基于非线性运算的水下弱目标回波积累检测算法研究

为了有效地检测出淹没在背景噪声中的水下弱目标回波信号,建立高斯噪声和脉冲噪声背景下的水下弱目标多脉冲回波模型,并导出匹配滤波器的输出模型,提出基于非线性运算的目标回波积累检测算法,利用该算法检测淹没在背景噪声下的弱目标回波信号。结果表明,无论是高斯噪声还是脉冲噪声、静止目标还是匀速运动目标,该算法均能有效地检测出目标回波信号。     

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。     

基于空域特性的低空空域雷达目标检测

为实现基于非相参雷达的低空空域监视,提出一种基于空域特性的杂波抑制算法,通过构造"最优分类面"来区分复杂低空空域雷达图像中的小弱目标和杂波,极大改善了非相参雷达的低空探测能力。首先,采用背景差分与固定阈值分割建立前景和背景统计模型。然后,基于该模型提取空域特性,建立马尔可夫随机场模型,从而自适应地调节"最优分类面"中的阈值。前景模型数据反映了待检测像素的聚集程度,背景模型数据反映了其相对位置。将本算法分别应用于X波段和S波段航海雷达获取的图像序列。检测结果表明:本算法在检测到低空空域小弱目标的同时,能够将虚警率保持在较低的水平,优于恒虚警检测等经典算法。最后,将本算法与已经实现的目标跟踪算法相结合,实现了一整套完整的低空空域雷达目标检测与跟踪算法。     

一种基于背景自适应的运动目标检测与跟踪算法

背景图像差分法是运动目标实时检测中常用的方法,但缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了该方法的适应性。对此,文章首先提出了一种自适应背景更新方法;然后利用最大类间方差法实现运动目标的自适应阈值分割,并利用基于形态学方法的连通区检测算法检测运动目标;最后以Kalman滤波为运动模型实现对运动目标的连续跟踪。实验结果表明:所提方法可随着光照条件的变化,实时、准确地检测出运动目标并实现稳定跟踪。     

HT-TBD在水下目标被动检测中的应用

在弱目标检测研究中,HT-TBD检测算法是 1种有效的理论方法。针对现有水下弱目标被动检测的难题,提出 1种适用于水下目标被动检测的 HT-TBD算法。首先,阐述 HT-TBD检测思路,在分析声呐浮标检测组检测预处理基础上,研究基于 TBD理论和 Hough变换的水下目标被动检测算法;其次,围绕浮标阵型适用场景,分析探测设备指标、环境场地指标、目标指标及干扰指标,给出拦截阵和覆盖阵 2类试验方案及步骤;最后,在新安江水库对 2类试验场景数据进行采集和预处理。结果表明:通过实测数据和 MATLAB仿真验证了 HT- TBD检测算法在水下弱目标检测的可行性和有效性。     

红外极小目标检测算法研究

低信噪比检测技术是实现红外自动目标识别的基本前提,其性能指标将直接决定系统探测距离的远近,是反映红外低可观测目标识别能力至关重要的一项核心技术。自适应背景估计方法是实现这一目标的有效途径。本文在重点论述几种背景估计常用技术的基础上,提出了红外极小目标的形态滤波优化改进算法,通过理论分析和实验检测表明：该算法简化了形态变...     

光电经纬仪红外成像跟踪处理器的研究与实现

以高性能数字信号处理器TMS320C6203为核心,结合CPLD（可编程逻辑器件）进行逻辑控制,用FPGA（现场可编程门阵列）进行预处理,设计了实时目标检测和跟踪系统。介绍了实时图像处理系统的硬件组成、工作原理、软件流程,重点分析目标检测算法和系统实时性。该系统被成功用于光电经纬仪红外图像处理系统中,经试验证明,系统对弱小目标的检测、识别和跟踪能力达到实际工程的实时性需求,大大提高了数据采集能力与处理速度,采样精度得到很大提高,完全满足系统设计要求。     

一种舰载相控阵制导雷达驻留时间动态调度算法

为了解决舰载相控阵雷达的实时驻留问题,提出了一种新的相控阵雷达驻留时间调度算法。依据工作方式优先级和目标信噪比来设计调度准则。首先分析了构建舰载相控阵雷达模型所需要的各种理论模型,包括自由空间目标回波功率、干扰模型、目标检测模型。在此基础上,提出了雷达时间动态调度算法机制。最后根据建立的舰载多功能相控阵雷达模型分析驻留时间分配,目标信噪比检测的效能,仿真结果表明了该算法的合理性和有效性。     

