关于自动目标识别的体系构建,硬件及前视红外问题

国际照相与光学工程师协会于１９９３年召了题为“关于自动目标识别的体系构建,硬件及前视红外问题”的专题讨论会,会后出版了会议录,现将其中的论文题目介绍如下：。     

基于模板的低信噪比前视红外建筑物识别技术

针对低信噪比复杂地物背景下的前视红外地面建筑物目标自动识别问题,提出了一种基于目标模板的自动目标识别方法。首先,根据制备模板的尺度和形状信息对实时图像进行形态学背景抑制增强和目标重构处理;然后,对重构后的图像进行垂直和水平边缘线条提取和轮廓匹配,融合垂直和水平线条匹配结果得到最终的相关峰和潜在目标区域;接着,根据目标模板对潜在目标区域进行区域灰度对比度度量;最后,融合轮廓匹配和区域灰度对比度度量结果,得到最终相关峰,实现目标的识别。大量数据测试表明,该方法的正确识别率在92%以上,定位误差小于2个像素,速度快、检测性能好、适应性较强、易于硬件实现。      

利用随机图象模型改善前视红外图象分割

本文提出一种可从前视红外（ＦＬＩＲ）图象中提取目标的改进式分割算法。认为所观察ＦＬＩＲ图象是由三种随机模型构成的：第一种模型是由噪声起支配作用，并假定是非相关高斯分布；第二种模型中两个区域（即目标和背景）的标志应遵从Ｇｉｂｂ无规则场（ＧＲＦ）分布；最后，采用群参数表示目标尺寸与背景尺寸之比。群参数易于产生相似尺寸的分割。确立随机模型后，提出确定区域标志的最大的后验（ＭＡＰ）估算。利用一种确定的逐次近似法实现ＭＡＰ准则的优选，以便迅速收敛到局部最大值。     

前视末制导地面目标红外场景生成算法研究

提出了一种基于遥感信息的前视末制导地面目标红外场景生成方法。首先,利用遥感信息生成目标区域可见光三维场景,作为场景仿真的基础模型;然后,通过建立目标及背景的温度模型、红外温度-辐射模型,计算出目标及背景的红外辐射值,针对仿真目标区域的特点进行建模仿真。最后,采用了一种基于可见光纹理的背景真实感合成方法,增强场景的仿真效果。通过对比实测温度和红外实时图以及灰度相关匹配实验,结果表明,本文方法真实地反映了目标区红外辐射变化规律,具有较好的逼真程度。     

目标尺寸对前视红外系统感知目标所需的最小温差的影响

从对抗前视红外系统的角度,给出了满足特定要求时系统感知目标所需的最小温差的一种计算方法,并对计算方法作了具体推导.通过对四种不同尺寸的目标进行编程计算,重点讨论了目标的暴露尺寸对系统感知目标所需的最小温差的影响.     

基于遗传算法和模糊熵的前视红外图像分割

提出了一种基于遗传算法的模糊红外图像分割方法．该方法将图像分为目标和背景，并分别建立相应的模糊隶属函数来描述图像各个灰度级属于目标和背景的模糊特性，进而给出图像模糊熵的描述．采用遗传算法对图像模糊熵的各个参数进行优化组合，根据最大模糊熵准则确定区分目标和背景的最佳门限．实验结果表明该方法效果良好，大大提高了计算速度。     

基于航迹插值和模型匹配的三维目标识别

提出一种先估计姿态后识别目标的新方法,克服了传统三维目标识别算法的多义性问题.首先根据航迹三次样条插值函数估算目标姿态,避免了复杂的图像处理过程,计算速度快;然后在虚拟环境中将候选目标调整到该姿态并生成相应的二维模型;最后根据不变矩特征的欧氏距离识别出目标.实验表明,该方法具有较好的准确性和实时性,对于提高三维目标识别...     

一种新的前视红外成像相关跟踪算法

针对瞄准吊舱中前视红外成像跟踪的工作状态，提出了一种新的相关跟踪算法，该算法采用一维直方图快速搜索和二维多级亚采样精确定位方案，使算法具有实时性．利用图像系列的相关性，采用隔帧修正累积误差的方法，有效地提高了系统的跟踪精度．本文的实验结果与理论值相符．     

前视红外地面固定目标末制导相对定位技术

针对前视红外低矮地面固定目标末制导问题,提出了一种利用目标周围容易识别的其他目标进行相对定位的方法。介绍了相对定位的原理,根据建立的数学模型推导相对定位的计算公式;根据误差传递原理对相对定位模型进行了误差分析,对影响定位误差的各个因素进行了仿真,得到误差影响曲线;最后结合实测数据验证相对定位的可行性与准确性,并总结各误差影响,给出了相对定位的适用条件。实测数据证明相对定位计算方法正确、可行;误差分析与统计结果指出:相对定位适用于距离大于6 km的情况,定位误差小于2个像素。所得结果为末制导任务规划提供了新的理论依据,为前视地面低矮、弱小固定目标实现远距离定位提供了技术支持。     

基于自适应高斯滤波的红外机场跑道识别方法

针对前视红外地面目标图像背景复杂、噪声干扰大的特点,提出了一种机场跑道识别算法.首先,用基于梯度信息的自适应高斯滤波对图像预处理,平滑噪声、增强边缘,然后在Canny边缘检测的图像上,利用空间邻接关系、梯度等信息进行像素级的边缘点搜索,再用最小二乘法拟合直线,在已提取的直线符号上使用多种特征进一步连接修正,最后,利用几何特征、灰度信息进行跑道识别.经实测数据检验,本算法能够准确、快速地识别跑道.     

