激光与红外融合目标检测

针对自动目标识别需求,提出了一种激光与红外融合目标检测方法。首先介绍了基于方向显著性的红外目标检测算法,并分析了该算法的优缺点。针对该算法的缺陷,提出了一种激光与红外融合的目标检测方法,该方法将激光雷达测得的弹目距离信息引入到基于方向显著性的红外目标检测算法中,大大提高了目标检测算法的精度。仿真实验表明文中方法解决了单源红外目标检测算法对应用场景适应性不强和鲁棒性较差的诸多问题,大大提高了目标的检测率。     

雷达/红外成像复合制导信息融合技术

主动雷达/红外成像复合是当今复合制导技术的重要发展方向之一,而信息融合技术又是复合制导中的关键技术之一,对雷达/红外成像信息融合技术的研究具有较高的理论价值和工程意义.从雷达/红外成像复合制导的工程应用出发,全面分析了基于分布式结构的雷达/红外成像复合处理系统中的信息融合技术,包括跟踪滤波算法、数据预处理算法(时空对准算法和测量数据的野值剔除算法)、数据关联算法与数据融合算法,重点研究了一种基于测量噪声相关情况下的加权航迹融合算法,对该算法进行了理论推导和数字仿真,仿真结果表明:该算法融合精度高、实时性好、可以满足雷达/红外成像复合制导中信息融合技术的要求.     

基于特征融合的RGBT双模态孪生跟踪网络

热红外成像技术被广泛地应用于军事、遥感和安防等领域中的目标跟踪,但热红外图像对对比度较低、目标模糊等跟踪场景效果一般。因此,将热红外图像与可见光图像进行融合提高跟踪性能具有重要意义。与基于可见光或热红外图像的单模态跟踪算法相比,基于可见光/热红外(RGB/Thermal, RGBT)图像的双模态跟踪算法对光照变化、云雾遮挡具有更强的鲁棒性。提出了一种基于特征融合的RGBT双模态孪生跟踪网络架构。该网络将双模态图像中提取的深度特征进行融合,提高目标外观特征的判别力。该网络可以利用训练数据进行端到端的离线训练。公开数据集RGBT234上的实验结果表明,所提出的RGBT双模态孪生特征融合跟踪网络能够实现复杂场景下鲁棒持续的目标跟踪。     

红外与激光融合目标识别方法

针对自动目标识别需求,提出了一种激光与红外融合目标识别方法。首先分别对激光与红外两类单源数据分别提取小波矩和投影轮廓特征来表征目标;其次,将两类单源特征进行组合,并对组合后的特征进行约简。考虑到组合多个约简在进行分类时将产生互补信息,基于三种不同观点的约简提出了一种差异性组合分类器的构建方法,对约简后的激光和红外复合数据进行融合识别。最后,通过对激光与红外仿真数据的实验,验证了文中方法的有效性。     

基于D-S证据理论的阵群目标数据关联算法

由于星载传感器获取数据的时间间隔较长,对监视区域中的每个目标进行稳定有效的跟踪是非常困难的。为此,该文将阵群目标作为研究对象,充分利用阵群目标相对稳定的编成、队形特征,提出了一种基于D-S证据理论的阵群目标数据关联算法。首先,建立阵群目标的编成特征和队形特征的描述模型,并据此提取阵群目标的编成及队形特征;其次,通过D-S证据理论,分别利用编成和队形特征建立阵群目标的关联匹配模型,计算相应的基本概率分配函数;最后,对基于编成和队形特征关联的基本概率分配函数进行证据合成,建立综合的基本概率分配函数,并采用二维分配方法实施关联判决,得出关联结果。仿真实验证实了该算法的有效性。      

基于灰关联的红外目标识别方法

针对红外目标类型识别问题,提出了一种基于灰关联分析的红外目标识别算法.该算法在对红外图像进行边缘检测后,提取目标的奇异值特征作为关联参数,通过比较特征参数的灰关联值实现目标识别.该算法根据目标各个特征指标稳定性的不同,采用了一种灰关联加权系数的方法,仿真实验验证了该方法在红外目标识别问题上的有效性,并对目标旋转和平移有一定的适应能力.     

