混响背景下基于高阶统计量的动目标检测方法

针对混响背景中的动目标检测问题,根据基阵接收数据经过波束形成与匹配滤波后的输出结果计算高阶统计量,并将其视作观测空间。基于此空间中混响和目标回波的差异,利用多ping的高阶统计量构造特征向量,计算特征向量之间的马氏距离作为混响和目标差异的量化标准,再依据最大一致条件功效检测准则选择门限检测方法。波形数据仿真与海上实录数据检验均表明该方法的检测性能优于单ping波束形成及匹配滤波方法。通过蒙特卡洛仿真获得不同信混比下的接收机工作特性曲线,与单ping检测相比,在保证虚警概率小于0.01、检测概率大于0.5的条件下,最小可检测信混比降低约6 dB。     

基于候选轨迹统计模型的红外弱小点目标检测

建立候选目标轨迹集合,以候选目标轨迹集合为样本空间,利用沿候选轨迹的能量积分构造此空间上的概率分布,从而建立候选轨迹的概率统计模型.以此模型为基础,设计了一种弱小点目标检测方法.通过蒙特卡罗实验方法调节模型参数,使得算法的检测性能达到所提出的指标.该算法规避了以往算法中需要获得解析形式的候选轨迹密度函数的限制,因此能检测出沿任意方向作直线运动的点目标.最后,针对给定的弱小点目标观测图像序列,利用所提出的算法进行检测,仿真结果证明此算法是有效的.     

可见光图像序列中运动弱小目标检测方法研究

为了使制导系统有足够的反应时间,要求在很远的距离上就能检测到目标.在这种情况下,目标在探测器输出图像平面上呈现为斑点目标,且信号强度很弱,这就给目标检测带来了较大的难度.采用了一种先膨胀后累加的处理方法,这种方法首先通过形态学膨胀来增大图像中的目标面积,使得运动目标在不同帧内产生重叠部分,然后再通过多帧累加来增强目标能量;图像序列的邻域判决法也是目标检测的一种常用方法,它利用目标运动的连续性来剔除图像中的虚警点,可以获得较好的处理效果.主要基于以上2种方法来完成目标的检测,并通过数学仿真的方法来对该方法进行验证.实验结果表明该方法能够有效地检测出信噪比不低于2.5的弱小运动目标.     

基于邻域灰度分布的IR弱小目标检测

图像中邻域内灰度起伏程度越大 ,各点灰度值占邻域内总灰度值的比率的平方和越大 ,由此提出了一种基于邻域灰度分布的弱小目标检测方法。同时考虑到复杂自然背景 ,特别是背景中含有大量边缘和高频点的情况 ,提出了目标检测的改进方法。最后 ,利用邻域判决法实现运动目标的进一步分离。实验表明该方法能够极大地减少候选目标点数 ,准确有效地检测复杂自然背景中的红外运动弱小目标 ,适合于实时和多目标的检测     

基于SVM-UPF的雷达弱小目标检测前跟踪算法

针对低信噪比条件下雷达弱小目标的检测与跟踪,提出了基于支持向量机和无迹粒子滤波的检测前跟踪算法。该算法采用无迹卡尔曼滤波生成粒子滤波的重要性密度函数,提高了粒子的使用效率,在此基础上将支持向量机引入到粒子重采样步骤中,通过构建状态的后验概率密度函数来获得多样性的新粒子,有效解决了粒子贫化问题,仿真结果表明,该算法提高了目标的检测概率和跟踪精度。     

改进的基于背景预测的红外弱小目标检测方法

提出一种改进的基于背景预测的红外弱小目标检测的算法,该算法通过\"裁判模型\"自动排除预测窗口内偏离真实值的噪点,从而减少了噪声和背景起伏对背景预测的影响,不仅能解决传统预测算法的边缘模糊问题,而且有较强的抗噪声特性,尤其适用于具有复杂云层的空背景,是背景预测算法的一个重要扩展。针对实际红外图像的实验仿真表明,该算法是有效的。     

