利用位置和运动信息的目标识别

研究了利用舰载3D雷达获得的目标位置和运动信息的目标识别问题.目标识别过程分为3级,前2级是类间识别,第3级是类型识别.首先,基于目标距离和高度进行粗分类;然后,基于目标速度、加速度、仰角变化率和方位变化率,并使用模糊综合评判的方法进行精细分类;最后,基于目标高度进行类型识别.仿真结果表明,所提算法的识别效果较好,且便于工程实现.     

美国导弹防御系统地基雷达目标测量与识别

地基雷达的探测与识别能力是整个弹道导弹防御系统识别能力的重要支撑.其主要是以多普勒频移成像和距离高分辨率能力实现对真假目标的识别,目标识别的方法包括基于RCS的识别方法、基于一维像的识别方法和基于二维像的识别方法,其中带宽外推目标识别技术使得宽带雷达成像技术取得了重大进展.在对地基雷达功能与实现过程、目标识别方法进行分析的基础上,从角位置测量、距离测量,径向速度测量三个方面对地基雷达探测与识别能力进行了分析.     

基于相似度的雷达目标识别灰关联分析算法

针对参数重叠的雷达目标识别算法准确率较低、对复杂体制雷达目标识别效果较差的问题,提出了基于相似度的灰关联分析算法,实现对复杂体制雷达目标的融合识别.该算法首先提取各参数间的相似度矩阵,然后运用灰关联分析得出相应的灰关联系数,同时根据各参数匹配程度确定其权重值,与灰关联系数组合获得待识别信号与库信号的灰关联度,根据灰关联度完成目标识别.仿真实验结果表明,该算法能很好地降低参数重叠给识别带来的影响,提高识别正确率,快速实现复杂体制雷达目标的识别.     

基于D-S证据理论的近岸舰船目标识别

在深入分析和提取近岸舰船目标红外特性和微波特性的基础之上,提出一种基于D-S证据理论的红外图像和微波特性融合方法来实现近岸舰船目标的识别.一方面,对红外图像进行小波去噪、边缘提取、海天线识别与对消等红外预处理和特征提取后,可以得到若干个待选目标;另一方面,对目标回波进行衰减、低噪声放大、滤波和线性放大等处理后,可以得到信号幅度大于一定阈值若干个待选目标.最后,通过对红外和微波得到的待选目标运用D-s证据理论的融合规则进行数据融合,得到最终识别结果.算法易于硬件实现.实验表明,该方法能达到较好的识别效果.     

光学相关识别中基于傅里叶分析的特征提取算法研究

光学相关识别中基于傅里叶分析方法实现了同一类相似目标的共同特征提取.计算机模拟和实验结果表明用提取特征编码的匹配滤波器能同时实现对两目标的识别.     

一种基于广义似然比检测的雷达目标识别新方法

为了实现发射周期内目标的实时识别,首先建立了E脉冲激励下目标回波的二元假设检验模型,在此基础上导出了识别目标的广义似然比检测量,并从理论上给出了计算目标识别概率的解析表达式.基于数值计算的三种细导线目标散射场数据的仿真实验以及理论计算结果表明,本文提出的基于广义似然比检测目标识别新方法的实验目标识别性能与其理论计算值是一致的,且其目标识别性能优于直接发射E脉冲目标识别方法.     

信息战条件下敌我识别技术研究

敌我识别是高技术条件下现代战场中自动目标识别技术的重要应用之一.高科技条件下现代战场中的敌我目标识别问题,一直是国际雷达领域和信息处理技术的主攻方向.系统地介绍了敌我识别系统的工作原理,分析了敌我识别系统的工作模式,给出了基于贝叶斯原理的目标综合识别方法,并将贝叶斯目标属性识别算法应用于敌我目标综合识别系统中,实现了信息战条件下对敌我目标的属性判别.     

一种基于不变矩和BP网络的目标识别方法

为了有效地提高旋转、尺度变化目标的识别率,首先提取目标图像的不变矩,以此作为目标识别的特征向量,然后利用将附加动量项与自适应学习速率相结合的改进BP算法实现对目标的分类识别.字符图像仿真实验表明,这种针对旋转、尺度变化目标的识别方法是有效的,可行的.     

目标综合识别系统研究

介绍并分析了目标综合识别系统,它利用军用和民用、侦察与识别等不同体制的协同、非协同侦察、识别系统,综合利用各类信息,形成超强的互补和印证能力,实现对战场目标的综合识别.     

动态背景下运动车辆的检测与跟踪研究

为实现对车载设备视频图像中车辆的识别和跟踪,针对图像中的运动目标和动态背景,提出了一种基于特征学习的目标检测和超像素跟踪算法.该算法首先对训练图像进行HOG特征提取,并利用AdaBoost算法得到强分类器.利用强分类器对采集的图像进行车辆检测,从而确定搜索区域.结合对搜索区域的超像素分割结果,采用均值漂移聚类算法实现车辆识别与跟踪.实验结果表明,该算法可以很好地实现视频序列中的车辆识别,提高了目标跟踪的实时性.     

支持向量机在红外成像自动目标识别中的应用

针对实战中红外成像制导导弹面临的自动目标识别问题,引入支持向量机作为分类器,提出了一种利用二维图像识别三维目标的自动目标识别方法.仿真实验结果表明:该方法能够成功地识别三维空间中任意角度的目标,很好地解决了许多二维识别算法难以解决的三维目标识别问题.并且,该方法比传统识别方法拥有更高的识别率.     

