基于Hough变换的测量图像质量评价

针对光电经纬仪图像测量处理的具体要求,依据目标定位精度取决于测量图像目标边缘成像效果的原理,提出了一种新的测量图像质量评价方法。本文利用经纬仪拍摄的方位标图像,基于Hough变换技术进行方位标图像边缘检测,通过计算目标边缘直线的断线率,实现测量图像的质量评价。该方法准确地反映了图像边缘成像效果对目标识别和定位的影响,实现了测量图像质量的客观评价。     

四种地面固定目标识别方法研究

首先简要阐述了模型基视觉法是基于知识的智能化识别目标的方法,然后以桥梁例比较详细地介绍了应用模型基视觉法解决目标识别问题的过程,包括:建立目标图像、确定预理方法、设计识别算法和提高识别算法的鲁棒性等。对四种地面固定目标识别研究的结果表明,型基视觉法是解决地面目标识别问题的有效方法。     

红外测量图像不完整目标恢复方法

针对运动目标序列红外测量图像中，目标时常因被尾烟遮挡，造成目标图像部分缺损，导致目标识别困难的问题。采用HopFiled神经网络自动聚类分割技术，利用已处理的多帧图像进行网络训练，使用训练后的网络对目标缺损区域进行联想记忆，从而恢复目标图像的缺损区域。实验结果表明：此方法对目标图像缺损区域有理想的恢复能力，并对噪声具有一定的抑制能力。     

基于图像融合的弹群对地目标识别仿真研究

针对利用导弹集群进行智能化协同作战的问题,提出一种基于视觉的弹群对地面目标识别的仿真系统。研究主要包括基于RGB图像和红外图像融合的对地目标识别、有限通信范围的分布式弹间通信以及实时可视化弹群节点的感知态势。仿真结果表明：基于图像融合的识别算法能有效提升弹群节点对地面目标的识别效果,具有较好的工程可行性,基于分布式的有限通信范围的弹间通信有助于提升弹群系统整体的鲁棒性和信息传递的稳定性。     

红外图像自动目标识别技术发展

主要介绍了有关红外图像自动目标识别技术发展的现状。红外图像自动目标识别系统的关键技术包括：算法和算法执行的硬件技术。最后指出了红外图像自动目标识别的发展趋势和应用前景。     

基于HMM与K-均值聚类的声目标识别

提出一种隐马尔可夫模型和K-均值聚类混合模型的声目标识别方法.在该方法中,建立声信号的HMM,提取了声信号的线性预测系数（LPC）作为目标识别的参数,用K-均值算法对参数进行聚类,产生了训练和识别所用的特征向量.最后根据混合模型的识别算法判断声目标的类别.仿真结果表明：新的混合模型识别系统在声目标识别中具有可行性.     

红外成像制导末端局部图像识别跟踪研究

针对红外成像制导末端目标图像充满导引头视场影响目标识别跟踪的问题,提出一种红外成像制导末端局部图像识别跟踪的方法。分析了红外成像制导原理;选取了高亮区比例、灰度标准偏差、长宽比、紧凑度和复杂度等5个特征量作为特征提取和目标识别的依据,提出适合导弹的目标快速识别算法;通过计算红外成像制导末端目标图像,在导引头焦平面上的投影面积的变化情况,分析了弹目距离与相对速度对目标图像变化情况的影响,研究了形心跟踪到局部图像跟踪的转换时机。综合考虑了可靠性和实时性要求,选取飞机机头作为局部图形跟踪的跟踪点;搭建红外成像制导仿真场景,对所提出的方法进行仿真分析。仿真结果表明：该方法能够有效地识别图像中的目标,减小红外成像导引头跟踪盲区,实现红外成像制导末端的平稳跟踪。     

高帽变换和toggle算子组合的图像增强优化算法

针对灰度图像对比度较低而难以识别目标区域的问题,对形态学中传统的高帽变换算子和toggle算子进行组合,提出了基于高帽变换和toggle算子组合的图像增强优化算法.该算法利用高帽变换算子增大原始图像灰度值的动态范围,同时利用toggle算子锐化图像,使图像清晰.实验结果表明,该组合算子相对单个算子来说,对灰度图像的对比度增强效果更好,目标识别效果更佳.     

基于Pix2Pix算法的虚拟图像生成与可用性验证

目前基于深度学习的目标检测算法需要大规模的训练数据,然而实地收集数据一般周期较长,且针对某些特定场景(如高原、沙漠等)搜集大量数据较困难,难以满足深度学习算法的训练要求.本文采用了一种基于Pix2Pix算法的图像生成方法,在收集到少量真实图像的基础上,利用Pix2Pix算法产生虚拟图像,并设计试验验证虚拟图像的可用性.试验结果表明,虚拟图像和真实图像具有相似的灰度特征和边缘特征,利用真实图像训练的目标检测模型能够准确识别虚拟图像中的车辆、行人等目标,该虚拟图像生成方法能够生成与真实图像具有相似目标特征和背景特征的图像,是一种有效的数据增强方法.     

