检测精度;将网络中的卷积层与批归一化层合并,提高了检测速度;引入中心损失函数对分类函数进行优化,提高了网络对遮挡物的分类能力。在网络训练过程中,提出一种红外样本增广方法,对数据量进行有效扩充,解决了红外图像训练样本获取难的问题。实验结果表明,与未改进前的算法相比,在速度基本相同情况下改进的遮挡干扰检测方法检测精度提高3.7％,有效地解决了复杂环境下红外自动目标识别系统抗干扰能力较弱的问题。     

仿射不变性特征提取在目标识别中的应用

从不同角度、距离获取的图像中提取不受视点因素影响的仿射不变特征,是图像目标识别、图像几何校正、景象匹配、图像检索等领域的共性问题。从仿射几何的角度出发,在对仿射变换、仿射不变性进行研究的基础上,利用仿射几何的不变性提取仿射不变特征量。针对同底面积比基元进行目标识别存在的问题,引入改进局部不变量,并提出3种基元特征提取算法,以排除锯齿点干扰进行角点提取。Matlab仿真分析过程中,对图像进行基元特征提取,采用改进局部不变量进行计算、比较及识别,能够有效建立图像特征值比较模型。实验结果表明:该局部不变量能较好地识别相同目标,用于不同目标间的分类识别时能取得好的分类效果。     

红外图像边缘提取的随机阈值方法

提出一种提取红外图像轮廓及内外部信息的随机方法。采用对图像矩阵中的列进行搜索,形成准阈值集合,然后从准阈值集合中随机抽取一个值作为阈值并用评判条件进行评价的方法。该方法可以获取红外图像轮廓及内外部纹理。分析了算法的时间复杂度。实验结果表明,随机算法的效果较好,能满足红外自动目标识别的实际需要。     

红外成像制导末端局部图像识别跟踪研究

针对红外成像制导末端目标图像充满导引头视场影响目标识别跟踪的问题,提出一种红外成像制导末端局部图像识别跟踪的方法。分析了红外成像制导原理;选取了高亮区比例、灰度标准偏差、长宽比、紧凑度和复杂度等5个特征量作为特征提取和目标识别的依据,提出适合导弹的目标快速识别算法;通过计算红外成像制导末端目标图像,在导引头焦平面上的投影面积的变化情况,分析了弹目距离与相对速度对目标图像变化情况的影响,研究了形心跟踪到局部图像跟踪的转换时机。综合考虑了可靠性和实时性要求,选取飞机机头作为局部图形跟踪的跟踪点;搭建红外成像制导仿真场景,对所提出的方法进行仿真分析。仿真结果表明：该方法能够有效地识别图像中的目标,减小红外成像导引头跟踪盲区,实现红外成像制导末端的平稳跟踪。     

基于小波和神经网络的红外目标特征提取与识别

研究了小波和神经网络相结合进行目标识别的方法.利用目标信息主要集中在低频部分的特点,对信号进行小波分解,提取在不同频带信号的多尺度空间能量和不变矩作为特征量,再用BP神经网络进行识别.实验结果表明,该方法具有很高的识别率,充分说明了红外图像信号在小波子带上的不变矩及能量分布具有表征目标类别的信息.该方法对于精确制导武器的目标识别研究具有一定的实用价值.     

基于不变性模糊特征融合的红外目标识别方法

研究了将平移、缩放与旋转变化(TSRI)的不变性模糊特征信息融合技术用于红外目标图像识别分类的方法,通过提取红外目标图像奇异值与不变矩的平移、缩放与旋转变化(TSRI)的不变性特征,结合模糊特征融合的模式识别方法,并应用模糊判决准则进行分类。实验结果表明,基于红外图像的TSRI不变性多特征信息融合的目标识别方法比不具有TSRI不变性多特征信息融合的识别方法具有更好的稳定性、准确性和可靠性,能够有效地提高红外成像末制导识别系统的精确度,并增强了系统的容错性能。     

基于角点特征不变量的红外图像匹配研究

在红外目标识别过程中,针对系统实时性要求高的场合,提出了一种基于角点的特征不变量,证明了该不变量具有平移不变性、旋转不变性和比例不变性.将该不变量作为匹配因子,运用动态规划的方法把目标的不变量与模型中的不变量进行匹配,并与三角形边长匹配法进行了比较.实验证明,该方法有效地降低了匹配误差,提高了识别的实时性,效果较好.     

