复杂交通场景中多运动目标分割算法

针对室外复杂交通场景中多运动目标分割问题,提出了一种由变化检测和运动分割组成的算法,利用水平集算法对帧差图像进行变化检测得到运动窗口,在运动窗口范围内进行改进的k-均值聚类分割,利用运动相似性进行分割区域融合.算法避免了整个图像的分割,减少了运算量,完整的分割出运动目标.试验结果表明,算法不仅能从复杂交通场景图像序列中有效的检测和提取出运动目标并有很强的鲁棒性,而且能够解决运动目标的遮挡问题.      

空间目标快速轮廓特征提取与跟踪技术

为满足空间目标交会对接任务中高精度、快速的测量要求,提出了一种空间目标快速轮廓特征提取与跟踪技术。该算法首先从初始帧图像中分割定位目标所在局部区域,作为目标连续跟踪的初始值;其次基于初始帧目标局部区域完成对初始帧目标边缘特征的检测及细化处理;最后采用Hough变换完成对初始帧目标边缘的检测及细化后的局部图像轮廓直线的提取,分别选取目标轮廓四方向最优的直线参数作为最终目标轮廓直线获取的效果,并采用梯度最大法则实现两两求交获取的轮廓特征的优化提取。在目标逼近过程中,结合相邻帧图像间目标尺度动态变化的关联性,根据初始帧提取目标轮廓特征的先验信息,确定目标在第二帧图像中的轮廓位置,并依次根据上一帧图像的轮廓位置信息定位目标在当前帧所在的区域,通过局部处理实现序列图像轮廓区域特征的连续跟踪。该算法无需遍历整个图像,所需处理的目标区域大幅减小,能够有效克服由目标图像较多边缘干扰导致的轮廓提取效果差及处理速度慢的缺点,具有速度快、准确性强、稳定性高等优点。     

面向空间天文观测的序列图像无损压缩算法

空间天文观测任务会获得大量天文图像.对定点天体连续观测得到的序列天文图像具有时间及空间冗余较高的特点.为了减少序列天文图像的存储与传输的数据量，保证序列天文图像的完整性，满足科学目标的任务需求，需要对其进行无损压缩.本文提出了一种利用帧内压缩与改进的帧间压缩相结合的无损压缩算法，将序列天文图像的第一帧进行JPEG-LS帧内无损压缩编码，其余帧进行改进的帧间无损压缩编码，从而有效去除序列天文图像的时间及空间冗余，提高序列天文图像的压缩比.经过试验测试，改进后的帧间压缩效果优于帧内压缩效果，改进后的帧间压缩时间少于帧内压缩时间.结果表明，该算法简单且高效，适用于对序列天文图像的无损压缩.      

复杂动态场景下目标检测与分割算法

在动态场景等复杂条件下,往往难以对序列图像目标进行准确的检测与分割。根据序列图像中目标在复杂条件下的成像特点,提出了一种基于融合尺度不变特征变换(SIFT)流特征显著模型的动态场景目标检测与分割算法。通过对SIFT流算法表示运动特征信息的优势进行分析,并结合图像国际照明协会(CIE)Lab颜色空间的颜色和亮度特征信息,建立四维特征向量空间。利用改进的多尺度中心-环绕对比方法生成各特征通道的显著图并进行线性融合,建立序列图像的动态场景目标显著模型。最后利用均值漂移聚类算法和形态学处理实现对检测目标的精确分割。实验结果表明,相比传统检测与分割算法,该算法在动态背景与航拍等复杂场景下能够分割出更为完整的目标区域,具有良好的鲁棒性和高分割精度。      

一种基于OPTICS聚类的仅测角导航目标检测算法

仅测角自主导航方法具有设备简单、复杂度低，功耗低的优点，在空间任务中具有广泛的应用前景.针对中远距离下空间目标特征少的特点，提出了一种利用基于OPTICS聚类算法的空间目标检测方法，可用于仅测角导航过程中的目标检测.对原始星图进行预处理提取星点及目标点，并结合星图识别的结果选择部分帧，使用经过改进的OPTICS聚类方法获得目标运动轨迹.最后，使用本文中的算法对软件仿真出的含有目标的高精度星图进行处理验证了算法的可行性.在卫星相对于空间目标抵近过程中，目标检测的水平误差及垂直误差小于0.15°的帧数分别占到了85.4%以及99.6%.相比AVANTI实验中的目标检测方法，减少了在轨任务中相关参数的调节，进一步提升了算法的自主性.     

