基于颜色的运动目标快速识别与跟踪

在自主式移动机器人对运动目标进行跟踪时,视觉系统主要完成目标的识别与跟踪,提高目标识别与跟踪的实时性和准确性是保证机器人跟踪顺利进行的关键。针对此提出了一种基于颜色色度Hs的向量判定算法,并运用这种算法结合动态窗口和螺旋扫描等技术,有效地提高了目标识别与跟踪的实时性和准确性。     

改进YOLOv5的航拍图像识别算法

航拍图像识别广泛应用于各类军用、民用领域,因其距离远、成像模糊、目标相互遮挡等特点使得目标检测准确度一直不高,针对这一问题,提出了一种基于YOLOv5模型的改进方法。通过引入数据增强和标签平滑方法、改进损失函数为DIoU和增加针对小目标的网络处理层来提高目标检测效果。实验结果表明,在相同训练条件下,改进后的YOLOv5算法对大多数种类的目标检测准确率都有所提升,平均精确率提高了17%,平均召回率提高了2%,mAP@0.5达到了70.4%,比原始模型提升了6.1%。     

高分辨率SAR图像目标峰值特征提取

峰值特征是进行SAR图像自动目标识别的重要特征。本文提出了SAR图像目标的通用高斯峰值模型,根据该模型提出了目标峰值提取方法。利用实测数据以及蒙特卡罗仿真结果表明:通用高斯峰值模型是实际峰值的一种精确模型,基于该模型的峰值提取方法具有良好的提取精度。     

基于相位一致性的煤矸边缘检测方法

煤矸识别以往常常采用对噪声敏感的梯度算子提取边缘,但工作场所粉尘较大,光线暗,图像清晰度差,识别效果往往不理想。为提高自动分选率,将相位一致性应用到煤矸边缘检测中,阐述了相位一致性的基本原理,并以现场图片处理效果表明,相位一致性检测图像特征的方法可以准确的提取煤块与矸石边缘,不受亮度与对比度影响。     

无线电信号识别方法的研究

文章提出了小波分析与神经网络相结合的方法自动识别无线电信号的调制类型.文中分别用常规的方法和小波的方法提取信号的特征参数，送入RBF（Radial Basis Function）网络，按照样本距离最小的原则进行聚类，利用RBF网络的快速收敛性和较好的自适应性，实现对无线电信号的识别.仿真结果表明，采用小波与神经网络相结合的分类方法，能获得满意的识别率。     

低信噪比条件下的调制方式识别

传统的调制方式识别方法通常假设接收信号是平稳随机过程,一般要在信噪比不低于10dB时才能取得较高的识别率。本文根据模拟调制信号的谱特性和谱相关特性,给出了低信噪比下的调制方式识别算法,理论分析和仿真结果表明,本文提出的算法,在低信噪比(3dB)条件下,仍然具有很高的识别率。     

地面场景红外图像特征分析

为了研究并掌握场景中目标的红外图像变化规律,提高自动目标识别系统的可靠性和稳定性,对实际采集得到的地面场景典型气象条件下一天24 h的长波红外图像进行分析,研究了不同地物类型对应的红外图像典型统计特征随时间和气象条件变化的规律.研究结果表明,图像各区域亮度的日时变化表现为近似余弦的变化规律,标准差和熵特征表现为单峰的变化规律,并且,各区域由于亮度变化不一致而存在对比度反转的现象.     

OFDM信号调制类型盲检测研究

提出了一种基于谱相关的正交频分复用信号(OFDM)子信道调制方式盲检测算法.该算法利用循环谱相关检测特征参量实现对子信道调制方式的检测,所提出的特征参量可抑制高斯噪声的影响.通过计算机仿真评估了该算法对正交频分复用信号(OFDM)子信道调制类型盲检测的性能,表明这种算法在高斯信道下具有很高的调制方式识别性能和很强的稳健性.     

基于小波分解及KCN的雷达目标特征提取

讨论了利用一维距离像进行雷达目标识别的特征提取。从缩减表征距离像的特征维数和表征目标所需特征数出发，提出了一种基于小波分解及KCN的目标特征提取方法。为比较不同特征提取方法及所提取特征的性能，引入了Fisher距离来表明各类的类内紧致性和类间分离性。实验结果表明能够有效地进行特征提取。     

基于数据增强的小样本通信干扰识别技术

干扰识别是通信抗干扰过程的前置环节,为抗干扰决策和波形选择提供关键的先验知识,是抗干扰成功与否的关键步骤.在复杂的电磁条件下,对干扰信号进行大量标记往往是困难的,并且对干扰识别的实时性要求很高.针对上述问题,研究了一种基于数据增强的小样本干扰信号识别技术,以解决小样本条件下分类器训练过程的欠拟合问题.小样本条件下,在正...