一种基于纹理分析的伪装器材效果评价模型

为客观、定量评价伪装器材的性能,本文运用数字图像纹理分析技术,通过平行45°搜索算法分别获得了伪装面(目标)和所选择背景的共生矩阵,定义纹理相似度并由此建立了纹理判别模型和计算机软件,通过比较目标与背景图像纹理特征的相似度,从而定量分析伪装器材遮障面在斑点形状、尺寸、颜色亮度和空间分布等方面模拟周围背景特征的效能.对国内外部分伪装遮障性能进行初步评估的结果表明,该模型具有原理准确、结构简单、可操作性强等优点.该模型也适用于其它伪装器材的性能评价.     

一种改进的Surendra运动目标伪装效果检测方法

现有的伪装检测主要是针对静态目标,并不能客观反映机动装备在作战行动中伪装的有效性。综合运动目标检测技术,结合伪装学原理,以军用卡车模型作为研究对象,基于Surendra背景更新建模算法并结合Lab三通道,提出一种机动装备迷彩伪装效果检测方法。根据所建立的实验系统,计算序列图中军用卡车伪装前后的形状特征参数集合之间的欧氏距离,得到实验序列图像的欧氏距离平均值为189.45,说明实验系统中伪装前后运动目标的形状特征参数之间极不相似,即经过伪装后的目标更具有一定的动态变形伪装特性。借助性能评价模块得出伪装前后目标图像相关系数范围为0.003 5~0.127 5,证明了该检测方法的科学性和可靠性;根据检测运动目标的算法原理,可知伪装后的运动目标图像与其中心背景之间更具有一定的融合性。     

植物伪装遮障下车辆目标电磁散射精确仿真研究

为了精确研究植物遮障下电大尺寸金属目标电磁散射特性,提出了一种高效混合计算模型。通过构造真实树结构对植物遮障的散射建立多层频域计算模型;基于时域有限差分方法,对目标区域的散射建立时域计算模型。运用互易性原理连接植物遮障计算模型与目标区域计算模型,避免了植物遮障与电大尺寸金属目标间复杂的电磁场相互作用,建立了对植物遮障下电大尺寸金属目标的高效、精确电磁散射特性仿真模型。通过以角反射器和典型金属车辆为目标的电磁散射计算实验,证明该方法正确、有效。     

SAR图像中地面目标自动检测方法研究

文中对SAR图像中的目标检测进行了研究.运用雷达目标恒虚警(CFAR)检测方法,在SAR图像杂波统计特性为Weibull分布的条件下,对SAR图像目标进行自适应检测.利用有效象素及其比率对不同虚警率下的SAR图像目标检测结果进行分析.仿真结果表明CFAR方法在SAR图像目标检测中是有效的,并给出了相应参数的最佳值.     

导电纤维编织伪装遮障基础布的电磁散射特性

建立伪装遮障基础布的二维平面周期结构模型,采用时域有限差分法计算两类导电纤维编织形式(正交和菱形)的基础布对入射雷达波的反射、透射和吸收系数。分析植入的纤维及其编织密度对结构散射特性的影响,并针对某一样网(含基网和装饰布)做数值模拟,分析比较计算结果和测试数据的异同。研究方法和结论可用于散射吸收型防雷达伪装遮障的设计。     

基于图像特征与心理感知量的伪装效果评价方法

目标的探测概率是伪装效果评价的重要指标,在以往的评价方法中忽略了判读人员的心理因素。在统计决策模型基础上,通过定义4 个图像特征相似度,建立了单个图像特征量与心理感知量的关系,进行了5 个心理实验,找出了目标探测概率与心理感知量的关系。经过综合判读实践验证,该模型能够客观地得到目标的探测概率,为伪装效果评价提供新的方法。     

复杂微动目标SAR仿真技术

针对基于微动特征提取的目标识别技术研究,提出了一种基于电磁散射计算的微动目标SAR回波仿真方法。该方法在完成雷达目标动态几何建模的基础上,结合目标高频电磁散射计算与距离频域回波模型,能够实现指定雷达视角和电磁参数条件下的微动复杂目标SAR回波仿真与图像模拟。结合实际情况,以螺旋桨飞机为例,研究了其SAR回波特性和成像特性,仿真结果表明该方法能够有效解决微动仿真问题。     

合成孔径雷达围像特征关键度分析与分类算法研究

针对合成孔径雷达( SAR)图像目标分类问题，从灰度和纹理特征分析出发，提出了一种SAR图像分类特征量的关键性度量指标。利用关键系数的概念定义了关键特征量、次关键特征量、非关键特征量和关键度。从灰度模型和纹理模型的特征统计量中选择关键度高的特征量，如灰度模型中的均值和方差、纹理模型中的角二阶矩、对比度、均匀性和相关性。针对SAR图像分类往往是多类别、多特征的情况，通过构造特征向量，定义向量距离，按照最小距离方法进行目标分类。为了提高计算速度和更好地描述特征量，引入了窗口方法。仿真和计算结果表明该方法行之有效。     