遥感图像的显著-概要特征提取与目标检测

针对巨幅遥感图像的目标检测问题,提出了一种基于显著-概要特征的遥感图像自动目标检测算法.采用滑动窗口将巨幅遥感图像划分为若干个小尺度的区域,针对各个小尺度分块图像,借鉴人类视觉生理功能特性之原理,提取其显著特征和概要特征,其中的显著特征代表了图像中的显著信息及显著区域空间分布和关联信息,概要特征可从整体上反映该区域的背景/目标关联信息.通过对分块区域图像的分类鉴别以实现目标检测.实验结果表明:此方法能以高可靠性和高精确度检测出巨幅遥感图像中的目标.     

高光谱图像序列中的运动弱小目标检测

高光谱图像序列中包含时域信息和光谱信息的弱小运动目标检测因其在民用和军用中的重要作用而引起了研究人员的兴趣。本文提出了一种新的空时联合异常方法来解决运动弱小目标的检测问题。该方法分别从空间域和时间域利用异常检测算法计算空间异常图和时间异常图。为了检测目标的运动一致性特征,该方法生成了运动轨迹预测图。将空间异常图、时间异常图和轨迹预测图融合后,可以很容易地从背景中检测到感兴趣的目标。该方法被应用于云杂波背景下的空中目标测试数据集。实验结果表明,该方法具有较低的虚警率和较高的检测率。     

改进YOLOv5s的弱光水下生物目标检测算法

针对水下光学图像目标检测过程中由于水中光线衰弱严重、图像环境复杂和拍摄设备移动等造成的生物识别精度低的问题,提出了基于改进YOLOv5s的弱光水下生物目标实时检测算法YOLOv5s-underwater。针对弱光水下光线衰弱的问题,引入了限制对比度自适应直方图均衡(CLAHE)算法对输入图像进行预处理,解决了颜色失真和图像毛糙的问题。针对复杂的弱光水下图像环境,提出了快速空间金字塔池化(SPPF)模块,解决了水下物体区分度低和特征损失严重的问题。针对拍摄设备移动带来的场景和形态变化问题,提出了一种基于旋转窗口的SwinTransformer模块,提高了模型的泛化能力。针对水下小目标,修改了网络模型结构,提高了小目标的检测能力。仿真和实验结果表明：所提算法相较于YOLOv5s检测精度提高30.7%,证明了算法的有效性。     

基于窄带雷达RCS序列的空间目标尺寸估计

从窄带雷达横截面积(RCS)序列中提取目标尺寸特征对空间目标的分类识别具有重要价值. 本文在研究椭球体RCS序列特性的基础上, 提出了一种空间目标形状估计方法, 并进一步研究了空间目标尺寸估计问题, 提出了一种新的尺寸估计方法. 实测数据的验证表明, 该方法能有效估计卫星、碎片等空间目标的形状和二维尺寸.      

基于数据驱动的移动目标卫星任务规划

卫星任务规划是卫星地球观测的重要前提。传统的卫星任务规划主要针对固定地面目标,不能满足日益复杂的任务需求。针对移动目标的卫星观测任务,提出了一种基于数据驱动的移动目标卫星任务规划方法。该方法在大量的移动目标数据的基础上,通过改进的长短期记忆神经网络算法预测了目标的未来轨迹和位置信息,并通过约束满足型遗传算法规划了基于预测算法结果的移动目标卫星观测任务。鉴于移动目标观测中约束和任务冲突的复杂性,约束满足型遗传算法以条件形式将约束嵌入到遗传算法中,并在算法中特别设计了冲突消除算子以解决任务冲突问题。仿真结果证明了该方法在解决移动目标卫星任务规划问题上具有优良的效率,并获得了很高的观测精度。     