焦平面红外弱小目标检测新算法

针对焦平面红外图像中运动弱小点目标的检测问题,基于形态学滤波器和模糊决策融合构建了一种新的弱小目标检测算法。针对单帧检测,基于目标在实测红外图像上所呈现的凸包结构特点,设计了圆形形态学滤波器结构,并引入神经网络进行圆形形态学滤波器结构元素优化设计。同时在多帧关联检测的基础上,引入决策融合概念,基于贝叶斯最小风险准则建立了基于模糊决策融合的序列关联检测方法。实测数据的处理结果表明:针对低信噪比图像(SNR≈2),在虚警概率≤1%情况下,新算法对复杂红外弱小目标图像检测概率≥98%,有效地提高了检测算法的性能。     

基于改进动态规划的雷达弱小目标检测与跟踪

针对复杂背景下雷达弱小目标的检测和跟踪问题,提出了一种改进动态规划的检测前跟踪算法.该方法用多级检验判决方法代替常用的两级门限检测,并用传统跟踪技术进行目标位置状态估计,根据估计值与状态值的欧氏距离设计一个惩罚项来改进值函数.通过仿真验证,结果表明该方法能有效消除伪航迹,减小计算量,提高对雷达弱小目标的检测和跟踪性能.     

基于小波变换的海面红外弱小目标检测中实时性研究

针对凝视型红外预警系统在复杂海面背景下对弱小信号检测的实时性问题,提出了压缩监测区域、危险度分级、舍弃小波变换后的低频分量部分和检测图像中的零信号4种优化型算法,减少了系统的运算量,提高了系统的运算速度,满足了系统实时性的要求,并且降低了系统的虚警率,保证了系统对强起伏背景的抑制效果。     

交互MCMC-PF的雷达弱小目标检测与跟踪

针对复杂背景下雷达弱小目标的检测和跟踪问题,提出了一种改进粒子滤波的检测前跟踪算法。该方法在粒子滤波重采样阶段后,采用交互MCMC移动更新策略,充分结合粒子的自身历史信息和其他粒子信息,克服了粒子贫化问题,加快了算法收敛速度。通过在雷达回波距离-多普勒数据上,建立粒子滤波模型,并进行实验仿真,结果表明改进算法提高了雷达弱小目标的检测概率,跟踪误差小。     

一种智能化的红外弱小目标检测方法

针对复杂背景下的远距离红外弱小目标检测问题,提出了一种基于自适应结构元素形态学和BP神经网络的智能化检测方法。该方法首先将图像按一定大小分成子图像,通过统计子图像的特征确定候选目标区域,然后基于自适应结构元素的灰度形态学顶帽变换,实现红外空中复杂背景的抑制并突出待检测的小目标。接下来,以像素的灰度、水平、垂直和对角梯度、邻域均值和方差6个特征为输入量,构造三层BP神经网络,最终实现红外复杂背景下的弱小目标检测。仿真实验结果表明,该方法可以实现对红外复杂背景的有效抑制,稳定准确地检测出信噪比大于2的红外弱小目标。     

模糊决策融合的红外弱小目标序列检测

针对红外序列图像中运动弱小点目标的检测问题,重点研究序列关联检测算法.在多帧关联检测的基础上,引入决策融合概念,建立了基于模糊决策融合的序列关联检测方法.基于贝叶斯最小风险准则建立分布式决策模糊融合方法,有效融合单帧检测的结果,提高序列检测算法的性能.实测数据的实验结果验证了基于贝叶斯最小风险准则的分布式决策模糊融合方法的可行性和有效性.     

基于检测统计量的修正转换恒虚警检测算法

提出了一种新的恒虚警检测算法--修正的转换恒虚警检测算法(MS-CFAR).该算法考虑检测单元采样作为参考单元的选择依据,其使用了基于转换恒虚警(S-CFAR)和最大选择恒虚警(GO-CFAR)的复合算法.给出了该算法在均匀背景中的数学分析.结果表明,该检测器既具有均匀背景下和CA-CFAR相近的良好性能,在多目标环境中亦克服了GO-CFAR不能分辨主目标的弊端,具有较强的适应性.尤其在杂波边缘环境中,MS-CFAR表现出了远好于S-CFAR的控制虚警的能力.     

