低信噪比下脉冲激光雷达回波信号小波域滤波算法

通过分析脉冲激光雷达回波中目标信号与噪声在频域不同的分布特性及在小波域不同的传播特性,提出了小波域脉冲激光雷达回波信号滤波的新算法.在低信噪比下,利用小波分解和模极大值降噪技术相结合的方法,不仅能够很好地滤除激光回波中的高频噪声,并且也可大大降低回波中低频噪声对弱小目标的影响.仿真结果表明了该滤波算法的有效性.     

高动态条件下增量惯导信息辅助的空地红外弱小移动目标检测算法（特邀）

红外弱小移动目标检测技术是计算机视觉的研究热点和难点。针对机载高动态条件下的空地目标检测存在的场景变化动态、背景干扰强度大、目标运动规律未知等挑战,提出了一种新型的基于增量惯导信息辅助的空地红外弱小移动目标检测算法。为了解决传统惯导信息预测的漂移误差问题,提出了增量惯导信息概念,设计了增量惯导信息的位置预测模型,实现了对目标点的准确预测。构建了基于增量惯导信息辅助与背景差分的移动目标检测框架,通过增量惯导信息对不同位姿下的成像进行校正,引入基于爬山法互相关匹配算法计算校正后图像的平移参数,采用高斯加权对背景图像进行估计,最后通过图像分割检测弱小移动目标。仿真实验验证了文中设计检测算法的有效性和精确性。     

简化UKF在机载IRST系统被动测距中的应用

针对机载IRST系统被动测距问题,给出了一种简化的UKF(SUKF)算法。算法无需对状态变量进行扩维,对于线性状态方程使用了和卡尔曼滤波相同的时间更新方法,对于非线性测量方程保持了UKF的特征,既继承了UKF的优点又减小了算法的运算量。仿真结果表明,SUKF在测距精度和收敛速度上明显优于EKF,其性能与标准UKF相同但计算耗时少,适合于机载IRST系统被动测距的实时处理。     

角速度估计自适应的IMM三维目标跟踪算法

为了解决三维空间内的机动目标跟踪问题,提出一种基于常速模型和带约束常速率协同转弯模型(CSCT模型)的交互式多模型算法;同时为了解决目标的机动不确定性问题,针对CSCT模型提出一种类似卡尔曼滤波的方法实时精确地估计目标转弯角速度。综合考虑目标角速度的估计值和估计方差,提高目标跟踪的收敛速度,尽可能地减小滤波角速度与机动目标真实角速度之间的误差,最终明显提高了目标跟踪精度。Monte-Carlo 200次仿真结果表明了该算法在性能上有明显提升,对三维机动目标跟踪效果显著,并证实了该方法的实用性。     

BP神经网络用于大视场显示设备的畸变校正

大视场光电成像显示设备中会出现光学系统引起的图像几何畸变现象。为了提高显示设备畸变校正效果,并克服传统BP算法存在局部极小点、收敛速度慢等缺点,采用了基于优化理论的LM算法来改进传统BP神经网络算法。提出一种含有双层隐含层的BP神经网络畸变校正方法,可在不确知畸变数学模型情况下,实现自适应地建立畸变图像与原始图像之间的高精度映射关系。在Matlab平台上进行算法的深入分析和比较。仿真结果表明,双隐含层BP神经网络算法易于实现、数据处理能力强、校正精度高。与多项式拟合方法的畸变校正模型相比,基于双隐含层BP神经网络算法的畸变校正模型的各项精度指标提升显著。     

正交条纹级次分区域预编码校正Gamma非线性方法

数字投影仪的非线性响应是近年来研究的热点问题,因为数字投影仪虽然能避免物理光栅投影的各种缺陷,但其自身的非线性直接影响了输出信息,是相位误差的主要来源,进而影响了测量精度。针对数字条纹投影三维测量中存在的Gamma非线性和不同区域Gamma值并不一致的问题,提出一种通过正交条纹级次分区域预编码校正Gamma非线性方法,通过正交条纹划分区域,对每个区域使用多项式拟合计算预编码值校正该区域条纹图像。使用该方法校正后相位误差减少了82.24%,适用于任意投影仪与相机之间的位置关系,只需要精细化计算一套分区域预编码系数并由此生成编码条纹图,即可满足该系统此后的测量需求,该方法灵活性强、精确度高。     

关于智能眼镜的方案构想

根据智能眼镜针对不同客户的使用场景和功能需求,对两种智能眼镜的设计方案进行了探究,并对智能眼镜的功能组成、工作流程进行了分析说明。另外,对比分析了这两种智能眼镜和当前市场上其他类似产品的不同点,并对智能眼镜的发展趋势进行了展望。     

基于协商对策的多平台目标跟踪冲突消解

以利用多平台对空中多机动目标跟踪为背景,针对各平台执行能力与跟踪精度不同所导致的任务分配与平台资源利用之间存在冲突的情况,研究了基于协商对策的多平台目标跟踪冲突消解方法。以提高机动目标跟踪精度为原则,在避免重复跟踪和目标遗漏的同时充分利用平台资源,通过比较各平台对不同目标的跟踪精度,根据具体态势优先或按顺序分配任务。基于Visual C++6.0对多平台多机动目标跟踪中采用协商对策实现冲突消解的方法进行了仿真,通过与随机任务分配时的跟踪精度比较,验证了该方法的有效性。     

基于稀疏环决策的天空背景红外弱小目标检测算法

针对天空背景红外图像中弱小目标检测的难题,分析了红外目标检测的模型,提出了基于稀疏环决策的目标检测算法。利用数学形态学滤波目标增强方法对图像进行背景抑制,而后采用恒虚警检测方法对滤波后图像进行自适应分割,从而获得候选目标点,然后计算各个候选目标点的局部自相似性描述子,对自相似性描述子归一化、分块之后得到稀疏环表示,利用相应的判断准则可以判别目标点与虚警点。实验结果表明,该算法应用于复杂云层背景弱小红外目标图像能够得到较理想的结果,与移动管道滤波方法相比,能有效区别目标点与固定云层杂波干扰,并且虚警率低,易于实现。     

基于空间联合的红外舰船目标数据增强方法

针对红外舰船目标图像数据少、获取难度高等问题,结合图像的几何变化以及金字塔生成对抗网络的特征拟合,提出一种几何空间与特征空间联合的红外舰船目标图像数据增强方法。首先,利用基于几何空间的几何变换、混合图像及随机擦除等图像变换方法对红外舰船目标图像进行增强;然后,根据红外舰船图像特点,改进金字塔生成对抗网络（SinGAN）,在生成器引入In-SE通道间注意力机制模块,增强小感受野特征表达,使其更适合用于红外舰船目标;最后,在数据集层面联合基于几何空间的几何数据变换和基于特征空间的生成对抗网络两种方法,完成对原始数据集的数据增强。结果表明:以YOLOv3、SSD、R-FCN和Faster R-CNN目标检测算法为基准模型,开展红外舰船图像数据增强仿真实验,采用增强数据训练的网络模型的舰船目标检测平均精度（mAP）均提高了10%左右,验证了所提方法在小样本红外舰船图像数据增强方面的可行性,为提高红外舰船目标检测算法提供了数据基础。