信息融合图像识别算法及其在三维飞机图像识别中的应用研究

将D S证据推理与不变矩理论相结合,提出了信息融合图像识别算法,并应用于三维飞机图像的识别。构造了基本置信指派函数,建立了分类规则,针对Dempster组合规则只适用于高置信度、低冲突性的情况,应用可解决证据冲突的加权分配冲突法及吸收法,完成了三维飞机图像识别的仿真,比较了3种组合规则的识别效果,结果表明吸收法识别率最高。     

红外与可见光图像融合的空间碎片识别方法

针对暗弱空间环境中空间碎片的识别问题,提出了一种光照不均匀环境中的空间碎片识别方法。不同于现有识别方案,该方法从光照不均匀导致空间碎片图像源细节丢失造成识别性能下降的角度出发,首先将空间碎片的红外和可见光图像进行深度融合,并建立空间碎片融合图像数据库,然后基于训练样本采用深度学习技术训练得到空间碎片识别模型。算法分析表明,该图像融合方案具有高度的细节保留能力,识别模型具有在暗弱环境中高精度目标识别能力。最后进行了仿真实验,实验结果表明,该识别方案在姿态变化、图像源亮度变化等干扰条件下都具有较好的鲁棒性。     

基于D-S证据理论和不同子神经网络集成的磨粒识别

针对磨粒识别问题,建立了基于D-S证据理论的集成神经网络磨粒融合诊断方法.首先对特征参数进行优化分组,然后对每一组建立对应的分类子神经网络,分别采用径向基函数(RBF)神经网络和反向传播(BP)神经网络进行识别,得到初步的诊断结果,经过归一化后作为2组基本概率分配函数,最后运用D-S证据理论进行融合得到最终识别结果.算例分析表明,基于D-S证据法和集成神经网络的磨粒融合识别方法比单个诊断方法具有更高的准确性.     

基于PNN-DS信息融合模型的目标识别方法

针对目标识别中常用BP—DS信息融合方法识别率低,运行速度慢,抗噪性差等问题,提出一种基于PNN网络和DS证据的信息融合方法。该方法不仅综合了证据理论在处理不确定信息方面的优点和神经网络在数值逼近上的长处,利用神经网络和证据推理算法获取了基本概率赋值,同时突出了PNN网络在处理多传感器信息的准确性和运算速度上都要优越于BP网络的特点。     

末制导DBS图像匹配方法研究

提出了一种适于工程应用的末制导DBS图像匹配方法,采用DBS成像,结合目标场景中强散射点的空间位置关系实现基于模板的目标场景匹配,快速定位及打击目标,较好地解决了末制导成像识别及定位问题。实测数据仿真结果表明,基于模板的DBS图像匹配算法可抑制多种图像畸变,具有较高的匹配可靠性和匹配精度,满足了雷达导引头DBS图像识别的工程使用要求,具有较强的实用价值。     

证据冲突下自适应融合目标识别算法

 利用证据理论对空中目标识别系统的观测信息融合时,Dempster规则对低冲突信息的融合结果较为理想,但无法对高冲突信息有效融合。Dubois &; Prade(DP)规则及证据折扣法可对高冲突信息进行合理融合。为使不同融合方法发挥各自优势,提出一种自适应融合算法。首先将矛盾因子和证据距离两者结合以更全面地表示证据冲突程度,当冲突较小时,选用Dempster规则,反之,根据冲突的具体情况选择使用DP规则或证据折扣法。通过目标识别实验对多种算法进行了对比,表明本文算法既能对高冲突证据进行合理融合,又能使融合结果快速收敛,可以有效地提高识别速度及正确率。     

基于云模型和改进D-S证据理论的目标识别决策方法

在目标识别决策系统中,多探测器多源信息融合的模糊性和不确定性以及各探测周期所得信息的冲突互斥会造成目标识别决策不精准。为解决这一问题,提出基于云模型和改进D-S （Dempster-Shafer）证据理论的目标识别决策方法。首先,将目标识别准确性这一语言评价值划分为不同评价区间等级,以不同评价等级标准云为参照将各探测器各探测周期所得信息转化为云决策矩阵,得出各周期各等级隶属度,进而构建出基本概率分配函数（mass函数）;其次,基于证据理论引入冲突度、差异度、离散度3类衡量冲突大小的参数,定义了一种新的证据冲突参数,同时改进证据冲突融合算法,对各探测器各周期证据体进行修正并融合;再次,结合各探测器权重加权得出各目标综合识别决策的mass函数对目标进行决策;最后,结合算例,验证该方法的适用性,并与其他方法相对比验证了本文方法的优越性。     

