一种基于天水线的红外舰船图像目标识别方法

针对海天背景下红外舰船目标的识别,提出了一种基于天水线的目标识别方法.利用被识别目标相对天水线的空间位置目标红外特征量和图像帧间信息识别目标,在强干扰环境下,利用该方法进行了仿真实验,得到了很好的效果.     

光学动目标的检测算法

本文阐述了一种用于空间非稳态泊松背景和噪声条件下光学运动目标的检测算法。该算法可用于恒星背景下对流星,小行星和卫星目标的光学探测,用最大似然法降低恒星干扰。可以看到:通过选择检测门限来保证恒虚警率,所得到的这种算法与目标的信号强度无关。本文对这种算法进行了分析,给出了在几种虚警率条件下的检测概率。     

海杂波中广义符号恒虚警检测算法性能分析

分析了广义符号检测算法在仿真的高斯杂波背景和实测海杂波背景下,对2种目标（Sweding0型和Swerling II型）的检测性能,以及对实际渔船目标的检测性能。研究表明,随着脉冲数、参考单元数和信杂比的提高,该检测算法的检测性能有所提高;在低信杂比条件下,GS检测算法对SwedingII型目标的检测性能优于对Sweding0型目标的检测性能,在高信杂比的条件下,对Swerling 0型目标的检测性能优于对Swerling II型目标的检测性能。     

基于运动特征和中心环绕模型的空对地车辆检测方法

平台的移动基于空基车辆检测以其视野广、速度快、适应性强等优点,近些年成为了智能交通和航空应急救援等领域内的一个热点课题。然而,在城市背景的交通环境下,由于复杂背景造成的干扰、车辆运动的不规律性以及光照等条件变化带来的噪声,有效地获取运动对象特征是空对地视觉监视方法面临的一个难题。为有效解决这一问题,提出了结合运动特征的中心环绕模型进行空对地车辆检测的算法。现有的空对地车辆检测算法,大多是针对固定的摄像头的情况下,基于运动特征进行检测,例如光流法、背景差法等。这些方法在对高速公路等背景相对较为简单的环境下获得了良好的检测结果,但当面对城市复杂背景条件或摄像头自身运动的状况时,难以有效地检测出运动目标。而在对颜色、强度等静态特征进行显著度分析的基础上,加入了对运动特征的分析,可以解决在复杂环境下准确提取车辆目标有效特征的问题。试验表明,相较于基于图像相减的检测算法和单一显著度算法,该算法可以获得更高的检测率与更低的误报率。     

基于约束最小冗余线阵与干扰对消的测向方法

针对有源干扰背景下信号源和干扰源的个数超过线阵的自由度而产生线阵饱和现象,提出一种将约束最小冗余线阵与干扰对消技术相结合的测向方法。通过将无源状态和有源状态下线阵输出数据的协方差矩阵进行对消运算去除有源干扰和噪声分量,并对约束最小冗余线阵的波达方向(DOA)估计算法进行改进,构造了新的协方差Toeplitz矩阵,有效抑制了由阵列非均匀性导致的伪峰,提高了阵列的DOA估计性能。仿真结果表明:该算法在低信噪比背景下具有抗有源干扰能力,扩展了阵列孔径,并具有较高的测向精度和鲁棒性。     

基于点集合并的修正Hough变换TBD算法

在低信噪比条件下,基于Hough变换的检测前跟踪算法是进行强杂波背景下目标航迹检测的一种手段。本文针对Hough变换后一个目标产生多条可能航迹以及航迹内可能存在杂波点的问题,提出了一种基于能量最大点和点集合并的修正Hough变换检测前跟踪算法。该算法利用量测点时序、能量信息及目标速度先验信息对Hough变换后点迹进行关联和剔除,能够有效的对目标原始航迹进行回溯。针对高斯噪声背景下的飞行目标,仿真结果表明该算法能够对微弱目标进行有效检测,在目标数目、杂波密度、信噪比发生变化的条件下仍能保持较高的检测概率。     

基于子空间投影的未知背景航拍高光谱图像恒虚警目标检测

针对航拍高光谱图像中未知背景地物特征条件下小目标的检测问题,给出一种检测算法。利用目标的低概率特性,通过模糊聚类获取高光谱图像中背景的光谱特性;然后将高光谱数据向背景光谱信号的正交子空间及目标信号子空间投影以抑制背景和噪声信号;最后在特征层利用广义似然比检验构造出具有恒虚警特性的检测器,完成融合检测过程。理论分析和实验结果表明了算法的有效性。     

