星载合成孔径雷达图像的飞机目标检测

针对大场景下星载合成孔径雷达(SAR)图像中飞机目标检测问题,提出一种端到端的飞机目标检测算法。先在大场景SAR图像中对机场目标进行粗检测,定位机场区域,再通过精确分割算法获得机场的精细区域。对机场区域中的飞机目标进行检测,采用一种基于Canny算子的边缘检测与卷积神经网络结合的飞机目标检测算法。通过飞机边缘检测、边界框预处理等操作确定潜在飞机目标在机场中的位置范围,采用基于GoogLeNet的卷积神经网络对可疑目标进行鉴别。利用星载合成孔径雷达数据对算法进行验证,证明该方法的有效性与实用性。     

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%。     

基于图像映射的玫扫系统目标重心定位技术研究

为克服玫瑰扫描系统采样点不均匀、欠采样等问题带来的目标重心定位误差,基于玫瑰扫描系统原理和传统目标重心计算方法,引入图像图形概念,提出了一种基于图像映射的目标重心确定方法。先根据玫扫采样点位置和辐射值等信息将目标映射至二值图像,映射过程中保持原图像的边界、内部属性和相对关系不变,从而确定目标形状。在计算图像区域重心前先进行预处理以消除图像边界残缺。对目标边界点进行离散化处理,求取不规则图形重心,再根据映射法则反求出目标在玫扫视场中的重心位置。当多目标或干扰可被分离时,该法还能用于视场中出现多目标或干扰的重心定位。数字仿真结果表明:用基于图像映射法确定的目标重心精度显著优于传统处理方法。     

复杂背景中红外弱小目标检测技术研究

对复杂背景中红外弱小目标检测识别的一种图像处理技术进行了研究。用最大中值滤波进行预处理以抑制孤立噪声影响,采用时域方差滤波抑制背景信息,对滤波后的图像根据直方图信息进行自适应二值化处理,由多帧轨迹确定目标。用实验与基于形态学算子滤波的目标检测算法进行了比较,结果表明该算法能获得较满意的目标检测结果,两种滤波方法的组合可有效提高信噪比。     

一种基于“熵图”的红外海天目标潜在区域选取方法研究

为后续能更快地识别目标,对一种基于"熵图"的红外海天目标潜在区域选取方法进行了研究。分析了红外海天背景图像灰度值分布特点,引入熵图概念。进一步分析了红外海天背景图像的熵图特点,提出了一种能适当选取海天背景中目标潜在区域的方法。先用半径为R像素的圆形窗口在原始图像上滑动,将窗口中心点的灰度值用该窗口的局部方差加权信息熵替代求取熵图,初步确定海天线区域;对所得熵图再求取一次熵图,以消除天空云层边缘、海平面波浪、海天线部分的干扰;将两次求得的熵图的对应元素相乘得到新熵图,增大目标潜在区域的灰度值,减小其他干扰部分的灰度;寻找亮度最大点为中心的圆形区域就是目标潜在区域。实验表明:用该方法选取目标潜在区域有较强的适应性,选取的目标区域范围较小,可显著减小后续目标识别中的计算量。     

一种新的无人机监控图像实时目标识别算法

提出一种新的无人机监控图像实时目标识别算法。首先将获取的无人机监控图像应用自适应阈值分割将其转换为二值图像。对二值图像进行形态学处理,定位潜在目标出现的位置。最后对潜在目标区域再次应用局部自适应阈值分割获取目标,同时给出每个目标的图像坐标位置。飞行试验表明该算法保证实时性的情况下,有较高的识别正确率。     

基于改进YOLOv3的SAR舰船图像目标识别技术

合成孔径雷达(SAR)图像自动目标识别(ATR)技术是人工图像解译的关键技术之一。针对传统的SAR舰船目标检测算法大多受限于场景且泛化能力较差的问题,设计了一种基于改进YOLOv3网络的检测模型。将YOLOv3与DenseNet网络融合,使用稠密网络模块代替用于提取中小尺度特征的残差网络模块,通过训练得到模型的最优权重,实现端到端的目标检测。使用综合交并比(GIoU)损失代替交并比(IoU)边界框回归损失,提供更加准确的边界框位置信息,提高检测精度,采用中国科学院空天信息研究院制作的SAR图像船舶检测数据集进行测试。测试结果表明:与原YOLOv3算法相比,改进后的YOLOv3检测准确率提高了1.4%。     

