基于多维极化特征空间的雷达目标识别

在宽带极化雷达体制背景下，研究了目标的变极化效应，并采用参数作了具体表征，结合多视角观测这一现实，构造了目标的多维极化特征空间，并在此基础上对五种飞机目标进行了识别实验研究，取得了良好的目标分类或识别效果。     

基于结构特征的空间目标识别算法

提出了基于结构特征的空间目标识别算法。卫星结构的对称性使得卫星的一维距离像具有对称性，碎片结构的不对称性使得碎片的一维距离像不具有对称性，文中首先应用RELAX算法提取出目标的强散射中心的位置和幅度，然后根据模式匹配和对称性测度两种方法来检测强散射中心是否具有对称性，进而对卫星和碎片进行识别。经过计算机仿真实验，该算法取得了比较好的识别效果。     

基于多特征空间的三维目标离面旋转识别

基于识别目标真假和空间位置的需要,将180幅训练图像分成了4个训练集,分别计算每个训练集的特征向量,分析结果表明每个训练集可以用3个特征向量来表示,这样用12个特征向量就可以建立目标的4个特征空间,使目标分解与重构过程大大简化。利用待识别目标向量与重构向量之间的关系,不仅可以判别目标的真假,还可以确定目标所在的空间位置。模拟结果表明,提出的目标多特征空间的建立方法和目标识别准则是有效的,能够实现离面旋转条件下三维目标真假和空间位置的识别。     

基于子空间的3D目标识别和姿态估计方法

提出一种基于子空间的3D目标识别方法。该方法对3D目标进行事先的训练学习,采集目标可能出现时的图像,提取场景中目标的主要特征成分,建立所有目标样本图像和每个目标样本图像对应的两类特征子空间,分别用来确定目标类型和姿态。当输入一幅未知的待识别目标样像,识别系统将其分别向两类特征空间投影,根据它在两类特征子空间中的投影位置并参照目标特征的分布规律识别目标类型和姿态。实验证明,该方法具备对目标多种姿态图像畸变的鲁棒性,对光照变化也有很好的抑制作用,取得良好的目标识别效果。     

基于目标红外特征与SIFT特征相结合的目标识别算法

为了解决传统的 SIFT 算法存在检测时间长,识别率低等问题,提出了一种基于目标红外特征与SIFT特征相结合的红外图像识别算法,该算法首先通过5个能反映红外目标初步信息且易实现的红外特征量进行初步识别,然后采用SIFT算法进行精确识别.通过三种飞机的红外图实验可以看出,将红外特征量与SIFT特征检测识别方法相结合,识别时间缩短0.06 s,识别率有较大提高,达到98%以上.     

基于PSO-TDNN的空间目标识别

针对空间目标的RCS特征识别的问题,提出了基于粒子群算法(PSO)训练的时延神经网络(TDNN)识别方法.首先研究了时延神经网络的结构模型和梯度下降训练法,由于梯度下降训练法存在收敛速度缓慢、容易陷入局部极小值等缺点,提出了基于粒子群算法的训练方法,将时延神经网络的训练过程转化为群体随机优化问题.最后,提取两类空间目标的RCS实测数据小波特征,利用各类神经网络进行识别比较发现:基于粒子群算法的时延神经网络(PSO-TDNN)具有分类能力强,收敛速度快等优点.     

基于PCA-SIFT特征的目标识别算法

针对尺度不变特征变换(SIFT)算法在匹配时特征向量过多,从而导致耗时过长的问题,提出PCA-SIF]算法,对目标进行匹配与识别.首先,利用SIFT算法提取出原图像中稳健的特征点以及特征向量;其次,利用PCA算法对SIFT特征向量的维数进行约减;最后利用降维后的图像与原始图像进行匹配.实验证明,与原始SIFT算法相比,该算法不仅保持了SIFT算法的鲁棒性和稳定性,同时提高了匹配效率,增强了实时性.     

