基于加权动态规划和航迹关联的小目标检测技术

低信噪比下运动小目标的检测一直是成像目标检测中的一个热点问题。提出了一种新的小目标检测算法,采用方向加权的动态规划算法和二值航迹关联,克服了低信噪比下目标机动和传感器的不稳定对小目标检测的影响,实现了对深空背景下运动方式任意、速度最大达1像素/帧的弱小运动目标的有效检测。     

基于多尺度特征聚类算法的不确定目标检测

提出一种基于无样本的SAR图像目标检测分类方法。针对空战过程中难以获得大量SAR图像目标样本问题,采用基于全局CFAR的多尺度SIFT特征进行目标纹理描述,并针对特征维度较高及特征描述之间存在的冗余问题,通过PCA算法对其进行降维处理后,采用DBSCAN算法对潜在目标区域的多尺度SIFT特征进行分类实现目标检测。通过单一目标和多类目标图像进行实验验证,实验结果表明该方法具有一定的有效性和可行性。     

改进的YOLOV3算法在小目标检测中的研究与应用

战场目标的图像检测与识别对于战场监视、侦察、毁伤状态评估和火控系统研究等具有重要作用.以坦克装甲目标为研究对象,选用识别精度高、速度快的YOLOV3为基础目标检测模型,针对复杂战场环境中获取图像目标特征信息少的问题,引入多尺度特征增强结构的方法对YOLOV3模型进行改进,通过丰富特征图多样性的方式,提高模型性能.在坦克数据集上的实验结果表明,改进后的算法对于复杂战场环境下的小目标特征具有更强的敏感性,较大程度上增强了模型的识别精度.     

最小二乘向量机结合光谱维信息检测弱小目标

现有天基红外导弹预警系统对目标的检测侧重于对红外图像的处理。从光谱维数据分析角度出发,结合红外弱小目标图像信噪比低的特点,提出了一种利用最小二乘向量机(LSSVM)结合目标光谱维信息检测弱小目标的方法,并以F测度函数为适应度函数,利用人工蜂群算法(ABC)对最小二乘向量机的正则化参数和核函数参数进行优化。应用小样本训练数据建立了LSSVM检测器,以4型典型导弹目标尾焰红外辐射特征谱数据作为训练样本,比较了ABC算法、网格搜索(grid search)算法、粒子群(PSO)算法和遗传(GA)算法。实验结果表明,在低信噪比条件下,由ABC优化的LSSVM模型能获得更好的检测性能。     

基于可变卷积与迁移学习的小样本检测方法

针对主流方法对弱小目标识别效率低的问题,提出了一种基于可变卷积与迁移学习的小样本检测方法。基于可变卷积思想改进特征提取主干网络,实现在少量数据上达到和普通卷积在大量数据上相等的学习能力。设计一种Soft-NMS共同作用的方法降低多目标重叠容易出现的漏检问题。通过在公开数据集PASCAL VOC和实测弱小目标数据集上的实验表明,所提算法实现小样本条件下对实测弱小目标的检测与识别,且与原始方法相比性能有显著提高,在公开数据集上较原算法提高了5.5%,在实测数据集上较原算法提高了8.3%。     

一种基于Wiener滤波的红外背景抑制方法

红外图像序列中小目标的检测问题是当前的研究热点。为了检测起伏背景中的弱小目标,在理论分析的基础上提出了用Wiener滤波器去除起伏背景,然后进行自适应目标检测的小目标检测方法。采用连续采集的长波红外图像序列进行了实验研究,并给出了目标检测结果及其分析。结果表明,该算法能够从信噪比大于2.0的图像序列中检测出目标轨迹。     

导弹防御系统信息移交研究

拦截弹单纯依靠弹载红外传感器进行目标识别难度很大,将地基雷达的目标识别结果上传给拦截弹必将提高拦截性能并减轻红外识别负担,有利于降低弹载传感器的配置要求.提出了信息移交的概念,分析了国内外的研究现状,指出了需要解决的问题,然后建立了单目标、多目标和目标群信息移交模型,最后指出了需要进一步研究的问题.     

弹载前斜视SAR BP成像算法与实现

弹载合成孔径雷达(SAR)的方位成像能力受飞行弹道和观测角的影响。后向投影(BP)算法建立在每条回波脉冲对应的弹目斜距已测知,通过斜距将回波信号反向投影至成像区域进行相干累加,实现目标区域的精确成像,在原理上不存在任何理论近似,因此适用于弹载大斜视角或者非线性航迹等复杂成像几何下的成像聚焦处理。为满足弹载实时SAR成像处理的要求,提出一种逐脉冲SAR实时成像算法。该方法是在BP算法基础上改进的时域处理算法,具备逐脉冲实时处理的特性,适合弹载条件下的延迟时间短、实时率高、快速成像的特点。仿真和机载试验表明,该方法可以有效进行大前斜视角的SAR成像,实现SAR实时成像处理。     

基于直线扫描的引信钢球分层成像检测算法

针对现有的火药引信装配正确性检测方法中存在的无法准确检测遮挡严重的零件的问题,提出了引信中钢球分层成像定位检测算法。将X射线源直线移动扫描待测物体形成多个虚拟的小孔径,结合光学合成孔径原理对所有小孔径进行合成,将合成的虚拟大孔径成像在不同距离深度的平面上,实现对目标的定位和检测。试验结果表明：所提算法能够在火药引信钢球相互重叠的情况下利用深度信息进行分层成像,提供待测物体的深度信息,能够对不同层次的目标进行检测,确定待检测物体的数量,解决了现有的检测方法在检测过程中出现的漏检问题。     

