地面目标识别特征影响因素分析

地面目标可见光识别特征主要包括形状、颜色、亮度等。研究表明地面目标的可见光辐射主要是反射太阳辐射,目标与背景在可见光波段的亮度对比取决于目标与背景的反射率。大气气象条件是影响目标识别特征的主要因素。     

基于滑坡区域颜色特征模型的SVM遥感检测

滑坡区域遥感检测与识别在灾情提取、救援决策和防灾减灾等方面都有着巨大的应用前景。针对滑坡遥感检测中目标颜色特征化模型不准确,对滑坡区域检测识别效果不够理想等问题,提出一种基于滑坡区域颜色特征模型的支持向量机(supportvectormachine,SVM)遥感检测方法。根据光谱学和色度学的基本理论,建立滑坡区域红绿蓝特征获取方法,以多光谱图像为基础,通过典型样本分析,确立目标/背景颜色特征化数字模型和有效边界。将该模型生成训练样本用于滑坡区域SVM检测模型训练,再将训练好的分类器用于滑坡区域的检测识别,在此基础上根据滑坡基础形状模型的轴向长宽比、面积参数和不变矩等典型形状特征指标对滑坡区域进行目标精确分类与识别。利用九寨沟地震后获取多光谱遥感图像进行了滑坡区域检测识别效果对比试验,试验结果表明,该方法能有效识别遥感图像中的滑坡样本点,对滑坡区域的识别精度由传统方法的90%左右提高到97.03%。     

双波段红外导引头

GEC传感器公司研制了一种双波段成像辐射计,它有希望成为自动目标识别的一个关键.双波段成像辐射计的一大优点是能用两种红外波长同时感测信号,将两种信号比较后,就可获得足够精确的用于自动目标识别的温度和温度梯度.目标的“指纹档案”也     

超多谱段成像技术

为适应现代战争和打击恐怖分子的需要 ,美国的实验室研究人员正在研发或业已研发成功一些高新技术 ,以提高情报搜集和军事作战活动的效能 ,如“超多谱段成像”(ｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｉｎｇ)技术。现有的黑白图像和彩色图像尽管很有用 ,但仍有不足之处 :它们却不能识别经过伪装的设施 ,如指挥所和武器阵地。专家认为“超多谱段成像”新技术将能解决这一难题。与传统的相机或热成像仪相比 ,超多谱段成像仪可以更详细地检测出目标的辐射或反射能量 ,最后得出有数百种不同颜色的图像 ,人们将从这些颜色的细微差别中 ,轻易地识别出…     

多波段红外目标的空谱关联检测算法

针对高速运动空中目标在远距离探测过程中能量微弱、信噪比低的问题,本文提出了多波段红外目标的空谱关联检测算法.首先利用目标的红外成像特性实现噪声滤除、目标增强与背景抑制,提升图像对比度,并利用连通域分割方法实现潜在目标区域提取.在此基础上,构建目标和背景的多波段光谱特征库,采用RX异常检测算法有效剔除单一波段的虚警,得到...     

面向高光谱图像的目标检测研究

现有的高光谱目标检测方法是通过逐像素分类而实现,导致了检测速度缓慢。物体级目标检测的发展为高光谱图像实时目标检测带来了希望。为了实现实时高光谱图像目标检测,文章提出了一种基于目标检测模型YOLO的卷积神经网络算法。首先,该算法提出了用多尺度光谱注意力网络（Res2NetSE）来提取空谱特征,能够提升多尺度目标检测效果并能更有效地提取关键波段信息;其次,该算法提出了一个空间增强的特征金字塔模块（Spatial Enhanced FPN,SFPN）用于特征融合,提升了神经网络的感受野和多尺度性能;最后,该算法设计了FIOU(Fantastic IoU)损失函数,提升了预测框定位精度。实验结果表明,所提出的算法能够有效提取空间域和光谱域信息特征,分别在平均准确率上提升了14.19%、8.01%和5.38%,与现有方法相比表现出更出色的性能。文章的算法为高光谱图像的物体级目标检测提供了一种有效的解决方案,有望推动高光谱图像分析领域的进一步发展。     

