一种基于结构相似度的杂波尺度

为定量研究光电场景杂波,提出了一种新的杂波尺度．首先建立目标结构特征空间,将背景矢量向之投影,通过衡量投影矢量的归一化长度评价背景与目标的相似度,实现对杂波的定量度量．与以往的杂波度量方法相比,该尺度通过强调空间分布特征,剥离灰度分布影响,有效抑制环境因素变化对杂波评估稳定性的影响,同时通过以目标作为参照物,降低对背景描述的要求,使对不同场景的杂波度量有很好的适应性．实验数据分析表明,该杂波尺度能较好地预测目标与背景在结构上的相似程度以及结构相似度随距离的变化关系．     

A Mo LC+Mo M-based G~0 distribution parameter estimation method with application to synthetic aperture radar target detection

The accuracy of background clutter model is a key factor which determines the performance of a constant false alarm rate(CFAR) target detection method. G0 distribution is one of the optimal statistic models in the synthetic aperture radar(SAR) image background clutter modeling and can accurately model various complex background clutters in the SAR images. But the application of the distribution is greatly limited by its disadvantages that the parameter estimation is complex and the local detection threshold is difficult to be obtained. In order to solve the above-mentioned problems, an synthetic aperture radar CFAR target detection method using the logarithmic cumulant(Mo LC) + method of moment(Mo M)-based G0 distribution clutter model is proposed. In the method, G0 distribution is used for modeling the background clutters, a new Mo LC+Mo M-based parameter estimation method coupled with a fast iterative algorithm is used for estimating the parameters of G0 distribution and an exquisite dichotomy method is used for obtaining the local detection threshold of CFAR detection, which greatly improves the computational efficiency, detection performance and environmental adaptability of CFAR detection. Experimental results show that the proposed SAR CFAR target detection method has good target detection performance in various complex background clutter environments.     

基于视觉注意机制的复杂背景下红外小目标检测

针对视觉注意机制Itti模型对复杂背景下红外小目标检测易受到图像背景杂波影响,检测结果不理想的情况,对传统算法加以改进,在Itti模型中引入背景预测算子。对图像背景进行预测,与原图像进行差减,以达到突出目标区域的目的,消除背景区域对目标显著性的影响。再提取滤除背景后的图像视觉差异,找出图像的显著性区域,实现对红外小目标的检测。将改进后的模型应用于复杂背景下红外小目标检测中,实验结果表明,相对于传统的Itti模型的检测算法,新提出的算法具有更高的检测率。     

多伯努利滤波的快速红外弱小目标检测与跟踪

针对复杂背景下多个弱目标检测与跟踪中存在的跟踪不稳定、非实时及量测模型高度非线性问题,提出一种基于多伯努利滤波的快速检测与跟踪算法.首先,采用改进的Robinson Guard算法抑制背景杂波,避免强起伏背景图像中目标被抑制的问题;其次,采用平方根容积卡尔曼滤波实现多伯努利检测前跟踪,在保证实时跟踪的同时,解决了滤波的高度非线性,避免了协方差矩阵负定造成的数值不稳定.实测红外背景图像实验表明,改进的Robinson Guard算法能够有效抑制背景杂波、保留弱目标信息,平方根容积卡尔曼多伯努利检测前跟踪能更准、更稳定地估计目标数目和状态,实现目标的实时检测与跟踪.     

一种新的红外复杂背景自适应抑制算法

为了解决低信噪比非平稳复杂云层背景下红外弱小目标检测问题,提出了一种新的基于Facet模型的正则化双向扩散滤波算法．该算法采用Facet模型拟合图像曲面,并设计了平均方向导数梯度算子描述拟合图像曲面的多向梯度特征,以准确识别目标和背景的特征差别．结合平均方向导数梯度算子,设计了一种新的正则化双向扩散背景抑制技术．与传统算法相比,这种算法能够依据目标和背景的特征差别自适应地在前向扩散(目标增强)和后向扩散(背景抑制)之间切换,以实现在抑制背景杂波的同时增强目标．理论分析和实验结果表明,这种算法对包含强纹理结构的非平稳复杂云层背景杂波具有良好的抑制作用,并且算法结构简单,运算量小,易于硬件实时实现．     

图像智能化的目标检测技术(Ⅱ)--数据流程与背景感知

着重探讨了线性预测估计和非线性均值滤波两种常用背景估计技术和自适应空间滤波的形态学背景感知方法.形态学背景感知方法从精细刻画图像的结构特征并基于形状细节进行图像分析入手,将使操作过程得以从近似的线、面传统模式中解脱出来,面向更为真实和丰富的自然结构,改善了处理效果.实验测评表明,形态滤波算法对背景的自适应感知能力最强,输出结果能真实贴切地反映图像背景的起伏变化规律,因而具有抑制杂波噪声和增强目标信号的双重功效.     