基于单目序列图像的车辆三维信息的获取

本文介绍了一种基于单目序列图像的车辆三维信息的获取方法.在获取交通视频的基础上,根据摄像机的线性成像模型,对摄像机参数进行标定,建立空间中点与图像上点的映射关系.利用空间中点到图像上点的投影关系,以及车身上点在路面上的垂直投影,计算车身上特征点的三维坐标,进而恢复车辆的空间位置和三维信息.以实际交通录像为仿真对象,证明了该算法的有效性.     

Urban scene recognition by graphical model and 3D geometry

This paper proposes a simple and discriminative framework,using graphical model and 3D geometry to understand the diversity of urban scenes with varying viewpoints.Our algorithm constructs a conditional random field (CRF) network using over-segmented superpixels and learns the appearance model from different set of features for specific classes of our interest.Also,we introduce a training algorithm to learn a model for edge potential among these superpixel areas based on their feature difference.The proposed algorithm gives competitive and visually pleasing results for urban scene segmentation.We show the inference from our trained network improves the class labeling performance compared to the result when using the appearance model solely.     

听觉外周计算模型在水中目标分类识别中的应用

 听觉外周的理论和建模已取得长足的发展,并已广泛应用于语音信号处理.本文集成Gammatone听觉滤波器和Meddis内毛细胞模型来模拟耳蜗的处理机制,并根据水中目标辐射噪声信号的特点对Meddis模型的参数进行了修正.提出基于Gammatone-Meddis听觉外周计算模型的水中目标特征提取方法,得到一个23维的特征向量.对大量海上实测数据的分析表明该特征具有以下优点:(1)分类识别效果好,对测试集识别率达到94%以上;(2)抗卷积噪声能力强,对原始信号加入卷积噪声,识别能力没有下降.最后通过实验证明基底膜对频率的非线性选取和内毛细胞都能够很好地抑制噪声.     

Research on a face recognition algorithm based on 3D face data and 2D face image matching

Under the condition of weak light or no light, the recognition accuracy of the mature 2D face recognition technology decreases sharply. In this paper, a face recognition algorithm based on the matching of 3D face data and 2D face images is proposed. Firstly, 3D face data is reconstructed from the 2D face in the database based on the 3DMM algorithm, and the face depth image is obtained through orthogonal projection. Then, the average curvature map of the face depth image is used to enhance the data of the depth image. Finally, an improved residual neural network based on the depth image and curvature is designed to compare the scanned face with the face in the database. The method proposed in this paper is tested on the 3D face data in three public face datasets (Texas 3DFRD, FRGC v2.0, and Lock3DFace), and the recognition accuracy is 84.25%, 83.39%, and 78.24%, respectively.     

Spatiotemporal emotion recognition based on 3D time-frequency domain feature matrix

The research of emotion recognition based on electroencephalogram (EEG) signals often ignores the relatedinformation between the brain electrode channels and the contextual emotional information existing in EEG signals,which may contain important characteristics related to emotional states. Aiming at the above defects, aspatiotemporal emotion recognition method based on a 3-dimensional (3D) time-frequency domain feature matrixwas proposed. Specifically, the extracted time-frequency domain EEG features are first expressed as a 3D matrixformat according to the actual position of the cerebral cortex. Then, the input 3D matrix is processed successivelyby multivariate convolutional neural network (MVCNN) and long short-term memory (LSTM) to classify theemotional state. Spatiotemporal emotion recognition method is evaluated on the DEAP data set, and achievedaccuracy of 87.58% and 88.50% on arousal and valence dimensions respectively in binary classification tasks, aswell as obtained accuracy of 84.58% in four class classification tasks. The experimental results show that 3D matrixrepresentation can represent emotional information more reasonably than two-dimensional (2D). In addition,MVCNN and LSTM can utilize the spatial information of the electrode channels and the temporal context information of the EEG signal respectively.     

基于纹理与特征选择的前视红外目标识别

针对前视红外(FLIR)目标自动目标识别(ATR)问题 ,提出了一种基于纹理特征的ATR方法。不同于传统基于学习、基于 模板以及基于稀疏表示的方法,从图像灰度入手,提出采用局部三值模式(LTP )描述图像纹理特征,同时结合FLIR图像的特点,对LTP进行了增强处 理;然后针对特征的高维问题,采用特征选择方法进行降维处理;最后 采用降维后的特征实现ATR。实验结果表明,本文方法取得了比传统方法 更好的效果;同时也证明,仅从纹理分析入手,也能较好地实现前视红外目标的ATR。     

可视化与非可视化特征融合超声3D目标识别研究

目前常用的超声3D目标识别方法主要是利用传感器在空间一点或多点获取一维回波,通过信号处理得到目标体3D信息以实现3D目标体识别。这些方法普遍存在识别率低和鲁棒性差的问题,制约了该项技术的推广和应用。为此,文中提出了一种基于可视化和非可视化特征融合的超声3D目标体识别方法,该方法将目标体回波信号处理方法与合成孔径方法相结合,将提取的目标体信息在特征层进行了融合,然后经BP神经网络实现了分类识别,可使现有方法的不足得到显著改善。通过对3类人工靶标的实验表明,该方法可显著提高缺陷的3D识别率,能够保持在90%以上,且鲁棒性也得到明显改善。     

基于3维SPIHT编码的超光谱图像压缩

提出一种针对超光谱图像压缩的3维SPIHT编码算法.通过对超光谱图像进行3维小波变换,同时去除像素数据间的空间冗余和谱间冗余.针对变换后得到的小波系数,构造一种3维空间方向树结构,并用经3维扩展后的SPIHT算法(3D SPIHT算法)对小波系数进行量化编码.实验证明,基于3维小波变换的3维SPIHT编码算法在对超光谱图像压缩时,表现出了优良的率失真性能.并且算法复杂度适中,具有嵌入式特性.