分布异质传感器下的神经网络集成目标识别法

针对分布式信息融合结构、异质传感器条件下的目标识别问题,在以往采用单个神经网络进行目标识别的基础上,提出了基于神经网络集成的目标识别方法.给出了生成神经网络集成的具体方法,并构造了一个实际的空中目标识别系统.仿真结果表明,系统的目标识别性能明显优于单个神经网络的目标识别性能,具有较高的应用价值.     

基于目标识别的D-S数据融合

目标识别是雷达信号处理的重要组成部分．详细地阐明了D—S证据理论的决策方法，重点研究了D—S证据理论应用于目标识别的方法．通过实例分析，指出了将D—S证据理论应用于目标识别具有实际应用前景。     

基于红外图像与可见光图像特征融合的目标检测算法

对可见光与红外图像融合目标检测问题进行了研究,提出了一种针对目标检测任务的特征融合算法。采用端到端的神经网络方案,将可见光与红外图像同时输入神经网络,分别进行特征提取,后对提取的特征进行融合,再对融合的特征进行目标检测,最后输出检测结果。与一般先融合出一张图片再检测的方法比较,特征融合算法可以保留原始图像的特征,并根据目标检测的结果对特征进行挑选及融合,避免先融合图像造成的信息损失。红外图像能够弥补可见光图像的不足,适应不同光照强度及天气情况。针对目标检测的特征融合方法有效利用了纹理信息及热辐射信息,检测效果优于单独利用可见光或红外图像的方法。     

基于伪彩色编码和图像融合的伪装目标识别方法

结合基于IHS空间的伪彩色编码技术和图像融合技术,提出一种可用于快速识别伪装目标的方法。对某一场景的红外热像进行基于IHS空间的伪彩色编码,分别得到明度、色调和饱和度分量;再将同一场景的可见光图像与红外图像作基于区域能量的小波图像融合,得到新的明度值;通过IHS-RGB转换,得到一幅结果图像。通过仿真实验可知：通过结果图像,不仅可以快速识别伪装的目标,而且可判断出目标的位置。     

数据融合技术在末敏弹目标识别中的应用

末敏弹探测结果直接影响到其毁伤装甲目标的能力，为了提高末敏弹对目标的识别能力，提高命中概率，该文采用基于模糊数学和D—S证据理论的多传感器数据融合技术，对毫米波／红外复合敏感体制末敏弹的目标识别问题进行了分析研究，有效地提高了末敏弹对目标的识别能力。     

图像制导动态视景目标识别概率研究

分析了动态图像跟踪识别系统工作原理,研究了远程图像制导导弹目标识别能力,依据FLIR模型和LAND模型分别计算了电视图像和热图像目标识别概率,考察了各种环境因素等对识别概率的影响。计算的结果符合实际,表明目标识别能力评估模型计算正确,为远程图像制导导弹目标识别指标论证和评估提供参考。     

目标识别能力测试仿真图像的生成

目前采用实际拍摄图像测试经纬仪目标识别能力时,存在着外界环境难以掌握、标准难以统一的问题.根据经纬仪测量图像目标识别的原理,提出了一种基于目标图像缺损和遮挡的仿真图像建立方法.本方法通过多个目标图像的叠加,模仿了目标图像在经纬仪跟踪过程中的各种变化.利用此仿真图像可实现目标识别算法的测试,客观地反映目标识别算法对经纬仪测量图像成像质量的适应能力.     

基于模糊神经网络的目标识别研究

文中将模糊规则与神经网络相结合,提出一种新的基于模糊神经网络目标识别方法,实验证明这种网络结构巧妙地将模糊集理论和神经网络结合起来,充分利用了两者各自的优势,最终达到了对目标识别的效果.     