基于改进随机蕨的移动机器人物体识别算法

物体识别是智能移动机器人的重要功能之一,针对计算机视觉领域移动机器人在约束场景,如低图像分辨率,运动模糊和背景杂乱等相关研究比较少的现状,根据移动机器人捕获图像的特点,对随机蕨算法的参数进行了调整,并对匹配标准进行了改进,取得了较好的识别正确率。该算法实时性较好,适用于移动机器人的物体识别。     

Novel SAR target detection algorithm via multiple features

A detection method for SAR targets based on combining multiple features is proposed. The targets of interest are detected according to the physical properties, which reflect the true characteristics including scattering intensity, size and differences from the clutter. By analyzing these characteristics, the size and boundary changes are determined as effective features. The image background, natural clutter, man-made clutter are eliminated in sequence using the developed detection algorithm, which contains two layers, namely, the initial target detection layer and the potential target identification layer. Effective features ensure that a smaller number of features are used to meet the precision of the target detection, and the discrimination detection method ensure that the probability of false alarm is reduced gradually with the increased complexity of the feature extraction. Comparison with traditional target detectors, such as CFAR, PCA, etc. is performed in detail. Experimental results show the superiorities of the proposal in both accuracy and efficiency.     

预警雷达杂波抑制和微弱运动目标检测算法

针对预警雷达探测弱运动目标的杂波抑制和运算量大的问题,提出利用信号空间分离的抑制杂波算法,利用盲信号处理技术将回波信号分离成雷达弱运动目标信号和强背景杂波信号,有效地抑制了杂波;提出了利用动态规划法探测微弱目标的改进算法,在帧间循环递归中,针对来袭目标确定状态转移区域,并引入各级判决门限,丢弃部分虚警目标轨迹,减少了计算量.仿真结果表明,此方法能降低运算量,抑制杂波,有效地检测微弱运动目标,具有较好的检测性能.     

一种新的SAR图像目标识别预处理方法

针对合成孔径雷达(SAR)目标识别问题,提出了一种有效的SAR图像预处理方法．首先通过自适应阈值分割、形态学滤波及几何聚类处理获得干净平滑的目标图像,再采用幂变换来增强图像质量,然后提取图像的主分量分析(PCA)、二维主分量分析(2DPCA)特征来进行识别．基于美国运动和静止目标获取与识别(MSTAR)计划录取的数据的实验结果表明,结合上述预处理,PCA,2DPCA的识别性能均可达到96.5%以上．     

一种用于TOPS SAR-GMTI的空时自适应处理方法

针对在循序渐近对地扫描合成孔径雷达(TOPS SAR)模式下静止背景杂波的多普勒带宽很大,在有限的脉冲重复频率(PRF)条件下,会导致背景杂波出现严重的多普勒模糊问题,提出了一种基于谱压缩的空时自适应处理方法进行杂波抑制.经过谱压缩操作后,杂波的多普勒带宽减小到与其瞬时带宽相同,再利用空时自适应处理(STAP)方法进行杂波抑制,使得杂波抑制性能得到明显改善.同时,由于动目标径向速度的存在,会导致其多普勒频谱产生偏移,而直接采用匹配滤波方法对动目标进行聚焦,会造成虚假目标的出现.为了避免出现这一现象,可利用Deramp处理方法对动目标进行聚焦处理,能有效避免虚假目标的产生.同时利用TOPS SAR模式获得连续的重叠率很高的全孔径TOPS SAR图像,可以实现动目标的轨迹跟踪处理.最后,通过仿真实验验证了所提方法的有效性.     

利用窄波段像素色比的红外弱小目标检测方法

针对单帧红外弱小目标检测中背景抑制残差图中的目标检测问题,提出一种基于窄波段像素色比的残差图融合方法．首先在传统背景抑制获得残差图的基础上,通过计算窄波段图像的像素色比,选取适当的恒定分割率实现目标和杂波的分离,依照特定的融合准则获得信噪比较高的融合残差图;然后应用基于目标体积检测的方法对融合图像中目标能量进行集中,以获取信噪比更高的结果图．该方法的优点在于,弥补了背景抑制后的图像直接阈值分割时受杂波影响大的缺陷,能够有效降低虚警率．     

一种改进的VI CFAR检测器

为得到不同杂波背景下的良好检测性能,给出了一种改进的VI CFAR检测器.该检测器主要利用均值类可变性指示（MLVI）CFAR检测器和有序统计类可变性指示（OSVI）CFAR检测器的各自优点以及VI CFAR的以背景均匀程度自动选择不同检测器思想.理论分析和仿真结果表明：该检测器在均匀背景下性能基本与MLVI CFAR重合;多目标背景下具有较强的抗多目标能力;杂波边缘背景下有较好的虚警概率控制能力且运算量小,是一种稳健的检测器.     