基于Kalman滤波的高频CW电报信号自动识别

针对强噪声背景下高频CW电报信号检测算法性能严重下降、误码率较高的问题,文章提出一种基于卡尔曼滤波的高频CW电报信号同步检测识别算法。利用自同步法对CW电报信号实现位同步,进而利用卡尔曼滤波针对时变干扰噪声设置自适应阈值,对信号能量进行软判决,实现CW电报信号的自适应跟踪检测,提取有效信号进行识别。通过短波信道仿真软件和实际短波通信测试表明,该算法能够在强噪声背景下有效检测识别CW电报信号,且算法可由迭代实现。     

天基预警系统弱小目标检测技术研究

为了确保天基预警系统的探测能力,要求系统具有很强的弱信号目标检测与识别能力和实时预警能力。为了能够在复杂云层背景条件下,快速实时有效地检测出红外图像中的弱目标,本文提出了采用基于广义最大似然比准则的弱目标检测算法。通过实验验证,该算法能有效克服云层背景的影响,在目标信噪比很低的情况下可靠检测目标。     

基于局部均值差分的红外小目标图像背景抑制算法

复杂背景条件下红外小目标检测是提高红外武器系统探测距离的有效措施之一。针对小目标的特点提出了一种基于局部均值差分的红外小目标图像背景抑制算法。首先,通过优化的高通滤波进行初始背景抑制;然后,在分析小目标与背景像素差异的基础上检测目标潜在区域;最后,通过局部分割和特征分析实现抑制背景并增强目标。仿真结果表明,对于复杂地物及云层背景的红外图像,所提算法在提高目标信噪比及对比度方面均有较强的稳定性。     

An algorithm for detection of moving optical targets

An algorithm is described for detecting moving optical targets against spatially nonstationary Poisson background and noise. The algorithm has applications in optical detection of objects such as meteors, asteroids, and satellites against a stellar background. A maximum-likelihood approach is used which results in reducing interference from stars. It is shown that by choosing a detection threshold to provide a constant false alarm rate, the resulting algorithm is independent of the signal strength of the target. An analysis of this algorithm is presented, showing the probability of detection for several false-alarm rates     

Robust Kalman filter design for predictive wind shear detection

Severe low-altitude wind shear is a threat to aviation safety. Newly developed airborne sensors measure the radial component of wind along a line directly in front of an aircraft. The authors use optimal estimation theory to define a detection algorithm to warn of hazardous wind shear from these sensors. To achieve robustness, a wind shear detection algorithm must distinguish threatening wind shear from less hazardous gustiness, despite variations in wind shear structure. Statistical analysis methods to refine wind shear detection algorithm robustness are presented. Computational methods predict the ability to warn of severe wind shear and avoid false warning. Comparative capability of the detection algorithm as a function of its design parameters is determined, identifying designs that provide robust detection of severe wind shear     

故障检测的智能决策

 根据Schank的动态记忆理论,研究了信息系统的分类,给出了具有智能性质的决策算法。动态系统的故障检测可归结为系统有故障和无故障,由此给出了故障检测的智能决策算法。许多复杂的故障检测算法可归结为简捷的线性函数正、负的判断,因而可有效降低算法的复杂性。实例验证了故障检测的智能决策算法的有效性。     

基于红外视频的火灾探测算法

视频火灾探测技术成为火灾探测的主要研究方向之一,该技术的难点是保证对火灾准确快速地探测。针对目前视频火灾探测识别率较低、报警时间较长的问题,为了提高火灾识别率,增强算法实时性,本文提出一种红外视频的火灾火焰探测方法,采用带有截止可见光透红外滤波片的摄像头采集现场红外影像,结合火焰的静态和动态特征,对火灾进行准确快速探测,同时,综合运用火焰圆形度和尖角个数变化判据对稳定火焰和非稳定火焰进行区别,实现对火灾的分级报警。实验结果表明,改进算法对火焰识别的准确性高,抗干扰能力较强,并且具有显著的快速性,其处理速度达到20ms/帧,并且系统平均报警时间小于200ms。     

星载GPS测量数据预处理方法研究

针对低地球轨道(LEO)卫星星载全球定位系统(GPS)接收机应用的特点,对星载GPS测量数据误差及其对周跳探测的影响进行了分析,提出TurboEdit数据预处理方法中周跳探测算法的改进算法。在原周跳判断算法的基础上,通过引入与测量数据观测高度角相关的加权系数,将周跳探测与测量误差紧密联系起来。根据观测高度角的变化对测量数据误差进行估计,并根据估计情况对加权系数取值,从而实现对周跳探测算法进行调节,达到降低周跳探测失误率的目的。增加参与定轨计算的观测数据量,提高了低轨卫星连续定轨的能力。通过GRACE编队卫星实测数据对改进算法进行了仿真验证。     