基于距离像序列的空间目标识别算法

提出了基于距离像序列的空间目标识别算法,首先对距离像序列进行小波消噪,然后应用RELAX算法提取出目标强散射中心的位置和幅度,根据高于幅度门限的强散射中心的位置来确定目标径向长度,最后根据目标径向长度序列的均值和标准差对三轴稳定卫星、自旋稳定卫星和碎片进行分类识别。计算机仿真结果表明,该算法取得了比较好的识别效果。     

基于运动特征的分层模糊目标识别

提出了一种基于目标运动特征的空中目标实时分层模糊识别方法.对直升机、固定翼飞机、空地弹及巡航弹等空中目标的运动特性进行了分析,提取目标的高度、速度、加速度、高度变化率和加速度变化率等特征.进行分层目标识别,首先根据加速度、高度变化率和加速度变化率等特征识别出空地弹目标,然后根据高度、速度和加速度特征对目标类别的隶属度和模糊密度,实现直升机、固定翼飞机以及巡航弹目标的实时识别.实验结果表明,该方法计算简单,识别率高.在实际工程应用中取得了良好的效果.     

基于SIFT特征的特定目标识别管控算法

小型存储设备,如U盘、移动硬盘、手机等特定目标在人们日常生活中起着越来越重要的作用,如何对这些特定的目标物体进行管理控制以确保其安全性等问题也受到了越来越多的重视。本文提出了一种基于SIFT(Scale-Invariant Feature Transform)特征的特定目标识别管控算法。通过摄像头监控特定场景区域,判断场景中是否存在对特定目标进行管理的人员,并在监控视频区域环境下,使用SIFT与需要匹配的目标进行匹配,达到对关键目标物体识别管控的目的。大量实验仿真结果证明了本算法的有效性。     

基于自旋图的三维自动目标识别

将三维表面匹配领域的自旋图(spin-images)方法运用于扫描激光雷达自动目标识别中,基于自旋图特征,提出了平均最大相似性度量、候选对应关系数目、几何一致性筛选后对应关系数目、分组筛选后最大组的对应关系数目这4个识别指标,并将其组合构成组合识别准则,从而进行三维目标识别。同时针对实际应用需求,进一步研究了点云空间分辨率、激光雷达测距误差以及遮挡对目标识别率的影响,为激光雷达三维目标识别系统的设计提供了参考。     

基于二维非参数特征分析的SAR图像目标识别

在分析传统Fisher线性鉴别分析局限性的基础上,由图像的行信息和列信息提出了两种形式的二维非参数特征分析(2DNFA)的特征提取方法,并应用于SAR图像目标的识别。直接在SAR图像矩阵上使用非参数特征分析提取特征不仅能充分发挥非参数特征分析的性能而且保留了图像矩阵的结构信息,大大降低了散度矩阵的维数,减小了运算量。使用美国MSTAR计划录取的数据对算法进行了仿真验证,实验结果显示两种形式的二维非参数特征分析在较低特征维数下的识别率均可以达到98%以上,表明所提方法的有效性和正确性。     

基于Zernike矩的三维目标多视点特性视图建模

目标的模型化是三维目标识别的一个重要环节。由于从多视点特征法建立的模型能够避免从二维图像中恢复目标的三维结构．在三维目标识别中应用比较广泛。使用镶嵌式多面体分割视觉空间以得到三维目标的多视点投影图像,采用较小的镶嵌单元尺寸以完备地描述目标各种姿态的信息。Zernike矩具有旋转不变性,并能够方便地由各阶矩重建图像。计算多面体各个单元的投影图像的Zernike矩．所需的矩的最高阶次由重建图像与原图像的差别确定,通过聚类方式合并那些图像的矩变化很小的投影对应的几个小单元．每个新单元可以提取一幅特性视图．实现较小数目的多视点特性视图的建模。实验证明了这种方法的可行性。     

