海天背景舰船红外目标识别技术研究

通过对舰船红外目标特性与识别方法的讨论,给出了图像序列目标识别算法流程以及仿真实验的结果,并对工程实现自动目标识别的硬件、算法和软件设计进行了讨论,具有较好的理论和应用价值。     

基于改进Yolov3 算法的舰船目标检测识别系统

针对复杂战场环境下对海目标检测识别的需求,设计了一种基于改进Yolov3 算法的海面舰船目标实 时检测识别系统。使用微调分类网络、增加训练尺度、聚类目标边框维度、二级特征分类等方法对Yolov3 检 测识别网络模型进行了优化,在提高识别精度的同时有效降低了漏检率和虚警率。实验结果表明,优化后的网 络模型在自建的舰船图像数据库中将检测识别平均准确率提高到了79.3%,对真实海上航拍视频中舰船目标识 别的平均准确率达到了81% 以上。     

舰船目标海天线提取方法研究

提出使用邻域平均法进行预处理以抑制背景、增强目标,进而利用改进的直线拟合法进行海天线的提取.结果表明,该方法能够有效地确定舰船目标红外图像中的海天线区域,保证了目标分割的有效性和实时性.     

基于改进SSD的舰船目标精细化检测方法

以SSD为代表的主流深度学习方法在目标检测领域取得了显著的成绩,但由于该类方法只能以矩形框给出目标的概略位置,检测结果具有很大的背景冗余区域,特别是港口密集停泊的舰船在图像中会出现区域重叠,导致误检和漏检。针对以上问题,提出了一种具有旋转不变性的舰船目标精细化检测方法,该方法综合利用可变形卷积、可变形池化、旋转的边框回归和旋转的非极大值抑制等模块的优点,借鉴MobileNet架构对网络加速,通过学习密集区域目标的几何形变,有效预测目标的旋转角度,最终以旋转的矩形框给出目标的位置。实验结果表明,该算法可实现多类舰船目标类型区分和目标朝向判定的功能,有效地解决了实际应用中的目标精确定位定向难题,提高了自动目标识别的精确性,并满足工程应用的实时性要求。     

AIS和光学遥感图像引导的星载SAR舰船目标识别网络

星载SAR作为全天时、全天候的感知手段广泛应用于海洋目标识别任务中,由于SAR图像分辨率低、难解译、样本不均衡导致现有单一模态目标识别算法识别精度低。提出了一种AIS和光学遥感图像引导的星载SAR舰船目标识别网络,针对不同模态数据特征维度不同导致难度量问题,利用特征迁移模块在保留各自模态独有特征属性前提下将异构特征映射到共同的空间中度量;针对不同模态不同类别数据存在样本不均衡问题,利用异构特征对齐模块充分挖掘不同模态的互补信息,以细粒度的方式进一步对齐不同模态的异构特征,同时将各个模态的判别性特征作为先验信息迁移至SAR图像模态中。实验部分利用AIS历史数据和光学遥感数据集作为辅助信息,在2个公开的SAR图像舰船目标数据集中进行测试,实验结果表明所提算法通过迁移不同模态信息,有效提升了SAR图像舰船目标的识别准确率。     

电子地图的地图投影

本文阐述了几咱机载电子地图采用地地图投影方法及其优缺点；确定了两种适合于任何纬度及任何地图取向的投影方法。     

基于单类分类的航空遥感影像变化检测

航空遥感影像的变化检测在城市规划等领域发挥着重要作用。文章提出一种基于单类分类的变化检测方法,通过对不同时相的航空遥感影像进行单类分类,提取针对该兴趣类别的变化信息。该方法仅需要兴趣类别的训练样本,由训练样本确定一个距离阈值,实现单类分类和变化检测。虽然简化了参数设置和样本训练,但实验结果表明,该方法与最近邻方法具有相近的变化检测精度。     

一种轻量化SAR图像舰船目标斜框检测方法

针对目前基于深度学习的合成孔径雷达（SAR）图像舰船目标斜框检测方法难以满足实时化检测需求的问题,提出了一种轻量化SAR舰船目标斜框检测方法。该方法基于无锚框框架,设计了轻量化的网络结构,对模型参数量和运行速度进行了优化,可直接从头训练。同时,为解决基于角度回归的斜框参数表示方法存在的角度敏感性问题,提出了基于旋转向量的斜框参数表示方法。在公开的SAR图像舰船目标检测数据集上的实验结果表明,所提方法在无需预训练的情况下取得了与迁移学习方法相近的检测精度,模型参数量和运行速度取得了最优结果,充分验证了所提方法的有效性。     

