雷达目标识别技术现状

近年来,在雷达目标识别技术的几个主要研究方面已取得若干进展。在雷达面临隐身、干扰、低空突防和反辐射导弹的“四大威胁”情况下,研究解决目标识别问题有其急迫需要性。本文综合介绍国外近年来公开报导的一些研究成果。着重对分类识别技术的两个主要方面--极化识别,波形、频响和极点识别--的原理和方法加以阐述。最后作出评价和发展趋势的预测。     

基于小波神经网络的复合材料损伤检测

讨论了小波变换和小波神经网络,借助小波变换良好的时频带通分层性,从各阶二进小波变换的频域中提取特征,送入小波神经网络进行学习和分类,结果表明该方法稳定可靠,在复合材料智能化研究中具有很大前景。     

合成孔径雷达图像目标识别问题研究

首先对合成孔径雷达 (SAR)图像目标识别的研究背景和国内外发展现状作了简单介绍 ,然后分析了SAR图像目标识别问题的复杂性 ,讨论了SAR目标识别系统的一般方案与方法 ,提出了基于多源信息融合和人机协作的识别框架 ,进而展望了SAR图像目标识别技术今后的发展方向。     

一种基于倾斜影像线特征的三维模型优化方法

针对基于点云构建的建筑物模型通常存在的表面凹凸不平、边缘锯齿等现象,以及建筑物模型中存在的视觉效果不佳的问题,本文提出了一种基于倾斜影像三维线特征约束的三维模型优化方法。该方法以重叠区域为依据对线段进行质量评估与筛选。然后采用选权迭代思想对三维线段进行择优重构,以三角网为单元进行平面拟合与模型表面的纠正与优化,以三维线段为辅助对模型边缘的三角网进行纠正与优化。采用无人机倾斜摄影数据进行实验,将本文方法与Poisson表面重建方法进行了比较,结果表明本文方法有效地消除了平面凸包和边缘锯齿,边缘精度优化至1像素以内,平面精度优化至0.5像素,模型总体精度比Poisson表面重建方法提升了近1倍。此外,对比现有的完全基于点云模型重建算法,本文方法极大地改善了模型的视觉效果,保持了三维模型平面与边缘的特征,模型的边缘和表面精度都得到了提升。     

基于多样性约束和离散度分层聚类的无监督视频行人重识别

视频行人重识别是一项应用非常广的计算机视觉任务。目前的视频行人重识别方法通常是基于监督学习的,该方法需要手工标记大量的数据,代价非常高且并不适用于现实场景。本文提出了一种从底向上的基于多样性约束和离散度分层聚类的无监督视频行人重识别方法。该方法首先将每个样本当作是一个不同的类,然后结合类内间离散度进行从底向上的分层聚类,类间和类内离散度都小的类别将被优先合并,同时在聚类准则中加入一项多样性约束来平衡每类中的样本数量,最后,利用线性变化的特征存储器动态更新模型。在Mars和DukeMTMC-VideoReID两个大型视频数据集上的实验结果表明,相比于目前先进的无监督视频行人重识别方法,本文方法在性能上有一定的提升。     

基于增程雷达一维像特征的高轨卫星识别方法

高轨卫星距离地球数万公里,雷达为了实现有效跟踪,通常使用增程技术。远距离使位置测量误差大到千米量级,增程导致数据率低到每帧以分钟计,雷达散射截面积(RCS)细节信息丢失,这给利用目标轨道和RCS进行目标分辨、识别带来困难。幸运的是高轨卫星目标相对观测视线位置和姿态稳定,天然消除了宽带一维像使用中方位敏感性的问题。本文通过一维像的尺寸、波形熵等特征,通过最小二乘支撑向量机,设计了高轨卫星目标的模板匹配算法,利用实测数据进行了识别验证,结果表明了方法的有效性。     

基于形态学算法的2219铝合金钨极氦弧焊熔池图像特征提取

根据2219铝合金氦弧焊特点,构建了焊接过程实时视觉传感系统,获取了熔池清晰图像;为获得2219铝合金氦弧焊熔池尺寸参数,实现对熔池特征的分析,采用了形态学算法,提取了典型熔池图像边缘形状,并获得了熔池宽度特征尺寸;通过试验验证,提取的熔池图像宽度特征能够准确反映出熔池尺寸信息及变化趋势。研究结果表明:形态学算法准确度高、计算速度快,满足2219铝合金氦弧焊熔池图像实时处理需求,不同阈值及结构元素对图像特征提取效果均会产生较大影响,研究阈值自适应算法,可以满足工程上焊缝熔池特征实时视觉监测的复杂需求。     

面向复杂场景的鲁棒KCF行人跟踪方法

经典核相关滤波(Kernel correlation filter,KCF)目标跟踪算法是判别式跟踪算法中效果最好的一种跟踪算法。但该算法不能很好地适应目标尺度的变化,且在遇到目标短暂消失或被其他物体遮挡等复杂情形时不具备处理目标重显的能力,因此,为使得目标跟踪能够有效地应对遮挡情形,本文从提高特征表达能力、增加尺度匹配策略和抗遮挡3个方面对经典KCF算法进行改进,提出了一种鲁棒的KCF行人跟踪算法。首先对方向梯度直方图(Histogram of oriented gradients,HOG)特征和色调、饱和度、值(Hue-saturation-value,HSV)特征的响应分布进行特征融合。其次,设置动态选择尺度池来改进滤波器的固定尺寸匹配。最后,通过滤波器响应最大值的变化率衡量目标的遮挡情况,并根据上一成功帧的目标信息,通过EdgeBoxes和感知哈希算法找回目标,更新滤波器。本文所提方法在公开视频跟踪数据集Benchmark上进行测试,实验结果表明与其他目标跟踪方法相比,本文算法提高了尺度变化、遮挡等复杂情形下跟踪的鲁棒性,确保了较高的跟踪精度。     

基于对传过程神经网络的航空发动机转子仿真故障诊断研究

为更好地解决动态模式识别及故障诊断问题,将过程神经元引入传统对传神经网络的竞争层,提出一种对传过程神经网络模型。并将所提出的网络模型及其学习算法用于航空发动机转子仿真故障诊断中,并得到了满意的结果。     

基于SIFT的鲁棒的宽基线特征点匹配计算(英文)

本文提出了一种鲁棒的宽基线特征点自动匹配算法,该算法基于Scott邻近矩阵,可以在多种宽基线图像中找到更多的正确匹配点对,并且具有较高的准确率。针对宽基线条件下Scott邻近矩阵存在的缺陷,首先在特征检测中引入具有尺度旋转不变性的SIFT描述子,用其距离来度量特征之间的相似程度;然后再使用尺度和方向自适应的归一化互相关(ASO-NCC)以增强对应矩阵的匹配测度。因为SIFT仅对线性光照变化具有不变性,所以使用ASO-NCC不但具有尺度旋转不变性,而且使得对应矩阵对于一般光照变化具有更好的鲁棒性。新算法同时避免了Scott邻近矩阵中使用的点对间的空间位置距离度量,该度量是宽基线匹配中产生错误匹配的主要原因。通过实验表明,该算法对于存在较大的尺度、旋转、亮度等宽基线变化的图像序列,相比其他方法,能够自动获得更多的正确匹配点对和较高的准确性,该算法对视角和仿射变换也有一定的鲁棒性。