采用最大似然人工神经系统(MLANS)的多传感器自动目标识别与敌我识别

自动目标识别及与其相关的非合作式敌我识别问题通常要求将多传感器信息融合到一个统一的战场图像中。当前解决这个问题的途径是分步进行的：首先检测目标；接着估计目标的航迹，并采用这些航迹进行多传感器信息相关或关联；经过关联的信息被综合到一体化的图像中并进行目标识别．将复杂的问题分解为几个较小的问题分步解决的缺点是每一步仅能利用部分信息。例如，从杂波中检测出目标不可能在单独传感器的一帧内完成，而且它所要利用     

基于流形学习的多光谱优化波段选择算法研究

为从多光谱图像特征提取的角度进行优化波段选择,在充分描述数据结构特征的同时使提取选择的特征有明确的物理意义,对基于流形学习算法的优化波段选择算法进行了研究。用判别局部排列(DLA)算法对多光谱数据进行预处理,选取正负样本,利用样本信息,以目标分类为目的进行特征提取。利用特征提取的结果,从特征提取的角度分析当前各谱段对所提取的主特征贡献的总信息量和贡献率,给出了基于权值和基于贡献率的两种优化波段选择算法,分别基于权值和贡献率进行特征选择。用正负样本的可分性可快速高效降维,同时又能保留多光谱图像原物理特性。实测数据验证了优化降维后的5个谱段能保留原数据的物理特性,目标识别概率提高约2%,计算复杂度降低约50%。优化选择的谱段有助于新一代多光谱探测器的研制和应用。     

多源图像融合技术的发展与军事应用研究

多源图像融合能根据各波段传感器获得信息的互补性和冗余性,综合多个传感器的信息,获取对同一目标或场景全面而详尽的表述,从而得出更为准确、可靠的结论.首先分析了多源图像融合的主要研究内容,进而探讨了发展现状和存在的问题,在此基础上,总结了图像融合中常用的传感器和应用方向.     

基于改进Hough算法的高光谱数据直线检测方法研究

为改进用于高光谱数据直线检测的传统Hough算法的计算量大、性能较低等不足,对一种基于改进Hough算法的检测方法进行了研究。用能反映地物信息体量的峰值信噪比选择波段,选出10个波段图像,既减少了输入波段数,又确保后续识别能考虑所有波段的光谱信息。对光谱相似性测度进行了改进,采用光谱信息散度与光谱角制图法混合度量(SID-SAM)检测图像边缘轮廓,获得特征点。再仿照传统Hough算法进行直线检测以得到结果。给出了算法的处理步骤,算法适于二维图像和高光谱图像的处理。实验检测结果表明:对二维图像,改进Hough算法识别出的直线数量远多于传统Hough变换,且提取的直线精度和完整性均有较大改善;对高光谱图像,与二维Hough算法相比,改进Hough算法所获结果的置信率高、准确性好,不仅可提高提取直线的完整性,而且能检测到前者无法检测到的部分。     

高光谱遥感数据特征挖掘技术研究进展

从目标空间尺度和传感器空间分辨率的相对大小,把高光谱遥感图像目标检测、识别与分类中的特征挖掘问题划分为多像元、单像元和亚像元3个层次,因而更具自然特性也更适合特征挖掘和目标分类与识别技术的分析。把高光谱遥感图像特征挖掘方法归纳为以保留波段物理意义为主要目的的特征选择、以综合利用所有观测数据信息为主要特色的特征提取,和考虑亚像元多目标混合信息的特征混合3大类。重点且简明地从高光谱遥感数据光谱曲线与光谱特征、特征提取、特征选择以及特征混合分析几个方面综述高光谱遥感数据/图像的特征挖掘技术的研究进展并通过热点问题展望其未来的发展趋势。     

固体火箭发动机地面试验故障图像的目标检测

把数字图像处理技术引入到固体火箭发动机地面试验中,为固体火箭发动机地面试验的故障分析提供一种新方法。文中基于开展数字图像处理工程研究的基本思路主线,即图像预处理-图像分割-图像分析及目标检测,进行了固体火箭发动机地面试验图像预处理、固体火箭发动机地面试验故障图像分割和固体火箭发动机地面试验故障图像的喷出物检测的研究。结果表明,数字图像处理技术对固体火箭发动机地面试验图像处理很有效。     

多光谱图像无失真压缩的方法研究

在研究无失真压缩理论和多光谱图像特性的基础上,提出了一种新的基于波段排序的谱空间预测算法(BRSS: Band Reordering Spectral and Spatial),结合Huffman编码完成了对多光谱图像的无失真压缩,和其它几种预测方法相比,BRSS有显著的优越性。     

多光谱图像无失真压缩的方法研究

在研究无失真压缩理论和多光谱图像特性的基础上,提出了一种新的基于波段排序的谱空间预测算法(BRSS:Band Reordering Spectral and Spatial),结合Huffman编码完成了对多光谱图像的无失真压缩,和其它几种预测方法相比,BRSS有显著的优越性.     