动背景中高速掠过点目标的双窗口捕捉算法

为解决动背景下高速掠过点目标的实时探测问题,探讨了一种新的算法：首先采用基于帧间差分向量一阶范数的目标检测算法对图象进行预处理,实现大面积背景抑制,提取可疑目标点;然后,对提取的可疑目标点采用双窗口搜索算法捕捉运动点目标。该算法简单,运算量小,易于实现。实验结果验证了算法的有效性。     

基于正弦拟合的空间目标短弧关联算法

星敏感器是一种高精度姿态传感器，具有断续拍摄空间目标的能力，可作为空间目标监视平台。将星敏感器断续观测的短弧准确关联是实现空间目标精确定轨的前提。通过对空间目标的大量观测数据统计发现，空间目标的赤纬随赤经的变化始终满足一条周期为360°的正弦曲线且峰值与轨道倾角有关。对新旧航迹的赤经赤纬变化规律进行研究，提出一种基于正弦拟合的空间目标短弧关联算法，避免了空间目标初定轨的步骤，节约了算法运行时间。仿真中观测时长最短为50s，通过对目标密集的GEO带增加额外约束，可区分倾角相差0.01°的轨道。当航迹段间隔3h时，3组噪声水平目标关联的准确率均达90%以上。     

基于统计特征空间提取和支持向量机的极暗弱小天体检测方法

小天体检测是小天体防御和预警的前提。针对小天体目标信噪比低、检测难的问题,提出了基于统计特征空间提取和支持向量机（SVM）的极暗弱小天体检测方法。区别于传统方法基于时间或空间上目标的能量和背景噪声能量的瞬时能量差别或是瞬时能量差别的累积,对目标进行检测。该方法不依赖目标能量大小,提取运动目标穿过背景时对稳定性产生的扰动来反演运动目标。将输入的图像序列转化为单像元时序信号,划分时序窗口提取统计特征,关联形成统计特征空间,利用更高维度的变化特性检测目标变化。通过SVM将暗弱小天体检测问题转化为目标与背景的二分类问题,避开了较难解决的阈值分割问题同时具有更好的泛化性能。利用真实数据与其他经典方法进行对比分析,使得分类准确率提高4.02%。该方法能够适应更低的信噪比,在极低信噪比下仍表现出稳定的检测性能。     

基于跟踪微分器的多目标数据关联算法

根据目标在运动过程中位置与速度只能连续变化这一事实,提出了杂波环境下基于跟踪微分器的一种多目标数据关联算法.算法利用跟踪微分器得到目标波门内所有量测的位置与速度,通过将其与目标前一时刻的位置和速度的比较来实现在未知杂波环境下的多目标数据关联.该算法直接利用量测数据,不需要目标运动、传感器噪声及杂波的先验统计知识,在目标数已知杂波不很密集的情况下具有良好的数据关联能力.此算法计算量小、结构简单,与目标状态滤波估计算法完全分离,便于模块化设计和与其他滤波算法结合,易于工程实现.仿真结果验证了算法的有效性.     

基于期望最大算法的空间事件及异常值探测

美国ELSET数据库提供的TLE数据是目前使用最广泛的数据,在热层大气密度反演、弹道系数估计、碰撞预警等领域具有重要作用。受空间环境扰动、空间事件以及TLE产生过程等共同影响,ELSET数据库包含大量亟待清理的异常值和识别的空间事件,例如发布错误的TLE、轨道根数异常和Bstar异常。现有方法在清理异常轨道根数时缺乏统一性,需要使用不同的技术,清理流程较为繁杂,并且仅适用于特定轨道区域的少数目标。为克服现有方法的弊端,提出了一种基于期望最大算法的滑动窗口–多项式拟合预报方法,对含有轨道机动的碎片以及受空间环境影响的碎片进行异常值与空间事件探测。研究表明,该方法能够灵活处理不同空间环境下的异常值与空间事件探测,具有普适性,适用于所有轨道碎片。      