用于雷达目标识别的层次化信息融合算法

基于对目标识别特点的认识，提出了可用于坦克目标识别的层次化信息融合算法，对高分辨率毫米波非相干雷达，毫米波辐射计及红外辐射计等目标识别概率进行了的融合实验表明，该算法不仅可融合不同层次的信息，而且具有较强的处理信息不确定性的能力和容错能力，极大地提高了目标识别概率。     

改进的联合概率数据关联算法（JPDA）对红外目标与诱饵的辨别

红外诱饵干扰作为常见的影响红外跟踪能力的干扰手段发展的越来越先进,如何有效的排除红外诱饵的干扰一直是红外目标跟踪的难题。文中在研究了红外目标与诱饵干扰的特征差异的基础上,首次提出了将多目标跟踪策略应用于红外抗干扰跟踪中,建立了一种可以融合多个特征的改进型联合概率数据关联（JPDA）的数据关联算法。最后,利用该算法对抗干扰过程进行了仿真,仿真结果表明:与现有的抗干扰手段相比,该数据关联方法对解决红外干扰形成的假目标、目标遮挡等红外目标识别的难题,不仅实时性好,而且准确率高。     

实时红外亚成像跟踪

研究了玫瑰线扫描PC仿真的精确实现。研究了适合低对比度、空域模糊亚图像的于块二值迭代分割及空域模糊分割识别算法。提出了两种目标初始大概率检测策略,一是初始多帧配准识别,一是利用复合制导对指定区域中心进行扫描成像,通过红外亚图像序列运动补偿实时锁定跟踪,获得了高的跟踪准确度。最后对实验系统构成进行了说明。实验表明,本文提出的识别跟踪算法是可行的,能在DSP实验系统中实时实现。     

基于多特征融合的红外目标关联算法

利用红外目标同时具有位置、灰度、面积等多特征的特点,提出了一种基于多特征融合的目标关联算法.首先在极坐标系下对目标位置采用概率数据关联算法计算候选目标的关联概率,然后结合目标的灰度、面积特征的预测误差计算关联波门中的候选目标在各种特征条件下的关联概率,进而利用多特征融合方式,计算出综合关联概率,完成目标状态估计的更新.实验仿真结果表明,由于跟踪关联概率由多种特征共同确定,避免了目标位置特征信息不稳定所造成的跟踪精度下降的问题,实现了密集杂波环境下红外目标稳定跟踪,其跟踪精度和稳定性明显高于依靠位置特征信息进行关联的传统概率数据关联算法.     

深度学习与图像融合的行人检测算法研究

为解决智能辅助驾驶技术中可见光摄像机受光照和气候影响而导致行人目标识别困难的问题。通过研究图像融合技术,结合深度卷积神经网络,实现并改进了一种道路行人目标检测算法。方法是利用多源传感器图像融合技术,采用可见光相机与红外热成像相机融合的策略,以Faster RCNN算法为基础,从改进网络结构、特征融合、优化模型训练等方面展开研究,对复杂环境下的行人检测与定位跟踪展开研究,提出一种基于图像融合技术和改进的深度卷积神经网络的道路行人目标检测算法。实验结果表明,该算法对复杂气候环境下行人目标检测提高了检测效率和准确率,增加了智能辅助驾驶汽车的安全性。     

基于模糊综合函数的目标识别融合算法研究

基于对目标识别特点的研究，给出目标识别的可能性分布描述方法。运用模糊集理论，讨论基于模糊综合函数的目标识别决策级融合算法，并举例说明该方法的直观合意性。     

激光/毫米波双模融合近炸探测目标检测技术

针对引信系统存在的复杂背景和强对抗环境适应性问题,以新一代反舰导弹海面目标方位识别和抗干扰为应用背景,提出了一种激光与毫米波融合的近程探测方法。首先从激光、毫米波在引信上的应用现状出发,介绍了单模探测体制的不足。针对该不足,提出了基于激光与毫米波的复合探测方案,研究了探测系统构成、动态场景下脉冲激光精确时刻鉴别算法和融合检测方法。该方法实现了复杂场景下激光探测性能的一致性、稳定性,通过将激光探测获得的距离信息引入到毫米波目标检测算法中,有效提高了目标检测算法的效率和可靠性。通过理论仿真分析,结果表明,文中的方法能够弥补单一探测体制在抗干扰方面的不足,有效提高目标探测的效率和可靠性,可为后续近炸引信抗干扰系统的设计提供参考。     