一种基于边缘匹配的前视红外目标识别算法

红外目标识别是影响精确制导武器命中精度的重要因素。针对因基准图与实时图存在差异导致模板匹配性能下降的问题,提出了一种基于边缘匹配的前视红外（FLIR）目标识别算法。在模板匹配的基础上,利用目标的邻域信息排除虚警,计算基于匹配代价矩阵的匹配置信度对候选匹配点进行排序,利用前面连续多帧图像的识别结果为当前帧识别提供信息,从而提高目标识别的准确性和鲁棒性。在2组不同目标类型的红外视频序列上所做的实验表明,该算法具有较好的识别性能。     

红外图像模式识别的预处理

红外图像模式识别系统,由图像预处理、特征提取及模式分类组成.基于红外图像模式识别的图像预处理,包括滤波降噪、目标增强、图像分割等处理.滤波降噪有邻域平均、中值和Butterworth低通等滤波方法.目标增强可通过微分及Butterworth高通滤波完成,图像分割可采用阈值分割技术实现.故综合比较各种处理方法,采用两次均值滤波及拉普拉斯算子、阚值分割技术,较好实现了红外图像模式识别的预处理.     

基于自适应梯度先验的旋转模糊图像复原算法

弹载红外成像系统随弹体作高速旋转运动时,在曝光时间内获取的图像存在严重旋转模糊问题,给后续的目标识别与图像跟踪造成极大困扰。针对此问题,提出了一种基于自适应梯度先验的旋转模糊图像复原算法。该算法通过使用自适应梯度先验的正则化项,对从图像中沿旋转模糊路径提取的一维向量在频域内进行反卷积运算。同时针对使用Bresenham算法提取像素方法产生的空穴点问题,设计了一种查表决策的自适应中值滤波算法。仿真实验结果表明,相对于改进的维纳滤波、约束最小二乘滤波、梯度加载滤波,该算法能有效地适应低信噪比干扰环境,具有较强的噪声抑制和削弱振铃效应的能力。     

红外成象型空空导弹目标识别与跟踪算法研究

根据红外成象制导型空空导弹图象传感器在目标识别与跟踪过程中获得的图象序列的特点。提出了一种基于红外图像序列的弹道终端红外图象跟踪时的跟踪算法．实现了目标特征点的自动识别与跟踪。文中以最大距离法对目标图象进行分割．以机头部位为局部图象跟踪时的跟踪部位，分析了导引头投影成象模型以及弹目距离、相对速度对目标图象变化情况的影响．研究了中段形心跟踪模式与末端局部图象跟踪模式的转换时机．定义了确定目标充满视场程度以及阻塞视场与否的两个判据。最后，以实测的飞机红外图象对文中提出的算法进行了仿真，结果表明本文的算法是可行和有效的。     

复杂战场对抗环境下空中目标抗干扰识别算法

针对复杂背景和红外诱饵对抗环境下红外成像攻坚破甲导弹空中目标识别的难题,提出融合强判别性特征的抗干扰识别算法,将区域生成、特征学习和分类识别融合至抗干扰算法中,形成从像素至区域,再到特征识别的逐级抽象的识别框架。首先通过模拟典型战场环境,生成大量不同对抗态势下的目标特性库,作为算法研究的基础;然后由像素相似性聚类形成候选区域,完成区域“粗粒度”定位;再将提取的各区域特征输入至特征选择模块,学习强判别性的特征;最后将选取的特征输入至改进的多分类支持向量机进行目标的分类识别,实现目标区的“细粒度”锁定。通过逐步细化的识别机制,识别复杂战场对抗环境下的空中目标。验证试验表明,算法在不同对抗态势下的弹道图像数据集中的平均识别正确率达到78.63%,可有效完成目标与干扰之间的区分,为工程应用中的算法研制提供支撑。