基于共形几何代数的空间并联机构位置正解

将共形几何代数(CGA)引入空间并联机构位置正解中,提出了一种空间3-RPS并联机构位置正解新算法。以任意一条支链轴线与静平台平面的夹角为待求变量,基于点的CGA表达方法建立了该支链与动平台连接的铰接点关于待求变量的数学表达式;通过2次构造2个空间球和1个平面的外积,分别获得动平台其余2个铰接点的点对;利用距离公式,只需简单的平方运算可直接推导出该问题关于待求变量的一元16次输入输出方程,进而获得了该机构的全部16组解析解,无增无漏。该方法没有繁琐的坐标变换和矩阵计算,以及复杂的多元高次非线性方程组消元求解。通过数字实例计算表明,求解过程较清晰地揭示出机构运动的几何特点,几何直观性好。     

基于deramp的星载聚束式SAR改进ECS算法

基于两步成像算法和ECS(Extended Chirp Scaling)成像算法,提出一种结合Deramp预处理的星载聚束式SAR(Synthetic Aperture Radar)改进的ECS成像算法.Deramp预处理是基于SPECAN算法的思想,将信号通过非空变的方位滤波器实现批压缩,该方法在保证成像分辨率的前提下,通过deramp处理消除了由采样率不足导致的方位频谱混叠特别是在星载SAR高分辨率聚束模式下.尽管ECS算法中的子孔径处理可以降低对系统脉冲重复频率的要求,但是脉冲重复频率依然受到单点多普勒带宽的限制.所介绍的方法可以进一步降低ECS算法中子孔径分割处理对脉冲重复频率的要求,使得ECS的算法的应用更为广泛.通过对点目标进行仿真和成像,成像指标评估验证了该算法的可行性.     

扁平体空间非合作目标多指外包络抓捕构型设计

针对空间非合作目标抓捕问题,提出了一种扁平体空间非合作目标多指外包络抓捕最优构型设计方法。该方法的核心在于：选择抓捕机构的主手指并控制它跟踪包络点;根据抓捕机构的多指几何关系计算从手指可行抓捕构型;利用外包络抓捕约束条件,以及碰撞检测约束条件,筛选出有效包络构型。与已有方法相比,该方法采用主 从抓捕的简洁模式,可以大大降低抓捕构型优化的计算量,适用于空间非合作目标实时在轨抓捕。进一步,引入了抓捕安全裕度的概念,用于量化抓捕机构多指形成的抓捕包络空间和空间非合作目标运动包络之间的安全裕度。考虑到形成抓捕构型之前尽量避免空间非合作目标与抓捕机构发生碰撞,避免产生二次碎片,在设计抓捕外包络构型时选择最大抓捕安全裕度构型作为最优构型。将该算法分别应用到四边形和正五边形运动目标包络问题中,仿真结果表明了其有效性。     

基于边缘信息的灰度目标跟踪算法

提出了一种基于边缘信息的跟踪算法,其可以实现对剧烈变化的灰度目标的精确跟踪.首先,利用基于双同心圆窗口算子的非线性边缘检测算法得到高质量的边缘信息;其次,为了解决单一边缘特征空间不能充分表征目标的难题,提出了一种通过组合边缘图像构建特征空间的方法,以便为目标建模提供充分信息;再次,在构建的特征空间中使用核估计方法对目标进行建模;在目标定位阶段,利用Kalman滤波器对目标进行预估后,再由Mean Shift算法在预估位置邻近区域实现目标定位;最后,提出了一种基于形态学的动态模型更新策略,使得算法不仅可以获得精确的目标区域,还可以实现对目标尺寸和形状变化的自适应.实验结果表明,本算法不仅可以有效跟踪剧烈变化的灰度目标,而且跟踪窗口可以实现对目标尺寸和形状的自适应.