脊状表面湍流边界层高阶统计量特性

通过对不同风速下V型脊状表面及光洁平板表面湍流边界层内偏斜系数和平坦系数的测试,对比分析了脊状表面边界层内偏斜系数和平坦系数的分布规律。试验在一小型专用风洞中开展,流场测试中使用恒温式IFA300智能型流动分析仪,测试模型则采用有机玻璃材质的矩形平板结构,且试验中模型表面脊状结构的方向与流向一致。最终研究结果表明,脊状表面湍流边界层内偏斜系数和平坦系数分布规律与平板表面基本一致,但脊状结构的存在降低了距壁面无量纲高度y′<10区域(包括整个粘性底层和过渡区的一部分)的偏斜系数和平坦系数,而对边界层中过渡区以外区域则影响不明显。由此可以推断,脊状结构主要影响边界层流场的近壁区。     

一种基于帧间相关的红外弱小目标运动轨迹检测方法

针对传统帧间相关法对部分虚警轨迹难以排除的问题,研究了一种简单的帧间相关去噪算法,并提出在此基础上再次运用数学形态学方法来进一步排除虚假轨迹。算法采用形态学top-hat变换和二值化方法预处理原始图像,然后根据目标帧间相关而噪声点不相关的特点去噪,之后相加得到初步运动轨迹图像;最后采用形态学开运算,排除虚假轨迹,得到最终的检测结果。结果中检测出的目标轨迹清晰,虚警少。实验表明,该方法能有效地检测出弱小目标的运动轨迹。     

基于改进Yolo v3的弹载图像弱小目标检测算法

结合弹载摄像机的成像特点,对不同目标在弹载图像中的尺度信息进行分析,重点对复杂作战环境下的弱小目标检测问题进行研究。优化小目标样本数据结构,扩充小目标样本比例,并将远距离成像不易区分类别的目标统一标注为“target”类。优化Yolo v3网络结构,利用K-means对多尺度预测分支上的anchor大小重新聚类,并在FPN大尺度特征提取前融合中、小尺度特征信息,通过卷积注意力模块和双线性插值上采样提高特征图中显著特征的表达能力,减少弱小目标特征信息损失。优化后的算法大幅度提高了弱小目标检测精度,降低误检和漏检率,并保证了算法的处理速度。     

一种基于无人机探测图像区块信息的弱小目标检测算法

无人机平台高分辨率遥感图像中的目标信息是军事行动规划的重要参考依据。然而高分辨率遥感图像存在尺寸较大、背景信息混杂的问题,导致目标信息检测结果常存在大量虚警以及错误识别;不仅如此,由于图像与目标尺寸之间存在巨大差异,因此在大量背景像素中探测微小目标,对于检测算法的精确度有着更高的要求。为了解决上述问题,实现准确目标检测,本文提出了一种基于无人机遥感图像区块信息的弱小目标检测算法。算法首先使用区块信息以及微小神经网络结构来缓解大尺寸图像带来的处理困难、速度较慢的问题;其次使用全局注意力机制对于可能出现的虚警进行抑制;最终将检测器与分类器进行信息互通,从而同时提高两者的能力,达到提升模型性能的效果。所提检测算法在大尺寸遥感图像数据集上进行实验,结果表明,检测结果中假阳性个数明显减少,并且准确度大幅提升。该结果证明本文所提方法的有效性。     

基于二阶Keystone的微弱运动目标检测

雷达技术是为了探测远距离目标而发展起来的.弹载雷达处理回波信号,实现对移动目标的测速与测距.微弱运动目标的"远距、低可探测、高机动"性使传统的检测方法难以识别、探测、跟踪.为提高对这类目标的检测能力,常会对信号进行积累.但由于目标的运动,长时间积累会产生跨越距离走动单元与跨速度单元现象.研究了匀加速运动目标回波信号模型...     

基于DSP的运动目标检测算法优化

本文针对视频图像运动目标检测算法数据量多、处理速度慢的缺点,提出了对运动目标检测算法的优化方法,使用基于TMS320C64X系列DSP的程序优化方法对运动目标检测代码进行优化,采用了编译器选项、内联函数与宏定义、查找表、软件流水等优化方法,最后综合分析了相关优化方法对于时间性能的改进情况,实验结果证明了优化方法的有效性。