复杂背景中红外多光谱目标检测算法研究

针对多光谱红外探测器,对复杂背景条件下红外弱小目标检测算法进行了研究。根据弱小目标缺乏纹理等相关信息的特点,给出了一种用于多光谱图像的弱小目标检测算法。对多光谱图像,构建数据立方体,对多光谱信息建立稳定的目标特征向量,用多光谱背景抑制滤波器以提升图像信噪比,将一种基于统计判别的低信噪比条件下红外序列图像弱小目标检测算法与传统多级假设检验跟踪(MHT)算法综合,形成了改进的连续帧目标检测跟踪算法,对波门内疑似目标点用引入多光谱信息建立的特征向量进行目标的非监督检测判决。实验结果证明:在低信噪比下该算法能有效检测跟踪弱小目标,在保证检测概率前提下可有效抑制虚警,极大地降低了后续跟踪算法的计算爆炸风险。     

基于粒子滤波的红外弱小多运动目标检测

针对低信噪比条件下红外图像序列中的多个弱小运动目标检测问题,提出了一种基于粒子滤波的多目标检测前跟踪方法.首先分析了红外图像的状态及观测模型,然后将弱小运动目标的检测转化为贝叶斯滤波框架下的检测前跟踪,并利用多个粒子滤波器予以实现.为了评估该算法的有效性,采用人工合成的红外图像序列对其进行测试,结果说明该算法可同时处理低信噪比条件下的多个弱小运动目标,检测和跟踪性能良好.     

基于对比度和梯度分布的红外弱小目标检测

红外弱小目标检测技术是目标自动检测系统中的核心技术之一。在复杂背景以及强杂波存在的情形下,红外弱小目标检测往往会有高虚警率的问题。对于这一问题,提出了一种基于多尺度局部对比度与局部梯度分布的红外弱小目标检测算法,具有重要意义。相比于以前的算法,该方法利用多尺度局部对比度机制增强红外图像中的疑似红外弱小目标的区域,再利用红外图像的局部梯度分布信息对这些疑似红外弱小目标的区域进行判别,剔除其中的虚警区域,得到有低虚警率红外弱小目标检测结果。实验结果表明:该算法结果可靠,检测准确率高。可见,新算法可以有效地提高在复杂背景以及存在强杂波情形下红外图像中弱小目标的检测准确率。     

一种多分辨率图像目标检测算法

为解决航天遥感图像分辨率和目标尺度变化大的挑战,提出了一种基于多分辨率图像的目标检测算法。改进了自适应特征金字塔和轻量级的分类预测模块,通过使用注意力机制,从不同层次的特征图中提取语义信息。引入了一种预测目标尺度的方法,以分析图像中目标的分布和尺度信息。将算法在DOTA（Dataset for Object deTection in Aerial Images）数据集上进行了实验验证,在U-Net（一种基于卷积神经网络的语义分割算法）和ResNet-34（一种深度残差网络）两种不同的主干网络设置下,召回率和检测速度均超过了RPN（Region Proposal Network,区域提议网络）算法。提出的多分辨率图像目标检测算法能有效地提高检测精度,降低计算复杂度。     

被动多站多目标的测量数据关联算法研究

将视线距离的概念引入到被动多站多目标的测量数据关联,提出了各观察站对于同一目标的视线之间的距离和最短的关联准则,在此基础上,构造了测量数据的快速关联算法。其主要特点是不需要目标位置的任何先验信息,从而克服了由此产生的各种不利影响,为数据关联提供了一条新的思路。最后的仿真结果验证了算法的有效性。     

反对称双正交小波在红外图像小目标检测中的应用

在给出利用反对称双正交小波进行图像多尺度边缘提取的相关理论基础上,针对海空背景下远距离小目标的特点,提出了一种海空背景下红外图像小目标检测方法。首先应用反对称双正交小波变换的多尺度边缘检测方法,确定目标的潜在区域,进一步在潜在区域内采用形态学方法提取目标,从而实现了在小波塔式分解数据上的图像边缘特征提取和小目标检测。与采用二进卷积型小波的检测方法相比,具有图像处理数据量小,实现速度快的特点。实验结果表明,该方法能够有效抑制杂波干扰,准确检测出小目标。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

多目标角跟踪的新算法

在以前的一篇文章里，作者是根据探测传感器阵列输出的信号的到达方向（ＤＯＡ）来考虑多目标跟踪问题。并推导出一种用于数据关联的算法。本文作者用了一种新方法考虑ＤＯＡ估算问题，该方法似乎能得到令人满意的估值。前方导出的数据关联算法已被用于计算不同目标轨迹的新估值。     

基于梯度关系和局部连通性的红外小目标检测方法

红外图像中的弱小目标检测技术在精确制导等领域有着广泛的应用,是提升现代军事实力的关键环节。传统的目标检测算法主要基于背景抑制和目标显著性两个方面,但往往不适用于色差较大、干扰较多的复杂环境。本文提出一种基于梯度检测和局部连通性判断的弱小目标检测算法,利用弱小目标在局部区域的梯度特性和连通特性识别可疑目标,并采用区域生长算法进一步剔除检测到的干扰点。同时采用自适应策略确定相关阈值,提升算法的灵活性与应用范围。本文算法在反映多种检测环境的图片和视频序列中进行检测,并与传统方法比较。检测结果表明:该方法准确率较高,可保证较低的虚警率,同时处理速度较快。     