红外目标自动识别分类及跟踪算法

提出了一种红外图像预处理、跟踪、分类的自动目标识别算法,利用小波变换提取不同频带的多尺度空间能量和不变矩作为特征量,再用神经网络进行分类识别,结果表明该算法具有很高的识别率,对于精确制导武器的目标识别研究具有一定的参考价值.     

一种对二值图像切割分块的目标识别方法

文中提出了一种在复杂背景下对二值图像进行目标切割分块的识别方法.主要是在标记筛选法的基础上利用目标的外接正矩形,来获取目标的相应特征参数,并依据所获得参数对目标进行切割分块,最后根据对切割分块结果的判断进行目标识别.这种方法具有快速、简单且易于硬件实现的特点.     

目标属性信息相关时融合识别的实现方法

多源信息融合的一个主要应用方向是目标识别,但是各传感器测量到的目标属性值常常是相关的、不独立的,因此对各属性信息的融合比较困难。基于多属性决策模型( MADM)和D-S证据理论提出了加权融合的方法,并给出了权重系数的计算方法和权重灵敏性分析方法,介绍了利用条件概率加权进行目标识别的方法。     

主动导引头二维成像寻的制导技术

针对主动雷达导引头在强杂波背景下的目标检测和识别问题,提出了将多普勒波束锐化(DBS)二维成像和单脉冲前视跟踪进行复合完成全程末制导的寻的制导技术.在末制导初始阶段,在利用DBS所成二维图像进行检测和识别的同时,根据目标的距离和多普勒序列估计弹目相对位置以提供制导信息,实现了成像过程中的寻的制导;在确认打击的目标后,转入单脉冲前视跟踪.典型场景仿真结果表明:二维成像和单脉冲前视跟踪的复合末制导可以在引入DBS实现对目标的有效选择的同时,不额外增加对导弹制导控制系统的要求.     

移动机器人目标识别与定位算法发展综述

通过对移动机器人目标识别与定位算法中传统的目标识别算法、基于深度学习的目标识别算法和基于各类传感器的目标定位算法的特点进行综合分析,得出了2点启示,也是以后有待解决的关键技术:1)减小算法计算量以降低对硬件性能的依耐性;2)将目标识别算法与定位算法相融合以实现实时的目标识别与定位.     

靶场经纬仪布置与目标定位计算

在靶场使用光学经纬仪侧定目标时,为保证数据的可靠性,需要用三台经纬仪交会且要求交会线间有相当大的夹角。射程稍远就需用多组经纬仪测量全程,但有时分段测量又街接不上。这样既加大了靶场的基建投资费用,也增加了经纬仪安装和日常维护的工作量,使数据收集和信号联系变得复杂化。为解决这一问题,本文提出了一种调整计算方法,用这种方法可在方位线夹角较小的情况下加大经纬仪的测视距离,准确地计算出目标的位置。文中介绍了经纬仪的布置方案,给出了目标距离和海拔高度的计算公式、调整量及计算实例。     

一种基于运动目标识别的智能视频监控系统

针对武器试验现场飞行目标降落中事故多发的现状,设计一种基于运动目标识别技术的智能视频监控系统。系统采用采集前端-服务器端-决策模型。利用背景差分法和帧间差分法检测运动目标图像,从而实现视频运动目标的自动分割;采用轮廓提取和边缘检测技术进行目标识别;最后用特征算法提取目标的特征参数,从而判断目标的参数信息是否会对降落安全构成威胁,做出进一步决策。对实现系统功能所需的关键技术进行详细介绍,在Visual C++6.0中用OpenCV实现相关算法的设计,并给出部分关键代码。仿真实验结果表明:该系统能满足智能监控的基本要求,精确显示运动目标在靶面上的位置,可根据客户需求识别运动目标。     

非合作式目标识别技术概述

非合作式目标识别包括雷达、电子支援措施及光传感器的目标识别技术.雷达目标识别含利用跟踪信息、极化信息及通过JEM、距离像和ISAR进行识别.电子支援措施目标识别包括利用基本电波参数、脉冲波形特征和通过对己方电子支援措施电波的接收分析进行识别.光传感器目标识别则是在取得目标的反射特性和辐射特性(光谱)后提取其特征进行识别.     

基于知识的飞机目标灰度图象部位识别方法研究

在分析大量成像引信目标图象的基础上，建立了飞机图象知识库，提出一种由上而下的知识驱动型图象识别算法；建立由粗到细分层推进的识别原则，利用图象关键点和灰度分布特征设立各部位的识别规则。实验证明，算法便捷有效。     

一种复杂环境下的多传感器目标识别系统

对于复杂环境下的多传感器目标识别,其环境因素多变、处理数据量庞大,若采用传统的识别方案,系统的可靠性和抗干扰性不理想。为了解决这些问题,提出了一种用于复杂环境下的神经网络分类器组合结构的多传感器目标识别系统,并通过几种融合方法的仿真实验表明该系统是可行的,能有效地提高系统识别率及鲁棒性。     

弹道导弹目标的距离像特性与特征分析

雷达高分辨距离像包含目标的几何结构特征,已广泛应用于雷达目标识别领域。文章对导弹目标距离像的特性进行了分析,包括距离像的结构特点、姿态敏感性以及距离像识别的关键问题。另外,讨论了导弹目标距离像的特征提取方法。