不同光照和姿态下的航拍车辆检测方法

为了解决在不同光照和姿态下的航拍车辆检测准确度低的问题,基于Fourier-HOG算法提出了一种航拍车辆检测方法。该方法是基于滑动窗口的检测方法。首先,在处理过程中引入图像预处理,可以将背景区域进行有选择的剔除,大大节省检测时间和降低虚警率;其次,提取航拍图像基于局部敏感直方图的光照不变性特征;然后,再提取旋转不变的Fourier-HOG特征。将此特征在线性支持向量机中对车辆目标与非车辆目标进行分类。在后续处理阶段,引入非极大值抑制来降低误检目标。实验结果表明：所提出的车辆检测方法在谷歌地图数据集上进行测试,其检测准确度较高,且时间消耗低于原始的Fourier-HOG检测方法,该方法是一种较为有效的航拍车辆检测方法。     

图像智能化的目标检测技术(Ⅲ)--优化聚类与特征提取

探讨了作为自适应图像目标检测技术层次化数据处理流程的中层聚类和末端识别模块,给出了具体应用的几种实现算法.为加快背景抑制中全局优化聚类分割门限的求解速率,利用最优化计算理论,设计了有效平均梯度剪切的快速操作方法.在特征识别中,结合目标的形态结构研究了保持形状特性的多结构元组合滤波算法.     

Inshore ambiguity clutter suppression method aided by clutter classification

To address the problem that the clutter suppression performance is reduced for the multichannel synthetic aperture radar(SAR) because of the ambiguous component of the land clutter in the inshore area,we propose an inshore ambiguity clutter suppression method aided by on clutter classification.First,a multi-look interference feature covariance matrix(MIFCM) for each range-Doppler unit is constructed,which includes multi-look interference magnitude/phase and multi-look interference magnitude gradient information.Next,with the affine invariant riemannian(AIR) distance measure of MIFCMs,the clutter classification result can be acquired.Finally,with the clutter classification result,we select independent and identically distributed(IID) training samples to estimate the clutter covariance matrix in the ambiguous clutter region,with clutter suppression performed in the multichannel SAR image domain.Simulation result shows that the proposed method can accurately classify and suppress the azimuth ambiguous clutter in the inshore area.     

机载预警雷达STAP-TBD技术研究

针对机载预警雷达在强地/海杂波环境下的微弱目标检测问题,研究了基于动态规划的空时自适应处理级联检测前跟踪(STAP-TBD)技术.首先建立了空时二维杂波数学模型并给出了STAP-TBD广义似然比检测模型,通过STAP处理获得单帧最优输出信杂噪比,并运用动态规划法对连续帧数据进行积累,最后利用广义似然比检测完成对目标的有效检测.仿真结果表明,STAP-TBD技术具有在强杂波背景下检测微弱目标的能力.     

电离层杂波背景下Constrained-MUISC算法在高频地波雷达中的应用

高频地波雷达能够探测到视距以外的低空飞机和舰船等目标,但其检测性能受到电离层杂波的严重影响。为了能够在有电离层杂波干扰的情况下检测出目标信号,首先利用MUSIC(multiple signal classification)算法对电离层杂波的方向特性进行分析,分析表明大部分电离层杂波呈现很强的方向性,并且通常相邻分辨单元的电离层杂波具有一致性的方向性。对于有方向性的电离层杂波可以将其方向作为已知信息,利用Constrained-MUSIC算法在含有电离层杂波的距离-多普勒分辨单元中对目标进行方位检测,在空域将目标与电离层杂波分开。通过对实测数据的分析,证明该方法可以有效地对有方向性的电离层杂波进行抑制,从而提高高频地波雷达的检测性能。     

毫米波单脉冲雷达目标二维结构成像方法

基于步进频率距离高分辨技术和单脉冲偏轴测角技术,研究了一种在杂波背景下雷达目标高分辨二维结构成像的方法,并给出了地面坦克目标的成像实例．该方法具有算法简便、实时性强、杂波抑制能力强等特点,为毫米波雷达在强杂波背景中识别目标提供了一条有效途径．     

跳频脉冲ISAR成像运动补偿的最小波形熵方法

采用跳频脉冲信号作为逆合孔径雷达（ＩＳＡＲ）的宽带信号形成,并在此基础上提出了一种运动补偿新方法－最小波形熵参数估计法,该方法将目标速度、加速度运动参数估计的二维搜索问题转化为两上一维搜索问题,使运算量大为减少,便于实时处理,计算机仿真结果表明该方法参数估计精度高,对噪声的影响具有一定的稳健性,可满足一定杂波背景下对目标成像的要求。