基于神经网络自适应动态逆的结冰飞机飞行安全边界保护方法

考虑到飞机带冰飞行的安全问题，对结冰飞机进行安全边界保护成为一种有效的解决手段。基于神经网络自适应动态逆跟踪性能好、鲁棒性强的优点，提出了以安全关键飞行参数限制值作为神经网络自适应动态逆的输入，获取可用舵面偏转角的边界保护方法。建立了飞机本体动力学模型，采用高精度的数值模拟方法获得结冰数据库。设计了神经网络自适应动态逆控制律，通过在动态逆环节引入单隐层神经网络，对不确定性逆误差进行自适应补偿，增强了控制系统的鲁棒性。以俯仰姿态保持模式为例设计了结冰飞行闭环安全边界保护系统。以结冰飞机最小平飞速度的估算值作为飞机最低飞行速度，设计自动油门控制系统，实现对飞行速度的保护。通过仿真验证了设计的控制律具有较强的鲁棒性。对结冰严重程度线性增加情形下飞机状态参数的动态响应进行了分析。仿真结果表明，所设计的结冰边界保护系统，能够实现飞机在容冰飞行过程中对安全关键参数如迎角、飞行速度的实时保护。     

飞机尾旋三维测量试验的改进方法

飞机尾旋试验是研究飞机进入尾旋特征以及提出如何改出尾旋的方法。传统测量飞机尾旋运动姿态的实验自动化程度低、人工操作复杂费时,因此针对这些问题开发了一套基于特征点测量的改进方法。主要是基于机器视觉的三维测量原理,能动态测量飞机模型的三维特征点并计算出模型的各个姿态角度。在标记检测时采用了新的标记检测方法,提高了标记布局及图像识别的灵活度;姿态角的计算是根据坐标系转换而得到的。根据改进方法研制的系统操作简单、整个测量过程只需30min左右;并且数据有效率控制在90％以上;姿态角的精度控制在±1°以内。该系统在中国空气动力研究与发展中心立式风洞中的飞机自由尾旋实验中得到了很好的应用。     

机载探测设备目标识别算法的研究

针对机载探测设备多传感器系统具有多目标,大量观测数据的特点,提出了一种基于Demp-ster-Shafer（D-S）证据理论和主观Bayesian方法组合的数据融合算法。在数据融合过程中,为保证融合的实时性,融合系统采用时域融合和空域融合相结合的方法,首先对相同传感器的各次抽样值进行时域融合,然后传感器之间的融合采用D-S方法进行融合;最后,其融合结果经概率转化后,与来自于ELINT（Electronic Intelligence）的信息通过主观Bayesian方法进行识别级融合。最后给出一个实例,经过仿真计算证明了该算法的可行性和实用性。     

Weighted marginal fisher analysis with spatially smooth for aircraft recognition

Due to limitations to extract invariant features for recognition when the aircraft presents various poses and lacks enough samples for training, a novel algorithm called Weighted Marginal Fisher Analysis with Spatially Smooth （WMFA-SS） for extracting invariant features in aircraft rec- ognition is proposed. According to the Graph Embedding （GE） framework, Heat Kernel function is firstly introduced to characterize the interclass separability when choosing the weights of penalty graph. Furthermore, Laplacian penalty is applied to constraining the coefficients to be spatially smooth in this algorithm. Laplacian penalty is able to incorporate the prior information that neigh- boring pixels are correlated. Besides, using a Laplacian penalty can also avoid the singularity of Laplacian matrix of intrinsic graph. Once compact representations of the images are obtained, it can be considered as invariant features and then be performed in classification to recognize different patterns of aircraft. Real aircraft recognition experiments show the superiority of our proposed WMFA-SS in comparison to other GE algorithms and the current aircraft recognition algorithm; the accuracy rate of our proposed method is 90.00% for dataset BH-AIR1.0 and 99.25% for dataset BH-AIR2.0.     