基于Brushlet 和自适应脊波网络的SAR 图像分类

针对BP神经网络分类模型网络训练时间长的缺陷,结合小波网络模型缺少对方向信息描述的情况,提出一种基于Brushlet和自适应脊波网络的SAR图像分类方法。该方法利用Brushlet变换提取SAR图像纹理的能量和相位特征,并将描述能量和相位的特征向量输入到自适应脊波网络中进行训练和分类,最后通过实验对比分析各分类方法的分类性能。实验结果表明,该方法快速、准确,其性能优于传统方法。     

面向合成孔径雷达图像任意方向舰船检测的改进YOLOv3模型

为实现合成孔径雷达(SAR)图像舰船检测能同时输出目标位置和方位角估计信息,提出基于改进YOLOv3的任意方向舰船目标检测模型。定义有利于模型参数回归稳定性的角度范围,根据垂直框和旋转框预测结果定义多任务损失函数。通过融合垂直框和旋转框预测结果进行目标方位角估计校正,以进一步提高检测性能。采用SAR舰船目标检测数据集(SSDD+)和高分辨率SAR图像数据集(HRSID)分别进行改进模型的性能测试和迁移测试。实验结果表明：对于SSDD+,当交并比为0.5时平均精度均值mAP_0.5达到了0.841;对HRSID进行迁移测试时,mAP_0.5能够达到0.530;当网络输入尺寸为416×416时处理一帧图像耗时约为25 ms;采用高分辨率可见光舰船数据集(HRSC2016)进行改进模型的适用性测试,mAP_0.5为0.888,超过了部分已知模型的精度;该改进模型适用于纯海洋背景下SAR图像中的舰船目标检测,能够满足舰船目标检测的实时性需求。     

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。     

基于二维本征模态函数的 SAR 图像目标检测

合成孔径雷达（SAR）成像具有其独特的优势,能全天时全天候获取目标区域遥感数据,但是其成像机理复杂,获得的 SAR 图像解译困难。从 SAR 成像回波特点出发,结合二维经验模态分解（BEMD）理论,提出了一种基于二维本征模态函数（BIMF）的 SAR 图像目标检测算法。采用仿真和实际的 SAR 图像数据进行了验证实验,实验结果表明,利用融合的 BIMF 特征分量检测目标,其效果优于直接用原始 SAR 图像进行目标检测,并且对不同信噪比的 SAR图像,具有较强适应能力。     

基于超效率数据包络分析模型的数码迷彩融合特性评价方法研究

针对活动目标的数码迷彩伪装,为了从光学波段方面评价多种数码迷彩在不同背景中的融合性,对图像内容进行分析,选用HSV颜色模型,分别从图像的色调（H）、饱和度（S）、亮度（V）3个分量 提取数码迷彩和背景图像的颜色、纹理、形状、熵及复杂度等5个方面的特征值。根据超效率数据包络分析模型原理,把数码迷彩与背景图像中各个特征差异值作为决策单元（DMU）的输入量,计算出迷彩与背景一对一融合性的效率值。将效率值数据取倒数作为新的DMU输入量,计算得到每种迷彩对不同背景融合性的效率值,从而实现数码迷彩对背景图像综合适应性的评价。利用图像显著性指标对评价结果进行验证,将融合性效率值最大与最小的两种数码迷彩对背景实施伪装,前者在背景图像中的显著性低,具有更好的背景融合性。     

一种基于特征统计的动态伪装效果评估方法

现有的伪装效果评估主要针对静止的单幅图像,不能很好地模拟侦察人员对目标的判读过程。结合Mean shift目标跟踪技术,提出一种基于特征统计的动态伪装效果评估方法。该方法通过统计目标与背景8联通域的相关性特征数据,建立归一化联合高斯分布,利用概率密度的分布范围评估目标伪装效果。计算联合分布的概率密度时,提出对数放大概率,解决了高维联合分布概率密度数值敏感度低、不便于阈值设定的问题。引入样本更新策略,使样本库按照一定的概率随机更新,从而较好地适应了由于季节交替等因素引起的背景大范围变化。实验过程分别对某一指挥车实施1级伪装、2级伪装和3级伪装。采集数据后计算其对数放大概率并对曲线作出统计,结果表明：实际中划分的3种伪装状态与依据3σ准则预先设定的3种伪装状态完全对应;该模型能够有效反映出目标的伪装效果。     

一种基于改进SIFT的SAR图像配准算法

为克服SIFT (scale-invariant feature transform)描述子应用于SAR图像配准领域时配准精度低的不足,提出一种基于改进SIFT的SAR图像精确配准算法.该方法首先提取特征点的SIFT描述子和改进的旋转不变纹理化特征描述子,再利用典型相关分析特征融合算法将2种描述子融合,形成新的特征描述子,计算2幅图像中各个特征点间的改进加权距离并通过预先设定好的阈值完成粗匹配,最后通过随机抽样一致性算法去除误匹配实现精匹配,并代入仿射变换模型以求得变换参数,完成图像的配准.仿真结果表明:该方法的匹配性能明显优于SIFT及PCA-SIFT算法,能够有效处理图像在尺度变化、灰度变化、旋转角度变化的情况下SAR图像配准问题,且配准精度达到了亚像素级.