一种新的广义Gamma分布下的SAR图像目标检测算法

针对合成孔径雷达(SAR)图像舰船目标检测中全局广义Gamma分布虚警数量较多的问题,文章采用了一种新的基于核密度估计(KDE)的广义Gamma分布下的SAR图像舰船目标检测算法。新的算法结合了SAR图像的强度分布和空间散布分布,形成新的组合分布。在组合分布的基础上,完成SAR图像目标检测。首先,介绍了广义Gamma的分布模型;然后,通过核密度估计的方法估计各像素点的散布分布,结合散布分布和强度分布形成组合分布,对组合分布采用SISE方程的方法估计广义Gamma分布的参数,根据确定的广义Gamma分布的表达式,求出阈值T的解析式。通过求解逆不完全Gamma函数得到检测阈值,进而完成舰船目标的检测。通过实测SAR图像检测实验,对比文章算法与双参数检测算法和基于广义Gamma分布检测算法,验证了该算法的适用性。     

绝对同相支路输出的GNSS欺骗检测

针对功率随时间变化,载波同步欺骗场景下,传统检测算法的欺骗检测性能不理想的问题,提出了一种基于绝对同相支路输出求和(SAIBO)的欺骗检测算法,为改善欺骗检测性能,进一步提出了SAIBO滑动平均(SAIBO-MA)算法。SAIBO-MA算法的构建过程使用接收机跟踪环的同相支路的输出结果取绝对值后求和形成SAIBO检测量,再做滑动平均处理后得到SAIBO-MA检测量。实验使用德克萨斯大学奥斯汀分校的德州欺骗测试电池(TEXBAT)的场景7(DS7)为数据集,比较并分析所提算法与传统算法的检测概率、欺骗判决数目和稳健性等欺骗检测性能。实验结果表明,SAIBO-MA具有更高的检测概率和检测精度、更好的即时性和稳健性以及更宽的检测范围。提出的SAIBO-MA算法克服了传统算法的缺点,具有更优的欺骗检测性能。     

基于注意力机制和特征匹配的空对地多目标检测与跟踪算法

多目标跟踪算法是实现无人机自主导航的关键技术，为解决现有方法存在的小目标检测能力弱、计算能耗大、鲁棒性差等问题，提出一种基于注意力机制和特征匹配的多目标空对地跟踪算法，以实现航拍视角下对目标的精准高效跟踪。首先，引入通道可分离卷积，实现目标检测模型的轻量化；其次，构造融合空间注意力机制的小目标检测分支，提高对小微目标的检测精度，最后，优化目标跟踪算法的外观重识别网络，提高多目标跟踪效率。使用Visdrone2019-MOT数据集对所提算法进行验证，实验结果表明，所提算法的MOTA值提高了0.６%，FPS值为21.31帧/s，在模型大小和跟踪精度上实现了较好的平衡。     

基于红外视觉/激光雷达融合的目标识别与定位方法

近年来,基于可见光图像的目标识别在无人车感知领域得到了广泛应用.然而,可见光图像目标识别无法应用于弱光和黑暗环境.针对于此,提出了一种基于红外视觉/激光雷达融合的目标识别与定位算法.首先,通过基于颜色迁移的数据增强训练方法,提高了红外目标识别算法的泛化性能.继而,提出了一种基于激光雷达修正的单目深度估计方法,通过视觉图像与激光雷达点云的数据融合,实现了基于稠密深度图对目标位置的估计,提高了对小目标的定位能力.试验结果表明,与传统Yolov3目标识别算法相比,该算法平均识别准确率可提升5.8％;此外,相对定位算法将包含小目标在内的物体相对定位精度提高了13.4％.     

基于CenterNet 的航空遥感图像目标检测

为实现高精度的航空图像目标检测，将Anchor free 的目标检测算法CenterNet 应用到检测中，同时 使用Resnet50 主干网络，并引入CIoU 损失替代原有损失函数对网络模型做出了改进。改进后的算法在RSOD 与DIOR 数据集上进行测试，结果显示在保证网络轻量化的前提下检测精度有明显的提高，证明了算法在航空 目标检测方面的可行性与准确性。