混沌信号在弹载雷达成像中的应用

传统的线性调频信号在雷达成像中存在旁瓣电平过高,参数容易被截获等缺点。为了提高成像雷达的抗干扰性能和分辨能力,将混沌调频信号用于弹载成像雷达系统,建立了SAR工作的空间几何模型,在此基础上分析了回波特性,并对点目标进行了成像仿真,重点对成像性能进行了分析。结果表明,混沌调频信号用于弹载成像雷达系统可获得比较理想的点目标图像,使系统具有强抗干扰性能,有着良好的发展前景。     

一种有效的红外弱小目标DBT算法研究

作为红外自寻的制导、搜索跟踪和预警等领域的一项关键技术,红外弱小目标检测与跟踪成了红外图像处理领域中的一项重要研究课题。本文采用了"先检测后跟踪(DBT)"的思想对红外小目标进行检测与跟踪,首先采用基于各向异性偏微分方程的背景抑制技术对单帧图像进行抑制,再用最大绝对对比度阈值对红外图像进行分割,最后采用形心跟踪法对小目标点坐标定位。试验证明本文算法应用于目标检测的可行性和有效性。     

一种融合显著性的Adaboost的电视制导图像变尺度目标快速检测方法研究

电视制导过程中随着弹目距离的减小,目标图像会呈现尺度的非线性放大,现在传统的目标检测方法,不能满足目标尺度的精确变化,导致目标定位偏差,且检测计算量大,无法达到实时性。本文将基于剩余谱的显著性检测方法融入Adaboost检测过程,并应用于电视制导图像的目标检测中,能够对海面或沙漠等背景较为单一的区域进行快速目标检测,且检测窗口能够准确适应目标尺度的变化。     

一种融合显著性的Adaboost电视制导图像变尺度目标快速检测方法研究

电视制导过程中随着弹目距离的减小,目标图像会呈现尺度的非线性放大,传统的目标检测方法不能满足目标尺度的精确变化,目标定位有偏差,且检测计算量大,无法达到实时性。将基于剩余谱的显著性检测方法融入Adaboost检测过程,并应用于电视制导图像的目标检测中,能够对海面或沙漠等背景较为单一的区域进行快速目标检测,且检测窗口能够准确适应目标尺度的变化。     

MIMO雷达信号检测前跟踪算法及性能

针对雷达目标检测中,弱小目标雷达截面积小,目标角闪烁以及目标受噪声和杂波影响比较大,基于序列检测的检测前跟踪算法是在MIMO雷达信号一般似然比检测的基础上提出来的,它能够克服强杂波噪声对信号检测的影响,在低信号杂波比的情况下滤除杂波点,实现了对弱小目标的检测。仿真实验证明,在虚警概率相同的条件下,算法的性能优于似然比检测方法。     

基于计算机视觉的目标方位测量方法

以显著性标志物中的关键点为目标,探讨了一种基于计算机视觉的目标方位测量方法。在光学成像原理基础上,推算出目标二维成像点坐标与其空间三维坐标之间的映射关系,基于计算机视觉理论建立了测量目标方位的数学模型。考虑透镜畸变,基于Zhang平面标定法完成对摄像机参数的标定。对目标二维图像采用Harris算法进行特征角点检测,并通过亚像素技术对检测的目标特征点进行定位。实验结果表明,该方法能够有效提取被测目标特征角点并获取其像素坐标,用于测量目标相对视觉传感器的方位信息可达到较高精度,具备良好的实用价值。     

红外成像型空空导弹目标自动识别技术

针对红外导弹和红外诱饵弹的对抗,构建了红外导引头图像探测器的透视投影几何模型.基于模型证明了飞机和目标在不同距离和相对飞行速度下,成像序列中相邻两帧图像间飞机目标的相似性,并且提出了适合导弹的目标快速识别算法,该算法是基于当前帧图像与前一帧图像的目标特征匹配的.最后以实测的飞机及诱饵红外图像数据对文中提出的算法进行了仿真,仿真结果表明了算法对目标识别是可行和有效的,并且能够满足较高实时性的要求.     

基于可变模板的前视目标跟踪算法

基于图像序列分析的图像制导极大地提高了成像武器的跟踪精度。给出了一种基于可变模板技术和遗传退火算法的图像序列目标跟踪算法。根据目标的物理特征构造出可变模板,定义合适的能量函数,采用遗传退火算法进行优化搜索。实验结果表明,该算法能够精确检测并跟踪目标,具有很快的收敛性和较高的抗噪声性。     

变尺度离散Chirp-Fourier变换及其在弹载PD雷达检测中的应用

针对离散傅立叶变换(DFT)对加速运动目标进行检测时的局限性,结合离散Chirp Fourier变换(DCFT)和弹载脉冲多普勒雷达信号检测的具体背景,提出了一种基于FFT的变尺度离散Chirp Fourier变换(B DCFT),分析了它的性能。将它应用于雷达信号检测的应用背景形成了一种对线性调频信号的级次检测算法。理论分析和仿真试验表明该算法在运算量和检测性能方面均有一定的优势。     

基于候选轨迹统计模型的红外弱小点目标检测(英文)

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.     

低空复杂场景红外弱小目标快速精准检测

针对低空复杂场景下红外弱小动目标检测难度大、虚警率高等问题,面向探测系统中高帧频图像实时处理应用需求,提出基于全卷积网络的弱小目标精准检测方法和基于现场可编程逻辑门阵列(field programmable gate array, FPGA)的低时延并行处理方法。采用轻量化全卷积网络对红外图像中弱小目标进行空域检测,对相邻图像帧疑似目标进行时域轨迹关联以进一步降低虚警率。实验结果表明:上述方法相比于五种传统方法在检测率和虚警率性能方面均有显著提升,并在单片FPGA上完成100 Hz图像实时处理,处理时延低于1.8 ms,实现低空复杂场景弱小目标高精度高鲁棒快速实时检测。