基于运动模型的低空非合作无人机目标识别

为保障低空安全,在利用雷达数据探测无人机目标的同时剔除飞鸟等虚警信息,提出了一种基于运动模型的低空非合作无人机目标识别方法,作为已有目标跟踪方法应用的拓展。首先,建立多种运动模型模拟无人机和飞鸟目标运动;然后,基于多种运动模型进行目标跟踪,并估计各种运动模型的出现概率;最后,以各种运动模型在连续时间内出现概率的方差均值来度量目标运动模型的转换频率。通过对仿真数据和机场低空监视雷达实测数据的处理,所提方法能够在杂波环境中跟踪无人机目标并剔除飞鸟目标,进一步验证了其有效性和实用性。      

证据理论和神经网络结合的目标识别方法

提出用证据理论和神经网络结合的高分辨率雷达(HRR)目标识别方法,即首先把多个目标高分辨一维距离像送入学习矢量量化神经网络,进行目标类证据估计;然后用D-S证据理论对各次估计结果进行融合.提出了连续特征空间离散化及类支持度构造的方法,并分析了神经网络识别的误差原因.仿真实验结果表明,这种方法的输出正确识别率比仅仅使用矢量量化神经网络有较大的改善,抗噪能力也有所提高.     

基于层间分类一致性准则的舰船目标细粒度识别方法

舰船目标的层次化、细粒度识别在军事和民用领域均有重要意义。现有细粒度识别方法一般需要部件级精细标注或采用注意力机制提取关键特征,但并未有效利用舰船目标层次化分类体系中本身所蕴含的隶属关系信息提高细粒度识别精度。针对舰船目标的层次化分类问题,建立了舰船目标多层级一致性分类数学模型,提出了一种基于层间强一致性分类准则的细粒度识别方法,设计了层间一致性分类损失函数,并构建了多层级兼容舰船目标细粒度识别网络(MLCDet)。经试验验证,该方法有效、鲁棒,资源开销小,能够有效利用分类体系中各类别间的隶属关系提升目标识别精度。在无需部件级标注信息的前提下,将mAP提高了1.3%,与此同时,模型总参数量仅增加0.02%,推断速度不变。     

基于Gabor滤波器的图像目标识别方法

为了给机器人视觉导航提供有效信息,提出一种基于图像匹配的目标识别方法.对CCD采集的目标图像,由 Gabor 变换生成的二维Gabor 滤波器有着优良的滤波器性能,不需要对图像进行分割,能适应一定的旋转、尺度、光照的变化,通过多个频率和角度的Gabor算子与图像的卷积,获取图像全局信息的特征描述.分类方法采用统计学习理论基础上发展起来的一种新的机器学习方法——支持向量机(SVM, Support Vector Machines),它可解决模型选择、过学习、维数灾难等问题.通过支持向量机进行多维特征向量的分类.该方法可达到较高的识别率,达到实时处理的要求,可以在人脸识别、机器人视觉定位等领域得到应用.      

基于目标一维距离像的雷达目标识别方法

讨论了马氏距离的性质,利用目标的一维距离像,提出了一种雷达目标识别方法.对雷达回波进行快速傅立叶变换,得到目标的一维距离像,计算其马氏距离,得到目标的稳定特征向量,根据相关算法进行目标识别.三种不同类型飞机回波的实测数据的识别结果,表明该方法是切实可行的.     

含区间参数不确定结构的损伤识别方法

针对损伤识别中遇到的含统计信息不足的不确定参数的结构,以区间向量来描述其中的不确定参数。基于有限元理论给出了应变模态的测试方法,进一步将应变模态表示为区间参数的函数,结合一阶Taylor展开与区间分析,计算了参数不确定条件下应变模态的界限,给出了一种考虑参数不确定的结构损伤识别方法,并在理论上对比分析了与基于概率方法的区别与联系。为验证方法的合理性,对简支梁在不同位置损伤的情况进行了数值模拟,分析了不同损伤程度以及参数不同不确定程度下简支梁应变模态的变化规律,简要讨论了噪声对识别准确性的影响。为含不确定参数的结构的损伤识别提供了一种新的方法和思路。      

基于概念空间学习认知的机器人目标识别方法

针对复杂环境中机器人多类目标识别通常所依托的原始特征空间中数据区分度低、难以直接表达高层次特征知识的挑战性问题,采用概念空间知识表达方法,通过多传感器数据融合与特征提取建立基本特征空间,并运用高斯混合模型表示目标的各种属性,形成具有高层知识特性的概念空间,在此基础上进行高层知识的概念学习,增强多类目标在概念空间中的可区分性.利用支持向量机作为机器人的分类器,实现针对室内环境的多类目标物体的准确识别.实验结果表明:该方法不但有效地获取和表达待识别目标的高层特征知识,而且能有效提高机器人的目标识别与环境感知能力,展现出优越的分类识别性能.     