基于光学传感器数据融合的小目标识别方法研究

可见光与红外成像侦察是光电侦察领域中的最重要的获情手段,但是由于当前缺乏针对两种光学传感器获取的目标图像进行融合的有效方法,严重制约了光学目标检测和识别概率的进一步提高,尤其是小目标的识别问题,成为光电侦察领域的一个难题.本文立足小目标光学成像特点,充分运用图像处理领域前沿理论方法,研究提出了基于可见光和红外图像数据融合的小目标识别算法流程框架,为小目标识别问题的解决,提供了切实可行的指导.     

可见光与红外图像增强融合算法研究

提出了自适应图像增强算法，用于可见光和红外图像的融合。首先对输入的可见光图像和红外图像进行自适应增强，然后采用基于图像空间能量窗及归一化互相关测度构造融合图像，利用图像的信息熵评估算法的融合效果，最后给出了一组可见光和红外图像融合的试验结果，表明该算法十分有效，融合图像有丰富的互补信息，有利于人眼观察和目标识别。     

基于主动红外视觉探测的激光跟踪仪目标跟踪恢复方法

为实现激光跟踪仪的自主快速跟踪恢复,提出了一种基于主动红外视觉的跟踪恢复方法。首先,对所采用的跟踪恢复原理进行了分析。其次,充分利用激光跟踪仪合作目标靶球的强反射特性,设计了主动红外视觉探测系统。该系统采用红外SLED作为主动光源,利用SLED大发散角、红外相机的视场角远大于激光跟踪仪PSD探测范围的综合优势,实现合作目标靶球的大范围主动探测。然后,对红外图像中目标的快速识别与定位算法进行了研究,提出了基于合作目标特征评分的快速识别方法。最后,构建了跟踪恢复系统实验装置,并在算法的处理速度与识别准确度、系统的跟踪恢复范围和跟踪恢复速度等方面开展了针对性验证实验。实验结果表明,算法的平均处理速度约为每秒28帧,同时95.4%的目标中心像素坐标定位偏差低于5个像素值;在合作目标靶球距离3 m的情况下,跟踪恢复系统能够在1.8 s内实现直径0.5 m空间范围内的跟踪恢复。     

基于遗传算法和BP模糊神经网络的红外步态识别

为了提高红外步态识别精度的目的,采用分别基于小波描述子特征的模糊分类器识别和基于体形平均灰度图特征的贝叶斯分类器识别,再进行基于遗传算法和BP模糊神经网络的多分类器融合识别的新方法。做了基于中科院红外步态数据库的识别仿真实验,获得识别率、等错误率和累积匹配分值的实验数据及对比结果,得到多分类器融合识别比单分类器识别提高约10%识别率,降低约10%等错误率,完全收敛阶数提高1倍多的结论。具有识别精度高、收敛速度快的特点。     

高光谱图像波段子集模糊积分融合异常检测

针对高光谱图像中背景及目标先验知识未知条件下的异常目标检测问题,该文给出一种基于高相关性波段子集分割的模糊积分低概率目标检测融合算法。依据高光谱图像数据的波段相关性将原始高光谱数据分割为若干连续波段子集;利用非参核密度估计得到原假设下各波段子集数据RX检测器输出的概率密度函数,构造出非参隶属度映射函数;利用数据光谱维的特征值定义目标信号噪声能量比(TNER),衡量各波段子集信源检测结果的重要程度;最后,通过Sugeno模糊积分实现波段子集检测结果的决策级融合。使用可见光/近红外波段OMIS-I高光谱图像进行了实验,实验结果证明了算法的有效性。