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。     

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。     

基于检测前跟踪的超视距雷达微弱目标检测方法

天波超视距雷达（over-the-horizonradar,OTHR）通过快速傅立叶变换（FFr）实现相干积累,再利用常规的方法进行目标检测。但这种方法在弱目标、低信噪比的情况下效果并不好。本文提出了一种基于检测前跟踪（track-before-detect,TBD）的OTHR弱目标检测方法,利用数学形态学对每帧弱目标回波信号进行滤波,再通过动态规划方法进行检测。仿真结果表明,该方法能够有效地提高OTHR对弱目标的检测能力,运算效率高,实用性强。     

一种提升鬼影抑制性能的改进视觉背景提取算法

运动目标检测为视频帧生成指示运动目标像素的二值图,因此,正确判别待检测场景中的运动目标像素和背景像素是运动目标检测算法的主要任务。本文针对传统场景提取算法背景模型初始化导致的“鬼影”问题,提出了时域区间参考模块,该模块通过时域区间内像素的统计值生成背景参考值,在像素判别阶段利用候选前景像素与该参考值的差异进一步确定前景像素。实验结果表明,本文提出的方法对传统视觉背景提取算法性能进行了提升,对“鬼影”有较强的抑制作用,提高了检测准确度,具有较好的检测性能。     

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。     

地基观测红外目标二维经验模式分解检测方法及应用

针对复杂条件下的地基观测红外图像目标检测问题,引入二维经验模式分解(BEMD)方法对复杂条件下的目标红外实测图像进行了处理分析:首先对目标观测原始红外图像进行中值滤波,对原始红外图像进行噪声抑制预处理;然后利用BEMD算法对预处理后红外图像进行自适应分解,获得按频段分布的二维基本模式分量与残余图像,并对分解后的红外图像进行有效重构,获取处理后的红外目标图像;最后利用点锐度方法定量评估目标红外图像处理效果,并与原始红外图像进行比对分析。基于实测红外图像处理结果表明,BEMD方法有效抑制了云层背景杂波噪声,且有效检测出清晰的红外目标,处理后的红外图像清晰度较原始红外图像显著提高。     

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。     

涡轮泵实时故障检测短数据均值自适应阈值算法

为了实时监控液体火箭发动机涡轮泵的状态，提高其安全性，降低其故障带来的破坏程度，提出了短数据均值自适应阈值算法(SDM—ATA)，建立了实时故障检测的统计学模型、研究了阈值区间均值与方差的自适应计算及其带宽系数的自适应训练、故障综合决策逻辑，以及故障数据对阈值贡献的踢除等方法，并利用某型火箭发动机地面试车涡轮泵振动测量数据和某型转子试验平台实时测量数据对该算法进行离线和实时在线故障检测试验验证。结果表明，SDM—ATA没有发生误检测情况，并具有实时故障检测的能力。     

一种新的基于机动检测的机动目标跟踪算法

针对Kalman滤波跟踪机动目标发散和目前多数自适应Kalman滤波算法对运动模型适应性不强的问题,提出了一种新的基于机动检测的机动目标跟踪算法,通过实时自适应的改变滤波模型提高对机动目标跟踪精度。对这种方法与Kalman滤波算法进行了计算机仿真比较,结果表明,该方法计算量小,可实时精确地自适应匹配目标的运动模型,可实现对机动目标稳定可靠的跟踪。     

基于帧差和背景建模的卫星视频目标检测

传统单一的目标检测方法运用在卫星视频时不能得到理想的检测效果,特别针对一些目标纹理特征匮乏,背景变化明显的卫星视频来说适用性更差。文章提出一种结合背景模型更新的混合高斯背景建模和多帧差分的算法,通过抽取吉林一号卫星视频中某2帧的2个不同场景,对比了多帧差分法、单高斯背景建模法和本文提出的算法,较好地解决了卫星视频微小目标检测中易产生检测率低、虚警率高的问题,提高了检测的正确度、完整度和质量,在遥感卫星视频运动目标检测中具有良好的应用潜力。     

基于深度学习的无人机航拍目标检测研究综述

目标检测是提高无人机（UAV）感知能力的关键技术之一,其研究对于无人机的应用有着重要意义。与基于手工特征的传统方法相比,基于卷积神经网络的深度学习方法具有强大的特征学习和表达能力,成为目前目标检测任务的主流算法。近年来,目标检测技术已经在自然场景图像上取得了一系列突破性进展,在无人机领域的研究也逐渐成为热点。首先系统阐述了基于深度学习的目标检测算法的研究进展,并总结了相关算法的优缺点。对常见的航空影像数据集进行了梳理并介绍了迁移学习的方法;从无人机影像背景复杂、目标较小、视场大、目标具有旋转性的特点出发,对无人机目标检测在近期的研究进行了归纳和分析。最后讨论了存在的问题和未来可能的发展方向。