红外目标检测与识别技术研究

在图像分析和目标识别技术中,图像分割和特征提取是两个非常关键的问题。但是往往会由于对目标分割的不够准确和完整,导致特征提取变得很困难,首先采取自动多门限算法对图像初步分割,再利用二维直方图准确划分出目标,最后利用组合概率的方法将区域的分散度、不变矩进行综合,实验结果表明对五类目标的识别效果十分明显。     

星载光电成像系统空间目标的检测与识别技术研究

针对星载光电成像系统的空间目标检测与识别技术,设计了一套数字信号处理器(DSP)结合现场可编程门阵列(FPGA)的图像处理系统,并提出了一种卫星目标检测与识别方法。在没有先验知识条件下,利用改进的图像差分法对具有星空背景的序列图像进行目标检测,再根据卫星与天然星体具有不同的边缘轮廓信息,通过最小距离分类器识别出卫星目标,获得卫星模板,从而可进行模板匹配以实现卫星的快速检测和识别。实验结果表明,提出的方法相对于传统方法,运算时间减少了15%~40%,满足星载光电成像系统对卫星目标检测与识别的准确性与实时性的要求,在工程实践中具有一定的应用价值。     

雷达目标识别技术述评

首先对雷达目标识别研究领域已经取得的成果和存在的问题进行简单的回顾。然后结合对空警戒雷达,阐明低分辨雷达目标识别研究的具体思路。     

基于FPGA的高分辨率红外目标检测技术研究

本次研究面向红外对空预警探测领域的实际问题,开展高分辨率红外图像目标检测算法设计与工程化应用验证。文中研究设计了基于中值滤波、卷积滤波核形态学滤波等的目标检测算法,并基于FPGA平台进行硬件移植验证与测试。实验表明本文采用的方法可以实现对高分辨率红外图像的目标检测功能,并且基于FPGA硬件提升算法的运算速度,使算法在FPGA硬件平台上完成实时运算传输的要求。     

海空背景下红外点目标检测算法

提出了一种基于灰度形态学的海空背景下的红外点目标检测算法。该算法三步：第一步,对原始序列图像进行了膨胀后累加,以提高信噪比（SNR）;第二步,对原始序列图像进行形态学滤波,去掉噪声和目标以提取出背景;第三步,前两步结果相减,自适应阈值后即可得到点目标,用实际摄取的图像进行实验,结果表明该算法能检测出信杂比（SCR0为1的红外图像。     

红外图像目标识别的预处理技术研究

红外图像目标识别系统,由图像预处理、特征提取及模式分类组成,红外图像目标识别的图像预处理包括滤波降噪、图像增强、图像分割等。滤波降噪有邻域平均、中值等滤波方法,图像增强可通过微分、Butterworth高通滤波和形态学高低帽变换完成,图像分割采用阈值分割技术和形态学方法实现。综合比较各种处理方法,采用中值滤波进行降噪、高低帽变换进行图像增强、阈值分割与形态学处理结合进行图像分割,较好地实现了红外图像目标识别的预处理。     

雷达红外复合目标识别技术研究

雷达与红外传感器所获取的信息能实现互补,可以改善对目标识别跟踪的效果。提出了雷达与红外成像双模目标识别的方法,利用两种独立传感器的信息互补性来构造联合特征向量,通过有序加权平均算子信息融合系统进行目标识别。仿真实验表明,采用这种方法能提高融合结果的稳定性、可靠性。     

平面地标导引下的红外建筑物目标间接识别技术研究

在某些情况下,如目标处于远距离、目标 局部对比度低、目标被遮挡、目标区模式频繁出现等,采用 直接识别方法难以正确识别目标。为此,提出了一种基 于平面地标间接定位的典型地面建筑物目标识别方法。在地面准 备阶段进行地标选取以及参考图制备。在飞行阶段,用匹配算法 对地标进行自动捕获、识别和定位,然后利用地标与目标的空间约束关系,间接 定位包含目标的局部感兴趣区。当局部感兴趣区的对比度显著 时,启动最后阶段的基于形态学处理框架的直接识别操作。通 过仿真实验测试分析了该算法的适应性。     

遗传神经网络在红外目标识别中的应用

遗传算法和神经网络都是解决非线性不确定问题的有力工具,在图像处理方面各有优缺点,BP神经网络的局限是收敛速度慢且易限入局部最小而遗传算法的优势则是具有较强的全局搜索能力,却易陷入过早收敛.针对遗传算法和神经网络的优缺点,取长补短,介绍了利用遗传算法对BP神经网络进行权值优化的红外小目标图像处理识别技术.计算机仿真实验结果表明了该方法的收敛速度明显优越于其他传统方法,具有较强的实用性和鲁棒性.     

