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。     

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。     

红外成像制导中目标图像序列的仿真生成

在红外成像制导技术的算法研究中，目标红外图像序列是进行仿真验算的基础，通常真实的图像序列较难获得，本文通过建立空间目标的透《视投影模型来模拟红外成的过程，并由计算机作图得到目标的二值图像，为目标识别、跟踪算法及制导率的仿真验算打下了基础。     

基于红外视觉/激光雷达融合的目标识别与定位方法

近年来,基于可见光图像的目标识别在无人车感知领域得到了广泛应用.然而,可见光图像目标识别无法应用于弱光和黑暗环境.针对于此,提出了一种基于红外视觉/激光雷达融合的目标识别与定位算法.首先,通过基于颜色迁移的数据增强训练方法,提高了红外目标识别算法的泛化性能.继而,提出了一种基于激光雷达修正的单目深度估计方法,通过视觉图...     

一种基于天水线的红外舰船图像目标识别方法

针对海天背景下红外舰船目标的识别,提出了一种基于天水线的目标识别方法.利用被识别目标相对天水线的空间位置目标红外特征量和图像帧间信息识别目标,在强干扰环境下,利用该方法进行了仿真实验,得到了很好的效果.     

雷达专家系统目标识别和红外图像目标识别的D-S融合

本文从雷达专家系统目标识别和红外图像目标识别算法分别得到带识别目标所属类别的基本概率分配函数。用D-S证据理论将得到的两个基本概率分配函数组合,最终实现了机载雷达和红外成像传感器的数据融合。仿真表明:融合后的识别效果要比单个雷达或单个红外传感器的识别效果要好得多。     

红外与可见光图像融合的空间碎片识别方法

针对暗弱空间环境中空间碎片的识别问题,提出了一种光照不均匀环境中的空间碎片识别方法。不同于现有识别方案,该方法从光照不均匀导致空间碎片图像源细节丢失造成识别性能下降的角度出发,首先将空间碎片的红外和可见光图像进行深度融合,并建立空间碎片融合图像数据库,然后基于训练样本采用深度学习技术训练得到空间碎片识别模型。算法分析表明,该图像融合方案具有高度的细节保留能力,识别模型具有在暗弱环境中高精度目标识别能力。最后进行了仿真实验,实验结果表明,该识别方案在姿态变化、图像源亮度变化等干扰条件下都具有较好的鲁棒性。     

基于DNET的空中红外目标抗干扰识别算法

复杂空战背景下针对人工干扰的博弈是红外空空导弹精确探测制导技术发展面临的瓶颈和核心技术。针对人工干扰对空中红外目标产生的遮蔽、黏连、相似等干扰现象,以及目标机动和相对运动造成的形状、尺度、辐射特性剧烈变化等实际问题,提出一种基于信息特征提取的深度卷积神经网络DNET空中红外图像目标抗干扰识别算法。首先,DNET网络对大尺度特征图像采用密集连接模块,在前部通道保存每一层的网络输出,在网络末端引入特征注意力机制,获得每个特征通道的信息特征识别权重。然后,加入多尺度密集连接模块,并与多尺度特征融合检测结合,提高对大尺度变化情况下的目标特征提取能力。实验结果表明,在伴随红外诱饵干扰的实时检测条件下,红外目标由点目标变化为成像目标,直至充满视场的整个过程中,本文抗干扰识别算法的识别精确度、召回率及识别速度分别达到99.36%、96.95%、132 fps,具备识别精确度和召回率高、识别速度快等优点,并具有良好的鲁棒性。     

红外目标与环境的视景重建技术研究

研究了图像环境生成过程中红外目标特征信息提取所面临的重要技术问题,提出了自适应背景感知与对消处理、抑制背景的自动门限选取和形状分析与目标特征识别的层次化数据处理流程.基于数学形态学理论实现了图像背景感知的应用研究算法.实验测评表明,该算法对复杂变化的图像环境具有良好的滤波性能和稳健的适应能力     

红外目标图像动态生成技术

红外图像序列是红外制导与目标识别研究的基础,但通常真实的红外图像序列较难获得。本文提出了一种以Visual C++为开发平台,基于可视化仿真软件Creator和Vega快速设计开发红外图像序列生成系统的方法,重点讨论了在Vega环境下开发红外图像生成软件的设计流程,TMM工具和MAT工具的应用,以及温度控制模块、干扰弹模拟、控制模块与高精度帧频控制的实现。生成的图像序列可用于导弹的制导系统、抗干扰算法研究等,具有一定的工程应用价值。     