航天器自主交会对接的高精度目标定位方法

根据航天器自主式交会对接的实际应用背景和技术需求,针对交会对接过程中所要求的高精度、实时性和强抗扰的技术指标,在合作目标特性分析的基础上,将高斯曲面拟合与双线性插值相结合,提出了一种高精度的合作目标定位方法。首先根据目标图像的灰度分布进行双线性插值和高斯曲面拟合,在此过程中可同时利用目标原有像素和插值点的亚像素信息,使拟合曲面各幅值点的坐标精度达到亚像素级,以确定目标的中心位置。仿真图像和实拍图像的试验结果表明,此定位方法具有亚像素级的定位精度,其总体定位误差可达到1/20个像素左右,并能满足实时性要求,可以在航天器交会对接与空间遥操作等方面的应用中发挥重要作用。     

分形理论在目标检测与识别中的应用研究进展

自20世纪70年代分形几何的概念提出以来,分形理论已被广泛应用于自然科学、社会科学和工程技术等领域,分形几何方法的引入使一些蓬勃发展的新学科获得了巨大的推动力,分形几何和目标检测与识别领域的结合就是一个明显的例证。在简要介绍分形理论的基础上,主要从一维序列分形分析和分形图像处理两个方面对分形理论在复杂自然背景下的目标检测与识别中的应用研究进展进行了综述,并对其未来发展进行了展望。     

美海军试验近海区域使用的机载超光谱传感器

美海军计划于 2 0 0 3年冬天在日本海各用一架P 3C巡逻机和H 60直升机测试近海区域使用的机载超光谱传感器 (LASH)。美国科学家对该系统能对隐藏目标进行定位和识别抱有很大希望。美军将测试LASH对浅海水下目标和陆地上伪装目标的定位能力 ,并寻求探测在日本海巡逻的日本潜艇。LASH是由STIIndustries有限公司政府系统部研制生产的。它与声学探测系统不同的是利用反射光来照射目标 ,然后用计算机处理图像以分辨人眼不可见的水下或伪装目标的色彩阴影。由于浅海区域布有管道、存在海底反射和海洋生物噪声等问题使得声学探测十分困难…     

一种结合亮温图像和子空间分解的RFI定位算法

射频干扰(radio frequency interference, RFI) 对L波段综合孔径辐射计遥感数据造成了严重污染,降低了产品质量。RFI检测定位是处理RFI的关键步骤。传统的基于亮温图像的定位算法受到仪器角分辨率的限制,无法有效分离相邻的RFI。为了实现更高的空间分辨率,基于子空间分解技术的多信号分类(multiple signal classification, MUSIC)算法被提出。然而,当亮温图像的信噪比较低时,背景和噪声对子空间分解的准确性影响较大,进而降低了MUSIC算法的定位性能。文章通过结合亮温图像和子空间分解两种方法的优点,提出了一种融合改进定位方法。该方法通过在亮温图像域中消除背景场景、增强目标射频干扰,2次提高了图像信噪比,在频域中,利用子空间分解和MUSIC算法实现超分辨率和高精度定位。通过对土壤湿度和海洋盐度（soil moisture and ocean salinity, SMOS）卫星数据进行实验和仿真验证,证明了文章提出的方法在低信噪比情况下优于传统的MUSIC算法和基于亮温的定位算法。此外,在对多个弱RFI源的定位上,该方法的定位精度也优于基于点源波纹的弱RFI检测定位算法。     

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...     

火星探测出舱机构的识别定位与坡度测量

为实现火星探测两器分离过程中出舱机构的坡度测量,提出一种基于立体视觉技术的出舱机构识别定位与坡度测量方法。首先,采用特征匹配的方法对场景中的出舱机构进行识别定位。针对巡视器导航相机成像视角变化以及出舱机构倾角变化导致图像产生几何形变,火星表面光照因素的影响以及巡视器硬件的计算能力,并结合出舱机构自身特点,提出一种区域特征与Blob特征相融合的识别定位方法。采用加速鲁棒性特征（SURF）算法检测图像中的局部不变特征,并用最大稳定极值区域（MSER）算法检测图像最稳定极值区域,两种特征相融合之后构造SURF描述算子并进行特征匹配。同时,采用M估计抽样一致性（MSAC）算法计算对应点变换矩阵,实现出舱机构在场景中的初步定位。然后,通过对出舱机构上人工标志的精确定位以及三维重建,并采用主成分分析法进行平面拟合,实现出舱机构的坡度测量。试验结果表明,该方法对成像视角变化以及光照变化具有鲁棒性,提取的有效特征数以及计算时间均优于尺度不变特征变换（SIFT）算法,基本满足火星探测中出舱机构坡度测量要求。     

边界片段模板方法在空间探测识别中的应用

以对具有复杂边缘的空间目标进行准确的检测识别为目的,提出一种基于边界片段模板(BoundaryFragment Model)训练模式的空间目标识别方法.方法的步骤是:首先从训练集中提取目标的边界片段组成弱分类器;然后使用Adaboost算法将它们提升训练成为强分类器;对方法进行旋转、尺度、视点的不变性增强;最后将训练好的强分类器模板应用到待识别图像上,进行目标的检测识别.实验结果表明,本方法对带有各种旋转,尺度,以及视点变化的具有复杂边缘空间有形目标具有较好的识别效果.     