美国研发新型移动目标跟踪雷达系统

诺斯罗普·格鲁曼公司为美空军“多平台插入计划”(MP -RTIP)研发的传感器是一种新型跟踪地面移动目标和巡航导弹的机载雷达 (MP -RTIP雷达 )。MP -RTIP雷达是一部模块化、可扩展的X波段有源电扫描阵列雷达 ,它同时具备SAR和地面动目标指示 (GMTI)模式。该雷达是为更新J -STARS(联合监视目标攻击雷达系统 )现用机载雷达而研发的 ,其观察作战空间与J -STARS相同 ,但能以更快速率更新地面动目标位置数据。MP -RTIP雷达既能探测和分类地面目标 ,又可利用雷达的先进工作模式较长时间地进行测量。目前 ,J-STARS先收集GMTI…     

基于遥感图像的无固定标志点卫星自主定轨

目前基于事先选取地面标志点的卫星自主导航可能会造成误匹配和漏匹配,并且不包含地标点的遥感图像也有可能存在导航信息。为了解决这两个问题,本文提出了一种不依赖事先标定地面标志点的自主导航方法,通过YOLOv3深度学习对获得的遥感图像进行目标识别缩小图像匹配区域,将识别后的目标区域进行图像匹配获得匹配特征点及其像平面坐标,最后利用成像模型计算特征点的地理坐标用于自主导航。仿真结果表明:本文方法相比于有控点精度更高,平均误差为31.943 8 m,平均速度误差为0.038 4 m/s。在引入测角信息与本文所提出的无地面标志点构成多源信息情况下,可以较为快速准确地实现航天器自主定轨。     

用于目标识别跟踪的雷达/红外成像双模传感器数据融合技术

目标识别和跟踪是模式识别领域的一重要研究内容。基于单传感器（ 雷达或红外成像） 的系统存在着局限性， 分析了多传感器信号融合的必要性， 介绍了目标识别和跟踪系统进行多传感器信号融合的方法（ 特征层融合、决策层融合）及其在提高目标识别和跟踪的可靠性和抗干扰性方面的优势。介绍了基于智能模型和基于多层前向网络的目标识别算法。     

地基雷达探测方位对目标识别的影响研究

导弹防御系统的地基X波段雷达和海基X波段雷达是进行目标识别的主要传感器,它们只有在探测到目标以后才能通过记录目标的相关特性,进行目标识别。由于雷达探测的方向不同,探测到的目标散射截面也不同,因此,在导弹突防过程中,可通过调整弹头的飞行姿态,改变雷达探测方位,从而最大限度地减小目标散射截面,最终影响雷达识别目标的效果。     

多光谱图像无失真压缩的方法研究

在研究无失真压缩理论和多光谱图像特笥的基础上，提出了一种新的基于波段排序的谱空间预测算法（BRSS：Band Reordering Spectral Spatial），结合Huffman编码完成了对多光谱图像的无失真压缩，和其它同种预测方法相经，BRSS有显著的优越性。     

一种卫星多光谱图像亚像元波段配准精度自动评价方法

多光谱图像波段配准精度是多光谱影像数据的一项重要指标。文章实现了一种基于相位一致特征的多光谱图像亚像元波段配准精度自动评价方法。通过对CBERS-02B卫星CCD多光谱图像波段配准精度自动评价,表明该方法对于亮度和对比度具有不变性,能均匀稳定提取多光谱数据不同波段影像大量同名特征匹配点,自动给出影像的不同区域的亚像元配准精度,实现对整景影像数据的较为完整准确评价。根据评价结果进行了地面处理系统校正,使行列方向除局部区域外均达到配准精度。