用于成像探测目标识别的特征提取方法研究

针对成像引信图象处理的特殊性，研究了目标图象特征提取方法：TSRI不变性特征提取方法、目标图象边界特征提取方法，研究表明，这些方法能够有效地实现目标的识别。     

基于高阶神经网络的目标不变性识别系统

针对大尺寸目标图象的不变性识别提出了一种综合目标识别系统。该系统用形心到外轮廓的距离序列表示目标形状，将二维的目标图象识别问题传化为一维波形曲线的识别问题。对于这种波形曲线的识别，采用具有平移不变性的高阶神经网络（ＨＯＮＮ）方法，成功地解决了目标旋转变化后导致的边心距序列循环移位的问题，克服了传统匹配识别方法寻找匹配起始点的困难；同时使得ＨＯＮＮ由三阶降为二阶，极大地降低了对存贮容量的要求，仿真结果表明该系统对大尺寸目标图象的平移、旋转和比例不变性（ＴＲＳＩ）识别是切实可行的。     

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。     

自动目标识别技术的发展现状及其应用

自动目标识别是当今美国和欧洲各国许多武器、雷达和地面设备所具有的特点。自动目标识别技术旨在使目标的检测过程自动化, 是实现武器智能化的核心技术之一。经过多年的研究和发展, 该技术正在走出实验室投入实用     

一种大尺寸目标图象不变性识别方法

具有平移、比例和旋转不变性(TRSI)的模式识别是经常遇到的一个三阶问题。在传统的图象处理与模式识别算法以及人工神经网络技术中至今找不到令人满意的解决办法。近年来的研究表明:把模式的不变性构建于三阶高阶神经网络(HONN)中是实现TRSI模式识别的有效途径。但是,对于一幅NxN的图象,三阶HONN为存贮连接权所需的存贮容量正比于N~6,这一巨大的存贮要求限制了HONN在大尺寸目标图象识别中的应用。为解决这一问题,我们首先利用边缘探测和对数螺线映射处理图象,把三阶问题转化成二阶问题,使得HONN的存贮需求降至0(N~4),再改进二阶HONN的结构,使这一需求进一步降至O(N~2)。 我们采用128×128的图象进行了仿真实验,结果表明:该方法对大尺寸目标图象的TRSI识别是切实可行的。     

一种快速识别形体巨大目标的方法

提出了一种从灰度图像中识别形体巨大的目标的方法。此方法先计算灰度图像的梯度值,再对梯度图像进行二值比,对二值化后的图像先后进行腐蚀和膨胀操作,然后对所得到的图像进行区域分割,从得到的区域中找到目标区域。     

红外图像自动目标识别技术进展

随着红外探测器技术的迅速发展，红外成像系统日趋成熟，现已广泛用于各种武器系统，尤其是战术导弹。而一旦在红外图像自动目标识别（ＡＴＲ）技术方面取得突破性进展，必将大大提高装备红外成像系统武器性能。介绍了红外图像自动目标识别技术发展现状，重点论述了红外图像自动目标识别的算法和执行处理计算机两项关键技术的进展，并分析了其发展趋势和应用前景。     

AR谱结构特征提取及其对车辆目标的识别效果分析

针对车辆噪声识别问题,在对实测的４种车辆噪声进行预处理和ＡＲ谱估计的基础上,提取了谱重心,谱面积和卓越频率成分等几个特征量。实测的车辆噪声数据检验表明,基于ＡＲ谱结构提取的这几个特征具有良好的稳定性,且对车辆目标具有良好的识别效果,这对最终完成战场声目标模糊模式识别具有重要的参考价值。     

反舰导弹末制导雷达目标识别技术及其发展

阐述了反舰导弹末制导雷达目标识别的概念、原理、分类和衡量标准，指出了目标识别的内容与重要性，分析了末制导雷达目标识别的发展概况和所面临的问题，提出了提高目标识别能力的途径，并介绍了几种反舰导弹末制导雷达目标精测识别、编队模式识别、多传感器融合和极化技术识别等新技术，为反舰导弹末制导雷达目标识别技术的发展提供参考。     