可信度估计在目标识别融合系统中的应用

在基于证据理论的目标识别融合系统中，可信度的确定在数据融合过程中是非常困难和关键的地方。文章首先在时域融合的基础上，进行了本机对目标的可信度融合。其次根据影响信息不确定性的因素，采用白适应神经模糊推理实现环境可信度估计；并利用这两次融合过程实现以证据理论为基础的多传感器对目标准确识别。     

基于深度学习的光电系统智能目标识别

智能目标识别技术是光电系统多维立体侦察体系的重要支撑,是实现多角度、全方位目标定位、感知分析的基础。为满足复杂环境下光电系统中基于深度学习的目标识别需求,聚焦数据、算法和计算能力三大挑战,提出一种基于多源信息融合的智能化目标识别方法,对多个传感器融合得到的图像进行学习和训练,从而提高目标识别的能力。基于多维图像融合的目标识别技术,将多波段融合图像数据进行标注、训练学习,用来自动识别出图像中的多个目标。实验结果表明,所提算法能够实现对融合目标的精确识别与定位。     

基于Bayes 推理的导弹作战目标识别

为降低导弹作战目标信息识别错误率,应用Bayes推理对导弹作战目标进行识别。通过各传感器对来袭目标进行观测、分类和说明,并根据Bayes推理进行分析,推算出目标融合概率。实验结果表明：该方法能达到较高的目标识别率,可以提高系统的决策能力。     

基于时空信息融合的复合引信目标识别方法

针对传统导弹引信不能有效识别目标的问题,提出了基于时空信息融合的复合引信目标识别方法。该方法利用BP(Back Propagation)神经网络获取基本概率赋值,根据时空信息融合算法进行证据组合,最后通过Dempster决策规则得到复合引信目标识别结果。实践表明,利用该方法进行复合引信多传感器信息融合,能够提高引信对空中目标的识别率。     

基于D-S证据理论的红外小目标识别方法

提出了一种基于D-S证据理论的红外小目标融合识别方法。该方法首先对中红外和远红外成像小目标进行目标特征的提取,然后根据提取的特征利用模糊C均值聚类的方法进行基本概率分配,最后利用改进的D-S组合公式进行融合识别。融合识别试验表明该方法能在传感器工作不正常的情况下仍然可以根据对两个传感器输出的结果进行融合对目标进行有效的识别。     

基于加权特征融合的 SAR 图像目标分类方法

针对现有分类器对 SAR 图像分类正确率不高的问题,考虑到单一的特征很难完全描述 SAR 目标,并且单一的分类器识别率有限,提出了一种基于加权特征融合的图像分类方法,采用多种特征来描述目标,并且用多个分类器同时对目标识别。实验结果显示,提出的方法能够达到较高的分类正确率,证明了该方法的有效性。     

自动目标识别技术在导弹上的应用研究

概述了国外自动目标识别(ATR)技术的发展和应用情况.以例举的形式介绍了目前红外成像ATR技术和激光雷达ATR系统的典型导弹应用情况.详细分析了ATR算法中的模板匹配技术.最后针对我国导弹武器系统应用ATR技术的未来发展提出了相应的对策和建议.     

基于模糊神经网络的坦克目标识别

坦克是陆地战场上的主战武器之一,坦克目标识别是反装甲技术的基本前提,本文基于新型磁探测器对坦克目标磁场信号进行测量,结合运用模糊神经网络技术,对坦克目标进行模型化识别,并采用MATLAB的ANFIS工具箱进行测试与仿真,实现了对坦克和军用卡车的类别和运动方向的正确识别。     

一种基于差帧图像融合的弱小目标增强方法

为了能够在小目标检测时更加容易和准确的检测出弱小目标,提出了一种基于差帧图像融合的弱小目标增强算法,该方法首先对视频相邻帧进行差帧处理,然后对差帧结果进行图像融合,最后把融合结果与原视频帧图像的低频分量进行差分运算获得增强图像.实验结果表明该方法的正确性,实现了对弱小目标的有效增强.     

基于证据理论的多传感器信息融合目标识别方法

从D-S证据理论的基本概念和证据的融合推理方法出发，建立了多目标特征信息融合识别框架。并提出一种符合目标识别特点的基本可信度分配构造方法。该方法把识别对象看作一个信息系统，运行过程中不断产生各种信息，并将信息加工成目标特征。通过特定的识别决策规则，得出识别结论。给出了一个多目标信息进行识别的实例，结果表明该方法能够有效地提高目标识别可信度，减小识别的不确定性。     

D-S证据理论信息融合方法在目标识别中的应用

研究了D-S证据理论在多属性、多传感器模式识别中的应用。在基于D-S推理的信息融合中．其关键问题是基本概率赋值函数的构造。文中基于灰关联分析的思想提出了一种新的基本概率赋值函数的构造方法，并将它应用于辐射源型号识别，仿真实验结果验证了这一方法的正确性和有效性。