基于双谱特征的超宽带雷达人体目标识别

为了在人体微多普勒特征不明显条件下识别静态人体目标及人体姿态,提出了一种结合双谱对角线起伏特性与目标强散射点分布特征进行人体目标识别的方法。首先,通过分析静态人体目标双谱,提取双谱对角线起伏特性作为分类特征,降低了双谱数据的维数,减少了双谱特征冗余。然后,结合目标强散射点分布特征从不同角度描述目标,并构造用于目标识别的特征向量。最后,用支持向量机实现目标识别。仿真和实测结果均表明,双谱对角线起伏特性与目标强散射点分布特征融合的方法可以有效识别出静态人体目标并且实现人体姿态识别。     

基于多特征融合的弱小运动目标识别

利用单个特征识别强噪声中的弱小运动目标,常因所提取的目标特征与噪声特征易混淆而导致高的虚警率.提出一种新的基于多特征融合的弱小运动目标识别方法.分析了弱小运动目标的连续相关性、面积及质心位置偏移这三个特征的可靠性及提取方法,对获取的特征值进行归一化后采用多特征融合的方法构造更具有鲁棒性的联合特征,确定了以具有最大多特征融合值为真实目标的决策方法.通过与采用单一特征的目标识别方法进行比较,证明了提出的多特征融合方法能更准确地识别弱小运动目标.     

Infrared small target detection algorithm based on feature salience

It is an important and challenging problem to detect small targets in cluttered scenes with low signal noise ratio (SNR) in infrared (IR) images. In order to solve this problem, a method based on feature salience is proposed for automatic target detection against a complex background. First, in this article, the system utilises the average absolute difference maximum (AADM) as the dissimilarity measurement between targets and the background region to enhance targets. Second, the minimum probability of error has been used to build the model of feature salience. Finally, by calculating the probability of features, this method solves the problem of multi-feather fusion. Experimental results show that the algorithm proposed has better performance with respect to probability of detection. It is an effective IR small target detection algorithm against complex backgrounds.     

一种新的红外机动目标识别算法

为了改善因红外图像中目标轮廓模糊造成的识别率低,提出一种适用于红外机动目标的识别算法。通过自适应步长的细菌觅食算法对BP神经网络进行优化,利用图像中目标的最左点和最右点及两极点上部的目标边缘信息构造以局部面积比组成的特征向量,通过神经网络对目标分类识别。实验结果表明本文提出的识别算法不仅提高了BP神经网络的收敛速度和计算精度,同时有效地提高了对机动目标的识别率,当目标部分区域被遮挡时也有很好的识别效果。     

基于频域特征提取的红外小目标跟踪算法

针对红外小目标的目标特性,像素少,强度弱,特征提取困难的问题,本文分析了两种常用的特征提取算法,提出了一种在频域范围内进行红外小目标特征提取的改进粒子滤波算法。分析了在背景中加入目标点后频域的变化,指出了从频域进行目标提取的可行性。实际的仿真结果表明,使用频域的特征提取能够比较好地描述目标,区分目标和背景,具有很好的跟踪性能。     

双辨别子空间高分辨距离像雷达目标识别

针对飞机目标的分类问题,提出了一种双辨别子空间高分辨距离像雷达目标识别方法.该方法首先依据Fisher准则导出距离像总散布矩阵的零空间中不含有辨别信息的结论,利用这一结论,对类间和类内散布矩阵进行预降维,降低了后续计算的复杂度.从全局的角度出发,基于类内散布矩阵零空间与非零空间所包含的辨别信息分别建立辨别子空间,实现对目标的特征提取.对ISAR实测飞机数据进行了分类,并与经典子空间方法进行比较,结果表明所提算法有效改善了目标识别性能.     

一种基于boosting特征选择的调制方式识别算法

针对统计调制模式识别方法中特征值提取和分类器设计两个步骤分开研究的现状,将Boosting特征选择和多层前馈神经网络算法结合研究,设计了一种改进算法,给出算法的具体步骤.使用常用特征值进行仿真实验,结果表明这种改进算法在信噪比在0 dB以上达100％的识别率.相比其他的智能分类算法,信噪比在-6 dB以下时改进算法的识别率有明显提高,因此可以较好地适用于认知无线电这种对识别准确率要求高的场景中.同时对其他分类识别的应用场景也有一定的参考价值.