基于光照模糊相似融合不变矩的航天器目标识别

针对航天器目标识别中现有的光照变化和图像模糊条件下几何仿射不变矩识别不稳健问题,根据灰度光照模型,结合图像模糊和不变矩的基本理论,提出了一种光照模糊不变量,与几何仿射不变矩进行融合,构建出一种新的光照模糊相似融合（CIBA）不变矩,并从理论上证明了光照、模糊和相似变换（平移、缩放和旋转）不变性。对3种不同的航天器目标的识别实验表明,光照模糊相似融合不变矩在最小距离分类器中的识别准确率达到了86.37%,比几何仿射不变矩提高了94.00%,比具有光照不变性的几何仿射不变矩提高了24.54%,有效地解决了对不同位姿、不同光照模糊条件下的航天器目标识别问题,提高了基于矩的目标识别鲁棒性。     

具有几何和光照不变性的不变矩构建研究

为了解决现有的光照变化条件下仿射不变矩识别不稳健的问题,提出了一种归一化光照仿射不变矩,即采用一种光照模型,基于Jan Flusser仿射不变矩,推导出一种归一化光照仿射不变矩,并且从理论上证明了该方法在各种仿射变换下的稳健性,然后通过对比实验验证了该方法在光照强度、方向和颜色改变下的不变性.实验结果表明,与当前主流的光照不变矩方法相比,该方法不仅适合灰度图像也适合彩色图像,在光照方向改变下,图像的倾斜运动中识别度提高了35％;在线性光照强度改变下,图像的倾斜运动中识别度提高了85％;在光照颜色改变下,图像的平移和旋转运动中识别度提高了7.8％;以多种卫星模型图像为实验对象,在光照改变下,彩色图像和灰度图像的识别度平均提高了36％以上,且计算简单,更适合于航天器目标的识别.     

Feature enhancement and ATR performance using nonquadratic optimization-based SAR imaging

We present an evaluation of the impact of a recently proposed synthetic aperture radar (SAR) imaging technique on feature enhancement and automatic target recognition (ATR) performance. This image formation technique is based on nonquadratic optimization, and the images it produces appear to exhibit enhanced features. We quantify such feature enhancement through a number of criteria. The findings of our analysis indicate that the new feature-enhanced SAR image formation method provides images with higher resolution of scatterers, and better separability of different regions as compared with conventional SAR images. We also provide an ATR-based evaluation. We run recognition experiments using conventional and feature-enhanced SAR images of military targets, with three different classifiers. The first classifier is template based. The second classifier makes a decision through a likelihood test, based on Gaussian models for reflectivities. The third classifier is based on extracted locations of the dominant target scatterers. The experimental results demonstrate that the new feature-enhanced SAR imaging method can improve the recognition performance, especially in scenarios involving reduced data quality or quantity.     

基于形态自适应网络的无人机目标跟踪方法

针对无人机影像目标跟踪过程中常出现的目标方向变化、目标遮挡变化、样本多样性不足等问题,提出了一种基于形态自适应网络的无人机航空影像目标跟踪算法。首先使用基于数据驱动的方法对数据集进行扩增,添加了遮挡样本和多旋转角度样本,提高样本多样性;提出的形态自适应网络模型通过旋转不变约束改进深度置信网络,提取强表征能力的深度特征,使得模型能够自动适应目标形态变化,利用深度特征变换算法获取待检测目标的预定位区域,采用基于Q学习算法的搜索机制对目标进行自适应精准定位,使用深度森林分类器提取跟踪目标的类别信息,得到高精度的目标跟踪结果。在多个数据集上进行了对比实验,实验结果表明该算法能够达到较高的跟踪精度,可以适应目标旋转、目标遮挡等形态变化情况,具有较好的准确性和鲁棒性。     

表面粗糙的复杂目标全极化ISAR图像快速仿真

为了获取基于模板图像的车辆、飞机等复杂目标识别所需的海量高质量逆合成孔径雷达(ISAR)图像,提出了表面粗糙的复杂目标全极化ISAR图像快速仿真方法。该方法预先对车辆和飞机等复杂目标表面粗糙程度进行分级定量描述,并以改进的射线弹跳法和等效边缘流法快速预估来自目标粗糙表面的镜面反射和多次反射贡献以及细分边缘的绕射贡献,经相干叠加获得目标的精确电磁散射数据,最后进行成像处理得到高质量全极化ISAR图像。标准体、飞机和车辆目标的仿真实验结果验证了该方法的准确性和有效性。     