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。     

防空导弹攻击目标的红外成像特性分析

通过结合对目标的红外成像特性研究,首先阐述了在复杂背景条件下防空导弹对目标的红外成像寻的制导的组成和原理。然后详细分析了地面杂散背景的辐射和散射特征,综合分析了军用飞机被防空导弹攻击目标的红外辐射特性。在对复杂背景辐射特征和目标红外特性分析的基础上,给出了一组典型地表光谱辐射亮度曲线和太阳对地表的全波段辐射能流(辐照度)随时间的变化曲线;绘制出了红外成像导引头在整个红外波段内的探测效能曲线。分析结果对研究防空导弹红外成像导引头如何从复杂背景中将目标的典型特征信息提取出来并进行有效识别和跟踪奠定了基础。     

红外图像特征提取的一种方法

小波变换是信号处理、图像处理的重要工具,已广泛应用于信号分析、数据压缩和边缘检测等各个领域。本文基于图像小波变换,提出了一种红外图像特征提取的一种方法。通过对红外图像进行小波分解,设置门限,将小波变换系数转换为二进制,然后将二进制小波系数再转换为十进制,这样既得到了红外图像的特征,又压缩了数据。通过大量的红外图像目标识别实验,证明本文提出的方法是有效的。     

基于均值漂移算法的冷空炽热体红外目标跟踪

Mean Shift（均值漂移）算法对彩色序列图像目标跟踪是有效的,而对红外目标跟踪是不稳健的。本文对Mean Shift算法做适当改进,将其用于冷空炽热体红外目标跟踪。先对红外图像做伽马变换,把目标从背景中分离出来;用直方图非均匀量化改进传统Mean Shift算法量化方式,提高目标定位准确性。仿真结果表明,该方法对冷空炽热体红外目标跟踪是有效的和稳健的。     

MULTISENSOR TRACKING SYSTEM WITH ATTITUDE MEASUREMENTS

ＭＵＬＴＩＳＥＮＳＯＲＴＲＡＣＫＩＮＧＳＹＳＴＥＭＷＩＴＨＡＴＴＩＴＵＤＥＭＥＡＳＵＲＥＭＥＮＴＳＤｉｎｇＣｈｉｂｉａｏ，ＭａｏＳｈｉｙｉ（ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅ...     

Use of measurements from an imaging sensor for precision targettracking

The extraction of measurements for precision tracking of the centroid of a target from a forward-looking infrared imaging sensor is presented. The size of the image of the target is assumed to be small, i.e. around 10 pixels. The statistical characterization of the centroid of the target is obtained. Similarly, the statistical properties of the image correlation of two frames, which measures the target offset, are derived. Explicit expressions that map the video noise statistics into measurement noise statistics are obtained. The offset measurement noise is shown to be autocorrelated. State variable models for tracking the target centroid with these measurements are then presented. Simulation results and quantitative conclusions about achievable subpixel tracking accuracy are given. It is shown that the filter that models the autocorrelated measurement noise provides the best performance     

Automatic target recognition using enhanced resolution SAR data

Using advanced technology, a new automatic target recognition (ATR) system has been developed that provides significantly improved target recognition performance compared with ATR systems that use conventional synthetic aperture radar (SAR) image-processing techniques. This significant improvement in target recognition performance is achieved by using a new superresolution image-processing technique that enhances SAR image resolution (and image quality) prior to performing target recognition. A computationally efficient two-level implementation of a template-based classifier is used to perform target recognition. The improvement in target recognition performance achieved using superresolution image processing in this new ATR system is quantified     

Adaptive Tracker Field-of-View Variation Via Multiple Model Filtering

Adaptive estimation using multiple model filtering is investigated as a means of changing the field of view as well as the bandwidth of an infrared image tracker when target acceleration can vary over a wide range. The multiple models are created by tuning filters for best performance at differing conditions of exhibited target behavior and differing physical size of their respective fields of view. Probabilistically weighted averaging provides the adaptation mechanism. Each filter involves online identification of the target shape function, so that this algorithm can be used against ill-defined and/or multiple-hot-spot targets. When each individual filter has the form of an enhanced correlator/linear Kalman filter, computational loading is very low. In contrast, an extended Kalman filter processing the raw infrared data directly and assuming a nonlinear constant turn-rate dynamics model provides superior tracking capability, especially for harsh maneuvers, at the cost of a larger computational burden.     

基于CDKF的快速协方差交叉融合跟踪算法研究

随着目标抗干扰能力的增强,单一寻的制导方式很难完成对目标的稳定跟踪和精确打击,需采用多种探测器作为传感器,提供多种观测数据以实现对目标的稳定跟踪和精确打击。建立了适当的目标运动模型和观测模型,利用中心差分卡尔曼滤波（CDKF）变换处理模型的非线性问题,避免了求解复杂的雅克比矩阵。对于分布式多传感器融合,传统的方法多采用协方差交叉（CI）融合方法,但是这类方法需要寻优求解。而快速协方差交叉（FCI）则不需要进行寻优过程,且计算量小。在此基础上,提出了用于多传感器目标跟踪的CDKF-FCI融合算法。最后,对算法进行了仿真分析,并进一步验证了提出算法的有效性。