抗旋转和缩放的SAR与可见光图像自动配准算法

针对合成孔径雷达与可见光图像在大角度旋转和大比例缩放情况下的高精度自动配准问题,提出了一种尺度和旋转不变的SAR(Synthetie Aperture Radar)和可见光图像自动配准算法.算法以SIFT(Scale Invariant Feature Transform)算法为基础,首先通过增强Frost滤波和自适应直方图均衡增强SAR和可见光图像的共性,使其显著提高能够提取出足够多的特征点数目,然后再通过特征描述方法、相似性度量方法、点匹配方法、特征点聚类方法和误匹配点剔除方法等方面对原始SIFT方法进行改进,有效地提高其在多源图像、强噪声、复杂成像条件下的特征提取和匹配性能,最后通过最小二乘法和相似变换模型实现SAR和可见光图像的精确配准.试验表明该算法对图像尺度和角度变化具有良好的适用性,在正确匹配点的比率和定位精度方面都优于原始SIFT算法和Harris算法,具有良好的工程应用前景.     

基于多参数特征的辐射源识别技术

针对复杂战场电磁环境下辐射源识别困难的问题,提出一种基于多参数特征的辐射源识别方法。介绍了辐射源辐射信号特征量的提取技术,给出了识别的原理和步骤。最后在小样本和大样本辐射源数据库的基础上,利用该识别技术进行了仿真,结果证明了基于多参数特征的辐射源识别方法的有效性和准确性,相比于传统的辐射源识别技术,该方法识别率更高,速度更快。     

基于结构特征的弹道目标雷达识别技术

弹道目标的结构特征反映了目标的本质属性,是识别真假目标最直观的特征之一。分析了弹道目标的结构特征差异,系统归纳了基于结构特征的弹道目标雷达识别方法。根据雷达提取结构特征所采用的信息不同,将这种识别方法分为基于RCS序列的识别方法、基于一维像的识别方法、基于二维像的识别方法以及基于极化信息的识别方法,详细阐述了这四类识别方法的物理基础及其实现途径,分析了它们各自的特点,最后展望了技术发展趋势。     

多通道投影图像的几何自动拼接技术

以低端摄像头产品为测量元件构造了实用的可扩展的多通道投影图像自动拼接系统;利用二次校准方法细化求解一致性矩阵,在投影屏幕上实现了多通道投影图像间的几何无缝拼接;特征图案的正确选择和二次校准方法最大限度地降低了摄像头性能对校准精度的影响;在满足相邻投影图像有重叠区域和摄像头能拍摄到重叠区域两个基本条件时,系统可实现自动拼接校准.实验表明,二次校准方法使校准时间明显缩短,使校准精度达到了亚像素级;低端摄像头、高效率的特征提取方法和一致性矩阵求解算法使系统扩展成本大大降低.      

基于高分辨率二维雷达图像的特征提取与目标识别

分析了雷达目标散射信号特征,在此基础上,根据雷达图像的特点,将二维雷达灰度图转化为一维列向量(即把二维数据排成一维序列);然后,采用AR模型进行图像分析,利用所得到的参数通过线性规划,进行特征的提取、建库与目标识别。最后,分析了不同雷达散射信号与建库、识别的关系。     

高光谱遥感数据特征挖掘技术研究进展

从目标空间尺度和传感器空间分辨率的相对大小,把高光谱遥感图像目标检测、识别与分类中的特征挖掘问题划分为多像元、单像元和亚像元3个层次,因而更具自然特性也更适合特征挖掘和目标分类与识别技术的分析。把高光谱遥感图像特征挖掘方法归纳为以保留波段物理意义为主要目的的特征选择、以综合利用所有观测数据信息为主要特色的特征提取,和考虑亚像元多目标混合信息的特征混合3大类。重点且简明地从高光谱遥感数据光谱曲线与光谱特征、特征提取、特征选择以及特征混合分析几个方面综述高光谱遥感数据/图像的特征挖掘技术的研究进展并通过热点问题展望其未来的发展趋势。     

一种基于MLS的SAR图像点特征提取方法

针对合成孔径雷达图像点特征提取问题,提出了一种基于MLS的SAR图像点特征提取方法.首先利用提出的基于超像素关联分析的SAR图像分割算法得到二值分割图像,再把该二值图像和SAR图像进行点乘运算,获取到含有强度信息的目标区域,然后采用移动最小二乘法(MLS)对目标区域进行曲面拟合,根据设定的点特征判决规则,最后提取出SAR图像的峰值、脊和谷等多种点特征.基于MSTAR数据的实验结果表明了该方法的有效性和准确性.     

基于时频矩阵非负分解特征的多视角SAR目标识别

针对多视角合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别问题,提出一种基于目标高分辨率距离像(High Range Resolution Profile,HRRP)时频矩阵非负分解特征提取和识别方法。该方法首先对SAR图像进行滤波预处理,得到相应的目标HRRP序列;然后采用匹配追踪时频分析方法计算得到目标HRRP的时频矩阵;应用非负矩阵分解技术分解时频矩阵,得到相应的谱矢量和时相矢量。基于分解得到的谱矢量和时相矢量提取时频域矩特征和稀疏特征。最后,应用隐马尔科夫模型(Hidden Markov Model,HMM)对这些时频特征序列建模及识别。采用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)计划公开发布的SAR目标数据库的实验结果表明,该方法不仅能有效降低时频域特征的维数,而且识别性能优于传统的时频域特征。     

基于菲涅耳变换的不变矩提取及目标识别方法

提出了一种基于菲涅耳变换的不变矩特征提取方法,并应用于图像目标识别.利用菲涅耳变换得到图像的衍射图样,将图像映射到菲涅耳衍射空间;在衍射空间提取几何矩或正交矩来获取图像全局信息的特征描述;利用k近邻法识别目标.实验结果表明基于菲涅耳变换的不变矩提取方法对于平移、尺度及旋转变化的图像目标具有更高的分类精度和抗噪声能力.     

基于CEEMDAN的雷达信号脉内细微特征提取法

有效的信号特征提取是高精度雷达辐射源识别的基础,以脉冲描述字为代表的传统特征已无法满足复杂电磁环境的需要。本文提出一种基于自适应噪声完备集合经验模态分解（CEEMDAN）的有效雷达辐射源脉内细微特征提取算法。雷达信号由对非平稳、非线性信号尤为有效的CEEMDAN分解产生的个别分量重构,抑噪效果通过1 000次蒙特卡罗实验得到验证,同时设计基于该重构的一种脉内特征空间。本文方法与主流特征提取方法的识别精度在6部雷达辐射源产生的3 000个不同脉内调制的加噪信号样本上进行了实验对比,结果表明不同种类信号样本在本文特征空间中清晰可分,本文方法较之主流方法更加精确,尤其在0 dB信噪比（SNR）下仍保持90%以上的高精度。