民用航空器注册号识别的鲁棒性方法研究

为了提高空管自动化水平并降低运行成本,提出一种基于计算机图像处理技术的民用航空器注册号识别方法.首先将全局阈值分割算法与形态学分割算法结合,实现对航空器图像中注册号的精确定位.然后采用主成分分析法解决注册号倾斜校正问题,并分别针对粘连和非粘连情况的注册号字符进行有效切割.最后利用基于特征提取的模板匹配算法,完成对注册号字符的准确识别.在此基础上,基于MATLAB搭建实验测试平台对上述方法进行仿真验证.实验结果表明,方法能够针对不同角度拍摄的航空器图像快速、准确地识别其注册号,单幅图像识别耗时在0.5 s左右.相比于其他方法,在图像拍摄方面要求较低,有效性与鲁棒性较高,计算速度较快,可以满足实时监控的需求.     

An online ensemble semi-supervised classification framework for air combat target maneuver recognition

Online target maneuver recognition is an important prerequisite for air combat situation recognition and maneuver decision-making. Conventional target maneuver recognition methods adopt mainly supervised learning methods and assume that many sample labels are available. However, in real-world applications, manual sample labeling is often time-consuming and laborious. In addition, airborne sensors collecting target maneuver trajectory information in data streams often cannot process information in real time. To solve these problems, in this paper, an air combat target maneuver recognition model based on an online ensemble semi-supervised classification framework based on online learning, ensemble learning, semi-supervised learning, and Tri-training algorithm, abbreviated as Online Ensemble Semi-supervised Classification Framework (OESCF), is proposed. The framework is divided into four parts: basic classifier offline training stage, online recognition model initialization stage, target maneuver online recognition stage, and online model update stage. Firstly, based on the improved Tri-training algorithm and the fusion decision filtering strategy combined with disagreement, basic classifiers are trained offline by making full use of labeled and unlabeled sample data. Secondly, the dynamic density clustering algorithm of the target maneuver is performed, statistical information of each cluster is calculated, and a set of micro-clusters is obtained to initialize the online recognition model. Thirdly, the ensemble K-Nearest Neighbor (KNN)-based learning method is used to recognize the incoming target maneuver trajectory instances. Finally, to further improve the accuracy and adaptability of the model under the condition of high dynamic air combat, the parameters of the model are updated online using error-driven representation learning, exponential decay function and basic classifier obtained in the offline training stage. The experimental results on several University of California Irvine (UCI) datasets and real air combat target maneuver trajectory data validate the effectiveness of the proposed method in comparison with other semi-supervised models and supervised models, and the results show that the proposed model achieves higher classification accuracy.     

基于合作目标和视觉的无人飞行器全天候自动着陆导引关键技术

 GPS受他国控制和易受干扰对基于该导航系统的无人飞行器导航和着陆具有潜在危险,为了使其安全自动着陆,提出通过在着陆跑道(广场或公路)上预设具有受控发射红外光的地面合作目标,实现无人飞行器的视觉全天候自动精确着陆新技术。首先研究得到切实可行的工作过程;然后研制了合作目标,通过理论分析和实验得出,无论能见度高低,8~12 μm中远红外视觉系统探测到的合作目标图像质量远优于可见光视觉系统,研究得到合作目标和背景的温差在170~200 ℃时,成像效果最好。在识别研究中发现,基于传统的不变矩算法对合作目标的识别可靠性稍差,为了进一步准确地识别合作目标,又提出了基于方向链码的合作目标识别算法,该方法的耗时为不变距的96%,但是识别的可靠性比前者有显著提高。     

Visual inspection of aircraft skin: Automated pixel-level defect detection by instance segmentation

Skin defect inspection is one of the most significant tasks in the conventional process of aircraft inspection. This paper proposes a vision-based method of pixel-level defect detection, which is based on the Mask Scoring R-CNN. First, an attention mechanism and a feature fusion module are introduced, to improve feature representation. Second, a new classifier head—consisting of four convolutional layers and a fully connected layer—is proposed, to reduce the influence of information around the area of the defect. Third, to evaluate the proposed method, a dataset of aircraft skin defects was constructed, containing 276 images with a resolution of 960 × 720 pixels. Experimental results show that the proposed classifier head improves the detection and segmentation accuracy, for aircraft skin defect inspection, more effectively than the attention mechanism and feature fusion module. Compared with the Mask R-CNN and Mask Scoring R-CNN, the proposed method increased the segmentation precision by approximately 21% and 19.59%, respectively. These results demonstrate that the proposed method performs favorably against the other two methods of pixel-level aircraft skin defect detection.