改进高阶神经网络(MHONN)与目标图象TSRI识别系统的设计

具有平移、比例和旋转不变性的模式识别是经常遇到的一个三阶问题。近年来的研究表明：把模式的不变性构建于三阶高阶神经网络中是实现ＴＳＲＩ模式识别的有效途径。但对于一幅Ｎ＊Ｎ的图象，三阶ＮＯＮＮ为存贮连接权所需的存贮容量正比于Ｎ＾６，这一要求限制了ＨＯＮＮ在大尺寸图象中的应用。     

采用DSP和小波变换的战场声目标快速识别系统

根据战场典型目标声信号的特性，提出运用小波理论和FOBW编码对其进行特征提取，用数字信号处理(DSP)作为系统核心处理器件，辅以必要的外围电路，实现声目标快速识别的方法。将此系统应用于战场典型目标的快速识别，取得了满意的识别效果。     

一种基于遗传算法的红外图像识别方法

本文提出了一种基于遗传算法的红外图像识别方法。首先对成像质量差的红外图像利用小波滤波器（包括实和虚两部分）有效地提取特征;然后运用遗传算法进行特征融合;最后是计算机仿真实验,其结果表明遗传算法具有较快的收敛速度和较高的识别率。     

基于神经网络的多种文字识别系统的集成方法

基于神经网络对于写体文字多种特征的良好适应性，提出以现有的多自特征分别作为输入，构成多个神经网络识别子系统，将这些子系统有机地结合，以期集成系统具有较高的识别率和很低的误识率，文中给出串联和并联２种集成系统结构，同时分析了２处识别系统的性能，最后通过实验进行了验证。     

基于高阶累积量的水声噪声检测与识别

本文基于高阶统计量理论研究了海洋环境噪声和船舶辐射噪声的高斯性,同时基于高阶累积量T2研究了非高斯背景下非高斯信号的一种检测方法,并用于海洋环境噪声下检测船舶辐射噪声的方法研究中.另外研究了三类船舶辐射噪声双谱中对角切片和非对角切片特征,并将其作为表征船舶辐射噪声的特征向量,经过一定的实船实验得到了较为满意的结果.     

水下目标自动识别的核心技术

综述了国内外水下目标自动识别领域的研究现状和实现的核心技术途径，分析了在该领域的研究热点和发展趋势。     

地面目标图像识别技术研究

本文以数学图像处理为重点，较详细地论述了地面目标图像识别技术中从图像分割、边界跟踪、噪声去除、边界点直线拟合到目标识别的主要过程，并以机场跑道为例，深入探讨了目标特征选取的方法。     

基于BP网络的材料设计方法

在实验数据的基础上 ,利用 BP网络建立高 Co- Ni二次硬化钢的力学性能与其化学成分及热处理温度对应关系的模型。提出将材料力学性能指标作为网络的输入 ,化学成分和热处理温度作为网络的输出 ,根据力学性能设计材料的化学成分含量及热处理条件 ,克服了各种优化方法计算量大 ,容易陷入局部最优解的缺点 ,为高性能材料设计提供了一定的理论辅助手段。     

利用相关系数对信噪比进行估计

本文介绍了一种利用两具数字信号序列的相关系数对数字信号信噪比的估计方法。从相同条件下的两个信号序列的互相关函数着手。导出了信号序列的相关系数与数字信号的信噪比之间的关系。通过实例介绍了该方法在图像噪声分析中的应用，并与另一种方法估计的结果做了对比与分析。     

一种分形图像编码的快速算法

分形图像编码是近年来研究十分活跃的一种图像压缩编码方法.在分形图像编码中,由于值块与域块的匹配搜索计算量很大,导致分形编码速度较慢,不能适应图像实时传输的场合.本文分析了值块、域块之间的距离与值块的和值、域块的和值之间的关系,并由此提出了一种分形编码的快速算法.仿真结果表明,使用这种快速分形编码方法,可以减小搜索时间,较大程度地提高分形编码的速度,且解码图像的质量受影响甚少.