基于SUSAN算子和改进的SNAKE模型的目标追踪算法

为了准确的追踪运动目标,文中提出了基于SUSAN角点检测和改进的SNAKE模型相结合的目标追踪算法.首先,通过帧间差分法检测是否有目标运动;其次,在目标运动范围内用SUSAN算子检测目标的角点;最后以这些角点为基准点进行目标轮廓的初始化,进而用改进的SNAKE模型进行目标的准确拟和.由于帧间的时间间隔较短、目标运动的距离较小,所以在上一帧检测到的角点周围检测当前帧目标的角点,这样不仅加快了检测的速度,并且增加了追踪的准确性.通过试验验证了本算法的有效性.     

基于SUSAN算子的红外目标检测

SUSAN算子是一种基于图像局部灰度特征的算法,利用一个圆形的模板对图像进行扫描,比较模板内部的点与模板中心点的灰度值,如果灰度差值小于一定的阈值,就认为该点与中心点的灰度相同。统计模板内部与中心点灰度相同的点的个数,与一个阈值进行比较,判断该点是否属于某个区域的边缘点,从而实现对红外目标的检测。与传统的全局阈值相比,该算法抗干扰能力较强,实时性较好,能够快速、可靠地检测出红外目标。     

一种改进的SUSAN角点提取算法

提出了一种以SUSAN角点提取算法为基础的改进算法.新算法考虑了USAN区域内同类像素分布的状况,通过设定区域阀值对其进行逐级判定,从而快速有效的提取出角点的位置、方向和角度大小等有用信息.实验结果表明,本算法在有效提取出角点信息的同时也加强了SUSAN算法的抗噪性能.     

基于Agent的空中目标威胁度评估模型

首先设计了基于Agent的空中目标威胁度评估模型,接着依次从因素考虑、因素知识库构建、因素知识库学习和空中目标威胁度综合评估四个方面研究了空中目标威胁度评估模型的构建步骤,最后给出了算例分析。分析结果表明,利用Agent方法构建空中目标威胁度可有效实现模型的智能化和通用化,提高了空中目标威胁度评估的正确性和适应性等。     

基于序列图像的空中目标跟踪方法

文中提出一种有效的运动跟踪检测算法对空中运动目标进行快速、准确的检测和跟踪,首先利用对称图像差分梯度法进行运动目标检测,该方法能很好地检测出移动背景中低信噪比的运动目标;然后通过改进的活动轮廓模型在视频图像序列中进行跟踪,实验结果表明,使用该方法可以得到有效的目标轮廓,从而获得准确跟踪效果.     

实时图像序列的空中微小目标检测和跟踪

实时图像序列空中微小目标的检测和跟踪,采用基于对比度跟踪算法.其目标检测通过确定跟踪区域、分割目标等步骤先减少噪声影响,使图像对比度增强,把目标从背景中突显出来.同时,采用相应的目标识别及跟踪、记忆跟踪等方法,计算图像的目标预计位置,并附之以形状匹配.试验证明,该算法满足微小目标跟踪要求.     

基于JSBSim的通用空中目标机动仿真模型设计及实现

为解决空空导弹试验鉴定数字仿真中目标模型机动样式少、可扩展性差的问题,本文开展了六自由度空中目标机动仿真模型的设计和实现.设计了不同目标机动方式下的法向过载、切向过载、滚转角过载控制律模型;设计了从三个通道过载解算飞机升降舵、副翼及油门杆操纵指令之间关系的控制模型;基于开源、开放的飞行动力学模型框架JSBSim开展目标...     

基于空中目标识别的特征提取与选择

为从冗杂的海量信息中提取出有效的特征数据和信息,对空中目标识别的目标特征进行研究。介绍目标跟踪识别系统,从搜索雷达的目标回波信号特征、目标光谱成像特征、目标姿态与运动特征、目标特征选择与融合等方面进行目标识别特征提取,生成图像与特征数据库,并对选取的目标特征进行多特征融合的识别精度验证。结果表明:提取与选择的目标特征在识别中取得较满意效果,能证明选取的空中目标特征在目标识别算法中的可靠性。     

