一种基于星座匹配的全天自主星图识别算法

讨论了一种新的无须任何先验知识的星图识别算法。通过对导航星座数据库进行调整和最大限度地利用了已识别基元所提供的匹配信息,使得算法的计算量和存储容量与传统的三角形匹配算法相当。ＭｏｎｔｅＣａｒｌｏ 模拟表明,在星等误差０．５ 星等（３σ）,位置误差１０ 角秒（１σ） 时,算法的识别成功率接近１００％ 。     

两向二维最大子类散度差鉴别分析及其在SAR目标识别中的应用

针对Fisher线性判决分析（FLDA）在图像识别应用中遇到的小样本问题,提出了两向二维最大子类散度差（(2D)2MCSD）鉴别分析的图像特征提取方法。首先找到每类数据的子类划分,再根据这些子类构造基于二维图像矩阵的子类类间和子类类内散布矩阵,最后用子类类间与子类类内散布之差作为鉴别准则求取投影矢量。该方法可以处理多模分布问题,从根本上避免了矩阵求逆和小样本问题,加快了特征抽取的速度,且同时对图像行和列进行压缩,克服了二维最大子类散度差（2DMCSD）鉴别分析和另一种形式的2DMCSD（Alternate 2DMCSD）的特征维数较大的问题。基于美国运动和静止目标获取与识别（MSTAR）公共数据库提供的实测数据的实验结果表明：本文方法的性能优于现有的子空间方法;与2DMCSD和Alternate 2DMCSD相比,可大大降低特征维数、提高识别性能。     

空间进动目标动态散射特性的实验研究

研制了进动目标模型,构建了紧凑场微波暗室动态测量系统,通过暗室实验的方法研究了空间进动目标的动态散射特性,给出了若干典型条件下的全极化宽带测量结果。通过实验可以观察到目标进动引起的多普勒频移,证明了微波雷达对进动目标微多普勒的可观测性,同时观察到弹头常见结构引起的非理想点散射现象。实验结果的分析表明,该实验系统能够有效地揭示进动目标的目标特性和回波调制特性,从而为弹道中段目标的动态电磁散射特性、目标结构反演、运动参数提取和逆合成孔径雷达(ISAR)成像的研究奠定了基础,对于弹道中段目标识别的研究具有重要的意义。     

美国弹道导弹预警探测识别技术发展分析

弹道导弹预警探测识别技术是反导理论和实践需要突破的核心关键技术.美国为了取得反导方面的战略优势地位,长期致力于推动预警探测识别技术的发展,美国预警探测识别系统发展可分为部署初期预警系统、发展新型预警探测识别技术、升级预警探测识别系统并提升目标识别能力等3个重要阶段,目前仍在不断改进完善.其中,林肯实验室在预警探测识别技术方面进行了长期的探索研究,在美国预警探测识别系统建设中发挥了至关重要的作用.此外,美国还利用原有导弹试验靶场,建立太平洋反导试验台,开展了大量反导试验,这也是美军加快生成反导作战能力的“孵化器”和“磨刀石”.通过分析美国预警探测识别系统发展情况,可以得出一些有用的启示.     

基于整体多项式识别法的高速铣削刀具系统的试验模态分析

根据试验模态分析的基本原理以数控加工中心刀具系统为测试对象,对其应用频响函数法(FRF)试验模态分析,采用整体多项式识别法来识别出模态参数,最后与矢量分析法和有限元仿真模型进行匹配,结果显示整体多项式识别具有较高的识别精度,得到了高速铣削刀具系统较精确的模态参数,为进一步研究高速加工刀具系统的动力学及动态响应特性提供了必要的理论和试验依据。     

空间多目标空域分布分析及解算方法

空间多目标空域分布是指目标群在飞行过程中的空间相对位置关系和运动状态,是评估武器系统性能的重要参数。测控系统对该参数的获取越来越重视,但是对空域分布的描述还没有形成统一的认识。从目标探测和目标识别角度提出了一种解决方案,按照多目标在空间散布的形态把空域分布划分为直线分布、平面分布和立体分布3种类型,定义了各种分布类型的描述参数,并给出了各类参数的解算策略和方法步骤。用10个目标构成不同分布形态的目标群,仿真测控系统对其跟踪解算过程,解算结果与空域分布设计一致,验证了分析和解算方法的正确性,该方法可以在试验任务中推广应用。     

遮挡条件下的鲁棒表情识别方法

提出了一种对面部遮挡具有鲁棒性的表情识别方法.首先,基于鲁棒主成分分析(RPCA,Robust Principal Component Analysis)对待识别人脸进行重构,并对重构人脸和待识别人脸的差值图像进行显著性检测得到面部遮挡区域;其次,将待识别人脸的遮挡区域由RPCA重构人脸的相应区域进行替换,并由权值更新的AdaBoost分类器对遮挡区域重构后的人脸进行表情识别.在BHU(Beihang University)人脸表情数据库和日本女性表情数据库上进行了各种遮挡情况下的表情识别实验,获得了比AdaBoost方法更好的识别结果,说明基于RPCA和AdaBoost的表情识别方法对多种面部遮挡具有较强的鲁棒性.     

大场景深度范围下的角度校验立体匹配算法

针对三维扫描系统开发过程中遇到的大场景深度范围下标志点误匹配率较高的问题,对基于单应性约束的双目立体匹配算法进行研究,从理论上推导出匹配误差与场景深度和工作距离比值间的数学关系,明确该算法的适用条件。为提高场景深度与工作距离比值较大时的匹配正确率,提出一种基于角度校验的双目立体匹配算法,首先通过极线约束获得初始匹配点对,然后通过计算角差异度校验得到最终正确匹配点对,实验表明所提出的方法能够达到良好的匹配效果。     

Crater detection via genetic search methods to reduce image features

Recent approaches to crater detection have been inspired by face detection’s use of gray-scale texture features. Using gray-scale texture features for supervised machine learning crater detection algorithms provides better classification of craters in planetary images than previous methods. When using Haar features it is typical to generate thousands of numerical values from each candidate crater image. This magnitude of image features to extract and consider can spell disaster when the application is an entire planetary surface. One solution is to reduce the number of features extracted and considered in order to increase accuracy as well as speed. Feature subset selection provides the operational classifiers with a concise and denoised set of features by reducing irrelevant and redundant features. Feature subset selection is known to be NP-hard. To provide an efficient suboptimal solution, four genetic algorithms are proposed to use greedy selection, weighted random selection, and simulated annealing to distinguish discriminate features from indiscriminate features. Inspired by analysis regarding the relationship between subset size and accuracy, a squeezing algorithm is presented to shrink the genetic algorithm’s chromosome cardinality during the genetic iterations. A significant increase in the classification performance of a Bayesian classifier in crater detection using image texture features is observed.     

基于光谱知识的高光谱图像自动识别方法

针对传统高光谱图像矿物识别方法未能充分利用矿物光谱诊断吸收特征与矿物光谱知识、识别过程人为干预多等问题,提出了一种基于光谱知识的高光谱图像自动识别方法.该方法引入了基于光谱吸收特征与波形特征的光谱知识作为自动识别的标准,利用连续统去除操作增强光谱吸收特征,采取基于光谱主次吸收特征的识别决策策略,建立多级约束准则以提高识别精度及避免误识别,通过利用模拟数据进行算法精度评价并应用航空高光谱成像仪AVIRIS(Airborne Visible/Infrared Imaging Spectrometer)数据进行应用分析与验证.结果表明:当图像信噪比大于200时,识别准确率可以达到80.3%,能够得到良好的识别结果以及较高的精度,并实现了基于高光谱图像的矿物自动识别.