基于非负矩阵分解的SAR图像目标识别

 特征提取是合成孔径雷达自动目标识别的关键技术,同时也是难点问题之一。本文提出了一种基于非负矩阵分解算法与Fisher线性判别方法的合成孔径雷达图像目标识别的方法,通过基于基向量非负加权组合的形式构建SAR目标图像,能充分利用目标的局部空间结构信息提取目标特征信息实现目标识别。首先将水平集分割预处理后的SAR目标图像样本构成初始矩阵,然后利用非负矩阵分解后得到的权向量作为目标图像的特征向量,再通过依据Fisher线性判别构成的分类器,实现对MSTAR数据中3类目标的识别,并与目前已有的几种典型方案进行对比。试验结果表明该方法是可行且有效的,并能够明显提高对目标识别的稳定性和正确率。     

基于ganna分布模型的SAR图像目标识别方法研究

合成孔径雷达目标识别是目前世界上模式识别领域的重点研究课题之一,大体可分为两个部分的识别过程,即对目标姿态角的识别和对目标类型的识别。本文首先介绍了对SAR图像的增强算法,然后通过对基于模板与基于模型的识别方法的比较,将基于Radon变换的目标姿态角识别方法与基于gamma模型的SAR目标类型识别算法相结合,从而提出一种SAR目标识别的综合方法。利用MSTAR数据库数据进行仿真试验,取得了良好的效果。     

基于几何特性的目标识别

目标自动识别技术是模式识别与图像处理领域非常活跃的研究课题,其应用领域十分广泛。介绍了基于遥感图像的特定目标的自动识别技术,并分别以桥梁和油库为例,介绍了线状目标和面状目标的自动识别方法及其在工程中的实际应用。结果表明:该目标自动识别方法具有识别速度快和识别准确率高等优点,且整个过程完全自动,不需人工干预。     

基于KPCA和稀疏表示的SAR目标识别方法

提出了一种基于KPCA（Kernel Principal Component Analysis）和稀疏表示的合成孔径雷达（Synthetic Aperture Rader,SAR）目标识别方法。该方法首先利用KPCA方法提取样本特征,然后在特征空间内构造稀疏表示模型,通过梯度投影法（Gradient Projection for Sparse Reconstruction,GPSR）求得测试样本的稀疏系数,最后根据稀疏系数的能量特征实现分类识别。利用美国运动和静止目标获取与识别（Moving and Stationary Target Acquisition and Recognition ,MSTAR）实测SAR数据进行实验,实验结果表明该方法在方位角未知的情况下平均识别率达到96.78%,能够明显的提高目标的识别结果,是一种有效的SAR目标识别方法。      

一种合成孔径雷达图像特征提取与目标识别的新方法

该文提出了一种利用小波域主成分分析和支持向量机进行的合成孔径雷达图像特征提取与目标识别的新方法。该方法对图像小波分解后提取低频子带图像的主成分分量作为目标的特征,利用支持向量机进行分类完成目标识别。实验结果表明,该方法可以明显提高目标的正确识别率,是一种有效的合成孔径雷达图像特征提取和目标识别方法。     

基于小波域NMF特征提取的SAR图像目标识别方法

该文提出了一种基于小波域非负矩阵分解特征提取的合成孔径雷达图像目标识别方法。该方法对图像二维离散小波分解后提取低频子带图像,用非负矩阵分解对低频子带图像提取特征向量作为目标的特征,利用支持向量机进行分类完成目标识别。将该方法用于对MSTAR数据中三类目标识别,识别率最高可达97.51%,明显提高了目标的正确识别率。实验结果表明,该方法是一种有效的合成孔径雷达图像特征提取与目标识别方法。     

扩展稀疏表示稳健HRRP目标特征提取方法

为提高低信噪比下高分辨一维距离像目标识别性能，提出扩展稀疏表示的噪声稳健目标特征提取方法。本方法通过对稀疏表示的扩展，实现对目标高分辨一维距离像局部特征与全局特征的提取。其中，在训练阶段利用支持向量理论与字典学习原理，对特征提取字典进行优化提高特征向量的可分性。在测试阶段，利用因子分析模型匹配方法对去噪声字典进行优化，从而实现对噪声的有效抑制，保证了目标识别系统的噪声稳健性。利用实测数据对本方法性能进行测试，结果表明本方法可在低信噪比条件下有效地恢复目标高分辨一维距离像，并实现较高的识别正确率。     

基于多波段特征融合模板匹配的目标识别方法

为了满足天基系统对红外探测目标的高精度识别需求,提出了一种基于多波段特征融合模板匹配的目标识别方法。首先阐述分析了目标多维特征要素以及分类手段。结合目标运动特征、多波段下目标光谱特征以及红外辐射变化等特征实现了特征融合处理,并基于区域特征变化,采用动态规整模板匹配算法完成了目标识别。最后结合合作目标的红外辐射强度序列数据对参数进行了训练调整。分析结果表明,本文建立的识别方法能够较好地实现目标型号识别,性能优于传统的动态规整匹配算法。     

向量相似度在雷达目标识别中的应用

在给出向量相似度的定义的基础上提出了一种新的雷达目标特征融合方法--向量相似度法.并给出了模板的概念,通过计算目标的各个特征向量与其特征模板的向量相似度,进而计算出了目标与其模板的综合可信度,最后由综合可信度得出识别结果.此识别方法充分利用了雷达目标各个特征的多次测量信息,能够有效地提高雷达目标的识别率,特别是在目标信息极为有限的情况下此方法优势更为明显,对空中目标识别具有重要意义.