阴影区较远距离手动交会对接目标识别方法

针对阴影区较远距离手动交会对接过程中由于仪表照明灯电功率的限制所出现的摄像机无法识别目标的问题,提出增强仪表照明灯电功率、利用交会对接光学成像敏感器标志器、结合激光雷达测量数据信息、在目标上贴附主动发光材料、实施跨区域交会对接方案5种方法,有效解决了手动交会对接过程中阴影区较远距离位置的目标识别问题.该方法切实可行,可供后续型号参考.     

基于朴素贝叶斯分类器的空中红外目标抗干扰识别方法研究

红外诱饵对抗技术的发展使得空战环境日益复杂化,对红外成像制导空空导弹抗干扰目标识别技术提出了更高的要求。红外诱饵的投放使得目标特征的完整性、显著性及稳定性遭到破坏,基于特征融合匹配的统计模式识别方法无法准确识别目标。提出了一种基于朴素贝叶斯分类器的抗干扰目标识别方法,该方法对空战对抗仿真图像数据集进行了特征挖掘,利用实验拟合方法构建了典型特征的概率密度函数模型,构造了朴素贝叶斯分类器,实现了飞机目标和干扰的分类识别。仿真实验结果表明,该方法在已测试的弹道图像数据集下的平均识别正确率达到了81.82%,且能够解决假目标、目标遮挡等抗干扰目标的识别难题。     

基于窄带雷达RCS序列的空间目标尺寸估计

从窄带雷达横截面积(RCS)序列中提取目标尺寸特征对空间目标的分类识别具有重要价值. 本文在研究椭球体RCS序列特性的基础上, 提出了一种空间目标形状估计方法, 并进一步研究了空间目标尺寸估计问题, 提出了一种新的尺寸估计方法. 实测数据的验证表明, 该方法能有效估计卫星、碎片等空间目标的形状和二维尺寸.     

基于相关滤波器的嵌入式动态目标跟踪系统设计

针对空间非合作运动目标监控,提出了一种基于嵌入式技术的动态目标实时检测与跟踪方法,并完成了跟踪系统的研制设计和测试。该视觉目标跟踪系统以嵌入式处理器为控制器,通过相机模组获取实时视频图像,图像经过视觉检测与跟踪算法程序分析,得到目标的位置信息后,控制伺服运动系统调整相机姿态实现对动态目标跟踪。提出了基于相关滤波原理的跟踪算法,搭建了树莓派嵌入式测试系统,完成实时检测与跟踪的实验评估。实验结果表明,嵌入式处理器中检测与跟踪程序的平均运行帧率达到25FPS,伺服机构在水平360°和俯仰±60°范围内实现了对移动速度90°/s的目标的实时、稳定监控与跟踪。     

利用H.264中运动矢量实现运动目标检测

针对视频压缩和运动目标跟踪同时实现的应用,通过研究H.264压缩标准中运动矢量包含的图像运动信息并分析运动估计原理,提出了一种利用视频压缩中的运动矢量信息实现运动目标检测的方法,确立了H.264编码流中运动矢量与场景中物体运动状态的对应关系.将运动目标从背景中分离是检测算法的核心.对于双门限值的设置,可分离不同运动速度的目标;同时,算法排除了背景运动的干扰,因而可应用于摄像机运动的场合;由于检测算法所用的运动矢量直接来源于H.264编码过程,而大大降低了计算复杂度,利于硬件实现.     

基于蚁群优化的长短时神经网络变外形飞行器故障模式识别

变外形飞行器机械结构复杂,在变外形过程中发生故障的概率大,传感器测量成本高,针对这些问题,提出了一种基于长短时神经网络进行飞行器测试故障诊断的方法。首先根据变外形飞行器的气动参数模型和非线性动力学模型,构建变外形飞行器执行机构故障特征数据库。然后针对变外形飞行器发生故障时的序列化特征数据,提出基于长短时神经网络的执行器故障诊断框架。利用蚁群优化算法对网络训练的超参数进行优化,提高故障诊断的准确性与泛化性。通过仿真验证了该方法可实现变外形飞行器的低成本、高效率、高精度的故障快速定位。     