空间目标红外特征提取与识别技术

针对空间目标红外识别中典型的类内变化大、类间变化小等问题,提出了一种用支持向量机(Support Vector Machine,SVM)分类器结合局部二值模式(Local Binary Pattern,LBP)直方图特征和灰度直方图特征的空间目标红外特征提取与识别方法.以国内某卫星和国外某卫星为研究对象,提取它们红外图像的LBP直方图特征以及灰度直方图特征;使用红外仿真软件生成两个目标在不同姿态、不同分辨率下的样本图,并分成两部分,分别作为SVM分类器的训练集和测试集.实验结果表明,LBP直方图特征和灰度直方图特征均能够以较高的准确率对空间目标进行识别,且其识别效能与目标红外图像的分辨率以及SVM核函数有关.     

目标与诱饵红外特性及其识别技术研究

主要研究了弹头目标和诱饵的红外特性及其识别问题.首先给出了弹头目标和诱饵识别技术的基本处理流程;然后,在分析空间物体的红外辐射特性的基础上,建立了空间物体的红外成像模型,在分析目标和诱饵的特征及特征差异的基础上,提出了可以用作弹头和诱饵识别的几个主要特征:红外辐射特征(包括温度、材料和灰度变化率)、运动特征和形状特征等;最后在基于各个特征的初判决的基础上,采用D-s证据理论进行决策层的融合得到综合判决,取得了较好的识别结果.     

多元红外双色导引头目标识别技术研究

结合多元红外双色探测系统,对双色目标识别技术进行研究：采用辐射源位置信息确定中短波同源脉冲,并计算双色比,根据目标特性和干扰特性设置双色比门限,利用同源脉冲确定结果和双色比门限进行目标识别。实验结果表明,采用双色目标识别技术提高了目标识别的准确性,提高了导引头的抗干扰能力。     

多元红外双色导引头目标识别技术研究

结合多元红外双色探测系统,对双色目标识别技术进行研究：采用辐射源位置信息确定中短波同源脉冲,并计算双色比,根据目标特性和干扰特性设置双色比门限,利用同源脉冲确定结果和双色比门限进行目标识别。实验结果表明,采用双色目标识别技术提高了目标识别的准确性,提高了导引头的抗干扰能力。     

智能学习的目标识别算法研究

学习的目的就是强化对可塑性结构的有效刺激,并形成固化的记忆模式。基于数据的机器学习是信息系统获取外界(环境)知识的重要途径,也是人工智能的一项关键技术。越来越多的研究者认为,一个系统的成功与否,不仅取决于系统所采用的结构模型,而且更取决于这个系统所包含的知识内容--“智力”含量。采用自适应优化学习的目的,就是使滤波模型具有图像目标的固有特征,从而赋予结构参数特定的知识,使图像滤波过程融入特有的智能,进而实现对复杂交化的图像具有良好的滤波性能和稳健的适应能力。     

反舰红外成像导引头自动目标识别跟踪技术研究

文中概要介绍了一种红外成像导引头自动目标识别跟踪技术，在搜索条件下，实现了对实现舰船目标的全自动实时的识别和跟踪，目标丢失后系统能重新自动捕获，自动转入跟踪。     

红外弱小目标检测与识别一体化方法研究

针对天基红外预警卫星获得的红外图像的特点,分析了传统的红外弱小目标的检测与识别方法并指出了其存在的检测时间长,虚警概率高等不足之处。根据导弹预警系统对目标检测的实时性、快速性和准确性需求及导弹尾焰红外辐射光谱特性,提出了一种窄带高光谱的红外弱小目标检测与识别一体化方法。仿真实验采用了一个典型的红外背景图像,根据两类典型导弹尾焰在2.7～2.9mm 波段范围内的红外辐射信息,生成了20幅 SNR 为2.0～2.5的红外图像,结果验证了该方法能快速准确的检测并识别导弹目标。     

智能驾驶技术中目标识别的国外专利分析

本文主要以Sipoabs、DWPI数据库中的检索结果为分析样本,从专利文献的视角对智能驾驶技术中目标识别技术的发展进行了全面的数据统计及分析,分析总结了智能驾驶技术中目标识别技术的国外专利的总体申请趋势和分布、本领域主要申请人的分布和持续研究能力。     

基于红外偏振成像的目标检测技术

红外偏振成像技术是利用物体偏振度上的差异来对复杂背景下的目标进行探测的。在战场上,由于人造物体和自然景物在偏振度上存在差异,红外偏振成像技术能够提高人们对自然景物及伪装的辨别能力。首先介绍了偏振成像理论及其系统的结构组成,然后对基于偏振图像处理的目标特征提取过程进行了分析,并对偏振图像像质评价方法以及图像融合、分割和特征提取方法进行了研究。最后给出了国外基于偏振成像目标检测技术的应用研究情况,并指出了该技术在军事领域中的应用价值。     

红外小目标识别的新方法

针对复杂背景下红外小目标识别困难的问题,提出了一种基于证据理论的多传感器红外小目标融合识别方法,该方法能通过多传感器信息融合的方法达到证据积累的效果,大大提高了红外小目标的识别可信度,具有一定的实用性.     

红外/毫米波复合制导目标识别技术研究

介绍了多模复合制导的基本原理，技术难点以及国内外研究动态。在此基础上，提出了红外/毫米波复合制导中目标识别处理的一种软硬件实现方案，最后预测了该技术的发展趋势。