红外成像导引头目标检测识别共性技术综述

对红外凝视成像导引头目标检测识别中的共性技术进行了综述。讨论了红外弱小目标检测中的先检测后跟踪(DBT)和检测前跟踪(TBD)技术,图像配准技术中的图像匹配、全局运动估计与补偿和运动目标检测,弹道终端目标识别中的图像分割和目标要害选取,红外图像仿真中的目标与背景红外辐射、辐射传输等技术,指出提高成像导引头目标检测识别技术和工程化实现是提高成像制导武器性能的关键。     

利用多尺度小波变换改进PS点目标探测

如何从SAR图像中自动识别出有效的永久散射体（PS）是PS干涉系统中的关键环节之一。小波多尺度积能够反映目标信号与噪声在各频带之间的关联性,可以通过小波多尺度积来凸显目标。小波模极大值法通过搜索尺度空间中的模极大值,并利用信号和噪声不同的尺度特性来定位和识别目标。文章对这两种识别方法进行理论分析和实验对比,使用南京地区ENVI—SAT卫星的单视复图像数据进行了PS点的提取。实验结果表明：基于小波变换的多尺度PS点识别方法能够有效地降低雷达噪声的影像,可以在各种复杂的背景情况下有效地识别PS点。其中,小波模极大值法具有更为稳健的抗噪能力。     

基于变邻域变步长LMS背景预测检测红外小目标

在分析强起伏背景信号的基础上,利用背景局部信号统计特征和目标运动特性,提出了一种基于变邻域变步长LMS自适应背景预测的红外弱小目标检测方法.首先将两类背景交界处像素的邻点按最大类间平均离差准则分成两类,和中心像素点相近的一类构成预测邻域,而背景内部区域采用固定预测邻域;然后提出了一种改进的变步长LMS自适应算法,在所得预测域上进行背景预测,由实际值和预测值相减得到残差图像;最后采用二维Tsallis-Havrela-Charvat熵阈值选取方法对残差图像进行分割,并根据目标运动的连续性和一致性确认真实小目标.针对实际红外图像序列的实验结果表明:该算法能有效地抑制强起伏杂波,增强目标能量,降低虚警率,对强起伏背景下弱小目标具有很好的检测性能.     

基于空间分布特性多层RX高光谱点目标检测

针对目前高光谱图像异常点目标检测过程中准确率低和虚警率高的问题,本文结合目标的空间分布特性,提出了一种多层级RX检测方法。通过计算被检测区域图像谱向相似性响应图,采用非线性抑制的方法,突出点目标并抑制背景。为进一步提高检测算法的表达能力和泛化性能,采用多级检测器级联的方式,逐层级增强异常点处的相对能量,削弱背景的影响,从而达到较高的检测性能。在外场挂飞试验数据集上进行验证,结果表明:该方法 AUC值达到0.988 1,明显优于CEM算法的0.962 6和传统RX算法的0.939 2。     

一种红外点目标图像高保真压缩方法

针对红外点目标图像的特点,融合目标检测与无损-近无损压缩技术,提出了一种目标-背景分类的高保真压缩方法。将红外图像分成若干子块,对每个子块进行基于"最大中值滤波"背景抑制算法的点目标检测,根据检测结果将图像子块分为包含疑似目标的目标子块和不含目标的背景子块,对目标子块图像无损压缩,对背景图像子块近无损压缩,从而提高红外遥感图像压缩比,降低数据传输量,减轻数据传输压力。实验结果表明:所提的方法与传统全图无损压缩方法相比,能在不损失点目标信息的高保真压缩前提下,使图像压缩比提高40%以上。该方法对星上实时处理系统、红外探测跟踪系统的设计具有一定的理论和工程应用价值。     

基于U形结构提取的港口目标检测研究

遥感图像中港口目标的检测是目标识别研究的重要方面,准确、高效地自动提取港口目标对于提高遥感图像自动解译能力具有重大意义。文章提出一种基于U形结构单元提取的遥感图像港口目标检测的方法。首先利用梯度算子和灰度相似性聚类分割海洋和陆地区域并提取粗略海岸线,再根据内港区域的封闭特性提取疑似区域,在分析内港区域结构的基础上,引入U形结构元的概念以及提取算法来对疑似区域进行确认。试验表明,该方法检测的港口目标准确率较高,速度较快,能够满足民用和军事识别的需求。