基于月面单幅图像的软着陆障碍识别与安全区选取方法

针对月球软着陆自主避障的需求,提出了一种适合月球灰尘表面的改进优化Hapke模型,给出了相对高程的求解、障碍识别与安全区选取方法,解决了已有纹理法无法识别坡度的问题,实现了利用单幅图像的月面着陆障碍识别与安全区域选取。利用月球软着陆下降段仿真图像,进行了模型解算和三维高程恢复并计算安全区域,结果表明,利用月面单幅图像能够实现障碍的识别与安全区的选取。     

基于小波变换的孔探图像边缘粗糙度分析

针对航空发动机内部结构裂纹损伤的孔探图像识别问题,提出一种描述孔探图像边缘曲线粗糙度特征的方法——粗糙度系数法.该方法利用二进小波变换对边缘曲线在所有可能尺度上进行小波分解,得到尺度系数和小波系数.对于这些小波分解系数,构造一种对数熵算法来计算尺度系数和小波系数的能量强度.小波系数与尺度系数的对数熵的比值被定义为粗糙度系数,用粗糙度系数来评估曲线的粗糙程度,粗糙度系数越大,曲线越粗糙.实验表明以粗糙度系数作为孔探图像边缘曲线的识别特征,能够有效地识别孔探图像中存在的裂纹损伤.      

BP网络实时图像自动选取算法研究

实时图像的自动选取是景像匹配自动化的关键技术.提出了一种基于神经网络的实时图像自动选取算法.仿真研究表明,引入Sobel算子的3层BP网络实时图像自动选取算法结构简单、训练时间短和分类准确性高,其并行处理能力能满足景像匹配技术的实时性要求.经最小二乘和Bayes精匹配算法检验,实时图经此网络选取、粗匹配和精匹配,可达到高于0.5像素的定位精度.     

基于几何不变性和BP网络的二维目标识别算法

提出了一种基于几何不变性和BP网络的二维目标识别算法.该算法不仅能适应目标物体在旋转、缩放和平移变换(RST变换)下的不变性识别,而且能适应仿射及射影变换下的不变性识别.算法通过对目标物体边缘点进行规格化和对规格化后的边缘点进行5点不变量穷举计算解决了模型图像与目标图像的对应点选取问题;通过将不同观测方位和不同旋转角度的样本图像边缘点的5点不变量集合作为输入向量对BP网络进行训练解决了由于仿射和射影变换造成规格化边缘点间距变化对正确分类的影响.算法不仅能识别多边形而且能识别曲线轮廓的目标物体.      

Gaussian-Hermite矩旋转不变矩的构建

矩及矩的方程因其较强的表述图像特征的能力在图像处理与模式识别中有着广泛的应用,但目前基于具有正交性质的Gaussian-Hermite矩的研究还比较有限.针对Gaussian-Hermite矩进行深入的研究,将其推广到极坐标下复数空间中,提出Polar-Gaussian-Hermite矩;给出利用升降算符计算矩的方程的方法;并利用极坐标下复数空间中的优势,以及它们之间的一一对应关系,推导Gaussian-Hermite矩的旋转不变矩,并给出其旋转不变矩的独立与完备集.实验结果验证所提出的旋转不变矩的正确性,以及良好的数字稳健性.     

基于分水岭与图割的自动分割方法

为快速、准确的提取CT序列图像中目标物体,把分水岭和图割相结合.首先选择目标物体的内外轮廓,对内外轮廓之间的区域用分水岭算法预分割为若干小区域,把每一个小区域作为一个节点,建立图结构.把多源点和多汇点简化成单源点和单汇点,建立新的图结构.然后利用最大流/最小割定理进行切割,提取目标物体.最后把上一张CT目标物体的轮廓映射到下一张CT上,分别扩大和缩小该轮廓作为该CT的内外轮廓.根据上述方法提取轮廓,对整个CT序列依次循环操作.通过实验证明该算法在分割效果和分割时间上优于其它传统算法,同时,实现了三维空间上序列轮廓的自动提取.     

基于运动对象自动检测和查询的监控系统

针对现有的视频监控系统的缺陷,提出基于运动对象自动检测和查询的智能视频监控系统.利用帧间差的4次统计量的假设验证,自动检测运动对象.用形态学腐蚀和膨胀算子对检测的运动对象的二值图像进行处理,以提高检测运动对象的可靠性,降低误警率.为自动跟踪运动对象轨迹,提出检测块概念.依据检测的运动对象和事件,建立相应的监控信息标注数据库,进而由时间段、运动对象及场景中发生的事件来查询监控信息,实现"跳跃"式随机检索监控信息.实验结果证明提出的方法对实现智能的视频监控系统是有效且健壮的.