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。     

基于改进SSD算法的航拍目标检测算法研究

研究基于深度学习技术的无人机航拍图像目标检测算法,首先介绍目标检测算法SSD(Single Shot MultiBox Detector),并对其特征提取网络进行改进,采用稠密特征提取网络替换原网络的主干特征提取网络,提高算法的特征提取能力,从而提升了算法的检测精度。针对网络实时性问题,在算法中引入分组卷积,极大地减少了网络参数量,提升了网络推理速度。为解决训练中出现的正负样本不均衡问题,利用焦点损失（Focal Loss）改进了原算法的损失函数,进一步提升了网络的收敛速度和精度。最后,通过仿真验证了改进算法在目标检测精度上的优越性。     

基于频域相关的宽带干涉仪测向新算法

提出一种基于频域相关的宽带干涉仪测向新算法,该算法利用DFT作为接收信道化的手段,在感兴趣频点上通过对不同接收通道的复频谱序列求互相关来估计通道相差,为在宽频带范围内对多个信号的频率和波达方向同时估计提供了一种新的途径。理论分析和仿真实验都表明该算法具有良好的性能。     

基于Murty方法的多目标跟踪快速算法

JPDA是一种有效的多目标跟踪算法，但算法的复杂度随着目标和观测值的增加而显著增长。为了减少JPDA算法所需要的存贮空间和计算时间，通过Murty方法，得到K个最优的目标与观测值对应关系，再利用这K个最优对应关系实现JPDA算法。仿真结果表明，新算法跟踪成功率与JPDA相近，所需的时间远低于JPDA算法。     

一种新的BDS-BSAR多星融合目标监测算法

近年来,基于卫星导航信号(GNSS)的双基地合成孔径雷达(GNSS-BSAR)以其低成本、实时的全球覆盖能力在遥感应用中发挥着越来越重要的作用.北斗导航卫星(BDS)作为GNSS系统的重要组成部分,以其更高的信号带宽为特点,理论上能够为SAR系统提供更高的分辨率.一种新的基于北斗GEO卫星导航信号的双基地合成孔径雷达(...     

军用目标红外特性模型评估技术

初步建立了一套关于军用目标红外辐射特性理论模型可靠性、准确性、通用性的评估准则及软件,为理论模型的入库和武器型号部门的应用提供了参考依据。     

一种空间目标红外特性分析方法

空间目标红外特性分析一直是比较难的课题,尤其对于表面材料为复合材料的空间目标尤为困难。通过分析空间目标飞行动力学特征,以及在空间模拟设备中的表面温度和空间环境的热换算关系,可以得出空间目标在空间环境下的红外热图像。本方法可为空间目标热红外防护技术的研究和发展提供参考和借鉴。     

一种用于目标特征提取的改进RELAX算法

传统RELAX算法是基于sinc核函数进行处理的,该算法在正弦信号参数估计上具有良好的鲁棒性和有效性。在远场成像条件下,逆合成孔径雷达（ISAR）目标回波可近似为复正弦模型,因而可以采用RELAX算法进行目标特征提取。当对ISAR实测数据进行处理时,复杂目标中强散射中心的高旁瓣电平和噪声的共同影响,造成特征提取中对散射中心的个数估计不准确,影响了特征提取精度。针对这一问题对RELAX算法进行了改进,提出采用加窗处理技术,对RELAX处理的核函数进行修正。数值仿真和对ISAR实测数据的处理结果表明,改进的RELAX算法改善了旁瓣性能,提高了散射中心提取精度。     

Spatial understanding and temporal correlation for a mobile robot

In this article we discuss a network model, which simulates functionallysome of the features intrinsic to human navigation and the merits ofincorporating such features on a behavior-based robot. Specifically thepaper deals with implementing a memory based reasoning strategy duringreal-time navigation of a mobile robot. For the purpose ofimplementation, memory has been identified with an ability to cognizethe local environment or scenario, classify such scenarios in terms ofpreviously learned primitives or landmarks, remember and recollect suchprimitives at later instants and correlate over time similar experiencesof scenarios. Such memory based reasoning enhances the robot'snavigation capabilities through intelligent decisions due to spatialunderstanding, scene recollection abilities by remembrance and detectinglocal minimum traps through place recognition. A double layeredspatio-temporal classification scheme consisting of a fuzzy rule-basedspatial classifier and a temporal classifier based on self-organizingmap and ART networks are adopted for this purpose. The classifiernetwork reduces the robot's experience of its environment consisting ofa stream of sensor patterns into weight vectors that signify aparticular landmark. An extension of the network architecture is alsointroduced to cognize the presence of dynamic obstacles amidststationary ones.     

一种鲁棒的弹道目标RCS周期估计方法

由于运动方式、姿态控制等方面的差异,弹道中段目标(弹头、诱饵)存在不同的RCS周期特性,这是目标识别的重要特征.分析了弹头目标的RCS周期特性,指出了传统频域分析方法的不足,提出了一种新的RCS周期估计方法:通过利用循环平均幅度差函数,有效克服了传统频域方法的不足,且算法具有优良的抗噪性能.实验结果表明该方法能明显改善RCS周期估计的精确性和稳定性.     

一种临近空间高超声速目标跟踪算法

通过参考美国X-43A高超声速飞行器第二次试验飞行弹道,建立了临近空间高超声速目标的运动模型。针对目标跟踪中状态方程和量测方程存在的非线性问题,提出了一种基于不敏卡尔曼滤波的改进"当前"统计模型自适应滤波算法(ADE-UKF),并将此算法与基于"当前"统计模型的不敏卡尔曼滤波算法(CS-UKF)比较,仿真结果表明,该算法在跟踪临近空间高超声速目标时,具有良好的跟踪性能。