舰船磁场模型适用范围研究

目前用于探测定位的舰船磁场模型中应用最为广泛的是磁偶极子模型,但是对于磁偶极子模型的适用观测距离缺乏定量研究。文章利用椭球体模型近似表达实际磁场,通过椭球体模型与磁偶极子模型的仿真比较,对磁偶极子模型的适用观测距离进行定量研究,得出磁偶极子模型的适用条件。     

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。     

航拍高光谱图像中基于投影的自动目标检测算法

针对未知环境条件下的高光谱图像目标检测问题进行了研究，提出了一种基于投影的自动目标检测算法。该算法通过构造正交投影算子预先对部分干扰物信息进行削弱，再以无监督的自动目标搜寻方法找到场景中可能的目标物，将图像数据向可能目标物所张成的子空间投影以增强目标物的信息，然后用匹配的方法完成检测。有效减弱了干扰物对目标检测的影响，缩小了目标搜索的范围。应用此算法对实验采集数据进行处理，取得了较好的结果。     

基于运动信息的视频图像空间目标检测

针对卫星拍摄的以深空为背景的视频图像中空间运动目标的检测问题进行了研究,提出了一种基于运动信息的目标检测算法。首先,通过均值滤波对图像进行降噪处理;然后,采用基于局部统计的可变阈值来分割单帧图像,使用灰度重心法计算像点坐标。当卫星凝视目标区域时,恒星可以认为是静止的,而目标依旧在运动,基于此,可检测出空间运动目标。基于某型卫星在轨拍摄的视频图像验证了算法的有效性。     

基于双向最近邻准则的编队预定目标选择方法

相比传统的预定目标选择方法,基于编队形状的反舰导弹预定目标选择方法是一类性能优越的新方法。其原理是利用导弹飞行期间舰艇编队形状的相对稳定性,并将发射前装订的编队形状和末制导雷达探测到的编队形状表示为2个点集,通过点集匹配实现预定目标选择。提高这类算法性能的关键在于研究合理的点集距离函数。文章提出一种基于共同点的距离函数,研究了其抗干扰的机理,并证明其计算过程可通过双向最近邻准则实现。仿真试验表明该方法性能优于以往的MHD方法。     

基于自适应混合高斯模型的运动目标检测

随着智能视频监控应用领域的不断拓展,为了在各种复杂场景下都能快速稳定地检测出运动目标,众多研究者提出了很多解决方法。鉴于背景减除法自身在算法理论的复杂度小,且对不同场景适应性强的优点,成为运动目标检测研究领域的基础方法。而在背景减除法的各种背景建模方法中,混合高斯模型方法以其适应性强、灵活高效的优点成为该领域的经典方法。详细介绍了背景更新机制中常用的混合高斯模型,并据此研究了基于自适应更新率的高斯背景建模方法,经过对比试验,论证了改进方法在建模速度上的大幅度提升。     

基于伪彩色的感兴趣目标检测方法

若获取的灰度图像中含有较大噪声时,传统Itti算法经常会出现漏检以及错检的情况。为此,提出了基于伪彩色的感兴趣目标检测方法。首先对灰度图像添加相应的彩色信息,生成一幅目标细节较为清晰的伪彩图;其次根据Itti算法进行显著性计算;最后通过模板匹配检测出感兴趣目标。实验结果表明：算法能够达到补偿由于噪声问题引起的显著性目标无法检测的问题。     

Lognormal杂波环境中基于Hough变换的目标检测

给出了基于Hough变换的信号检测结构,推导了Lognormal分布杂波背景下基于Hough 变换检测器的检测性能的解析表达式,设计了具体的仿真环境和仿真流程,对基于Hough变换检测器在非起伏目标和四种Swerling起伏环境下的目标检测性能进行了分析。     

基于注意力YOLO-V3的合成孔径雷达舰船检测识别一体化方法

传统的合成孔径雷达舰船检测识别需要分两步实现,检测识别精度和效率难以满足实际应用需求。本文结合注意力机制和YOLO-V3网络提出了注意力YOLO-V3网络实现合成孔径雷达舰船检测识别一体化。同时,利用公开的AIR-SARShip-1.0数据集和OpenSARShip数据集构建了大场景舰船检测识别数据集,用于验证目标检测识别性能。实验结果表明,本文提出的注意力YOLO-V3网络可以获得较高的检测识别精度,证明了本文方法的有效性。