基于图像拼接技术的动态目标重建

在直瞄式制导武器作战过程中,由于导弹光标大面积遮挡目标,导致目标图像失真,影响到目标跟踪的可靠性和准确性。文中首先采用阈值分割法分离出导弹光标与目标,利用角点检测法获取目标特征并实施跟踪,再依据角点匹配法确定相邻两场角点的对应关系,最后采用了仿射变换对填充区域的像素位置实行必要的坐标变换,最终将导弹光标遮挡的动态目标进行恢复重建。仿真结果表明:该方法可以有效、实时地恢复目标图像,提高对动态目标的跟踪能力。     

鱼雷和伞的空中运动模型

对于稳定运动阶段的雷伞系统，采用凯因动力学方法，建立雷伞一体的运动模拟型，通过消去鱼雷和伞之间的相互作用力和力矩，为计算带来了方便，为空投鱼雷的弹道计算提供了新的方法。     

基于梯度向量流模型的图像分割方法

针对传统Snake模型存在目标边界捕捉范围小,且不能有效检测到目标对象深度凹陷部位等问题,提出应用GVF Snake模型改进传统Snake模型的外部力,以增大Snake曲线的捕捉范围,使曲线能收敛在全局能量最小点,并提高检测深度凹陷部位的性能.理论计算和仿真分析表明: 利用GVF Snake模型对飞机和坦克等军事目标图像进行分割,具有目标边界捕捉范围广、收敛性好的特点.     

基于数学形态学的snake模型图像分割

基于数学形态学的snake模型图像分割算法,先用数学形态学得到形态学图像的梯度,再对其进行二值化处理得到snake算法的初始轮廓,然后用Greedy algorithm进行图像分割.试验证明该方法可提高图像分割的运行效率,又可取得较好的图像分割质量.     

基于改进型脉冲耦合神经网络的图像分割方法

脉冲耦合神经网络（Pulse Coupled Neural Network，PCNN）具有良好的脉冲传播特性，在图像分割中得到了广泛应用。针对其需要人机交互通过实验确定其相关参数，实时性差等问题，改进了标准的PCNN模型，提出了一种基于改进型脉冲耦合神经网络的图像分割方法。仿真结果表明，该方法实时性好、自适应性强，分割出的目标轮廓清楚．细节更多。     

基于优化遗传算法的模糊聚类图像分割算法

根据个体适应度大小和变化快慢来自适应改变遗传算法中的计算参数,并引入基于直方图二阶导数的约束条件．对遗传算法进行了两方面的优化,不仅可增加计算的自适应程度以增大计算结果的准确性,而且可缩小搜索空间,提高运算速度,从而形成一种基于优化遗传算法的模糊C均值聚类图像分割算法。实验结果证明,文中算法不仅减小了最小均方误差,改善了分割效果,而且大大缩短了计算时间,提高了运算效率。     

基于特征点和区域生长的目标图像分割方法

成像探测的运动目标图像中背景复杂并且含有大量的噪声,针对传统的目标的检测和分割方法精确定位困难、且不能完整分割等问题,提出基于特征点和区域生长的运动目标图像分割方法。通过相邻帧图像的绝对值差分图像得到大概的运动区域,利用基于LK光流的角点检测方法提取差值图像中的特征点,采用非最大值抑制对特征点的优劣性进行评估,对好的特征点进行区域生长,最终达到运动目标的分割目的。仿真结果表明:该方法能够对复杂图像序列中的运动目标进行精确定位,得到较好的目标分割结果,并且计算量小,具有较高的鲁棒性。     

基于 BRDF 模型的空中目标激光散射特性分析

获取目标的激光散射特性信息是进行激光主动探测的重要步骤,从外形特征、表面材料等方面进行了空中目标特性分析,研究了目标光散射模型以及单站激光雷达双向反射分布函数模型,通过三维建模软件建立了空中目标模型,仿真了4种空中目标的双向反射分布函数分布情况,给出相应分析,所得结果是进行激光主动探测回波波形的获取及后续目标探测与识别的基础。     

基于改进滤波器和图像加权局部熵的红外小目标图像处理

针对传统背景抑制方法虚警率高、检测率低的问题,提出一种基于改进滤波器和图像加权局部熵的红外 小目标图像处理方法。通过改进中值滤波对原始红外图像进行预处理,分别构建多尺度灰度差异算子、局部图像熵 算子,并将二者进行点积运算得到加权局部熵,从而能够有效地抑制背景并消除噪声。实验结果表明：该方法适应 性较好,运算效率相对传统中值滤波算法提升了20.6%,有一定的理论与工程应用价值。