一种面向目标的伪彩色图像融合算法

针对远距离红外与可见光融合图像中目标不突出的问题,提出了一种面向目标的伪彩色图像融合算法。基于目标特征将红外图像分割为目标区域和背景区域,以人类视觉的生物机理和感受野的数学模型为基础,利用差分高斯函数(Difference of Gaussians,DOG)模拟视觉拮抗特性,对目标区域和背景区域用改进的感受野模型和不同的彩色映射规则进行伪彩色图像融合。实验结果显示:该算法能够保留图像共有特征,突出独有特征,融合图像色彩自然、目标突出,具有良好的视觉效果。     

基于改进CNN的红外目标识别方法研究

自动目标识别是红外成像精确制导武器系统的关键技术,针对传统红外目标识别算法在复杂环境作战中存在目标特征建模复杂、识别率低等问题,提出一种基于改进的卷积神经网络(Convolutional Neural Network,CNN)方法。结合红外目标特性,调整ZFNet的卷积层和池化层数量,加入空间变换网络以提高对数据变换的鲁棒性;对Dropout层的丢弃率变化进行可视化分析并确定选取原则,以提高红外目标的识别率。通过试验结果与传统方法相比,该方法具有较高的识别率,能够为红外成像导引头目标识别算法设计提供参考。     

基于区域实际大气的红外制导波段目标背景对比度变化特性数值计算

红外制导武器对目标的发现、识别和跟踪主要依据目标与背景的红外辐射特性及其对比特性，目标背景对比特性研究是红外制导武器研制过程中的必要环节。依据目标背景对比度定义，采用基于既定区域实际观测大气数据构建大气参数廓线并嵌入成熟、通用的大气辐射传输模型计算的方式，探讨了红外波段实际大气目标背景对比度变化特征，及其与标准大气下的目标背景对比度差异。结果表明，影响目标背景对比度的主要因素为大气透过率，实际大气目标背景对比度与标准大气的存在一定偏差，偏差与季节和波段均有关，可直接影响到红外波段实际应用中的目标识别能力。     

地空导弹CGF系统感知行为模型研究

为了有效解决计算机生成兵力模拟目标识别行为的问题,对防空作战中指挥员感知信息和综合处理的过程进行了分析,针对目前CGF系统的需求和感知行为模型的不足,建立了一个综合多特征信息的不确定性地空导弹感知行为模型。该模型对数据库中样本和待识别目标的特征信息进行客观的主成分分析,利用分析得到的综合主成分值对目标进行匹配;在此基础上,引入表示匹配结果不确定性的感知能力值,获得一个带有不确定性的即时信念;最后,通过基于感知能力的证据合并方法将即时信念、先验信念和通信信念合并形成最终信念。实例分析表明该模型可行。     

改善海空背景下红外弱点目标识别性能的理论方法探讨

针对舰载红外警戒系统的实际需要,对改善海空背景下红外弱点目标识别性能的方法进行了探讨.在对舰载红外警戒系统中弱点目标识别的技术难点及点目标场景图像模型进行分析的基础上,提出了改善海空背景下红外弱点目标识别性能的3种方法.     

基于部件模型的无人机系统小样本车辆目标识别方法

对地目标检测与识别是无人机系统典型任务之一,但受限于任务特殊性,往往难以获取足够的目标样本数据以实现高可靠的目标识别。为此,结合人的认知特性,提出一种基于部件模型的小样本车辆目标识别方法,可有效提高无人机感知能力。采用视觉显著性检测与物体性检测相结合的检测方法,提取目标可能区域;采用基于图论的GrabCut方法与最大类间方差法相结合的分割方法,分割目标并提取目标内部件;采用基于概率图模型的部件识别方法,通过将部件轮廓稀疏表示为条件随机场,并进行概率推理实现部件识别;采用基于贝叶斯的目标识别方法完成目标是否为车辆的判断。通过无人机拍摄的车辆图像验证表明,算法可在样本较少、光照变化、存在遮挡等情况下,以较高准确率检测并识别出车辆目标,同时识别算法具有一定可解释性。     

双色中波红外面目标成像特性差异分析

基于双色中波红外被动热探测过程,分两个阶段建立了面目标的双色中波红外图像形成模型,并对模型进行了仿真实验,得到了双色中波红外面目标图像在灰度值、目标受背景影响和目标背景对比度等3个方面存在的差异,通过实验图像的差异特征验证了这些成像特性差异存在的普遍性,为双色中波红外图像特征提取、融合规则和融合权重确定等提供了理论依据。     

一种改进型PSO-BP算法在红外目标中的应用

为了降低伪目标引起的误检,提高系统在复杂环境中的目标识别能力,设计了一种改进型粒子群优化BP神经网络算法。改进型PSO-BP算法利用红外目标光谱特性设置粒子变异规则,从而调整粒子位置与速度,提高目标特征提取性能。同时,算法将权值变为权值可调函数,降低局部极值收敛的风险。实验采用Model-102F型成像光谱仪采集的目标区域图像作为样本与检测数据,与传统BP算法作对比,分别选取对不同特征波长位置及个数的形式对目标和伪目标进行识别分析。结果显示,改进型PSO-BP算法可以有效消除伪目标干扰,同时,其收敛速度明显优于传统算法。由此可见,该设计在复杂背景红外目标识别方面具有一定的应用价值。     

基于粒子滤波的复杂背景下的红外运动目标跟踪

粒子滤波是一种处理非线性和非高斯动态系统状态估计的有效技术,针对目标被严重遮挡或有相似干扰等复杂背景情况下红外运动目标跟踪问题,提出了一种基于目标灰度与运动特征的粒子滤波算法。该算法将带有空间信息的灰度模型与带有灰度信息的运动模型进行融合,得到一个联合观测模型,并将其用于粒子滤波跟踪框架。与经典粒子滤波算法相比,文中算法效率略有降低,但跟踪的准确性和鲁棒性却大大增强。     

热红外图像的计算机模拟

利用计算机模拟生成热红外图像的技术已用于夜视光电系统的人眼视觉测试,目标识别与跟踪,导弹寻的模拟等方面,具有重要的军事价值,本文概述了当今国内外用计算机模拟热红外图像的思路及方法,展望了未来的发展趋势,并对如何提高热红外图像模拟的性能作了简要分析。     

粒子滤波的序列图像运动目标跟踪(英文)

序列图像的运动目标识别与跟踪是计算机视觉主要研究方向之一。研究的重点是要建立一个准确可靠的跟踪系统。针对此问题,传统的帧间差分法进行了改进,并研究了粒子滤波算法。在改进的帧间差分法和粒子滤波的基础上,提出了序列图像运动目标跟踪方法。实验实验表明,这种方法能够在目标被背景云彩遮挡的情况下,实现目标的可靠跟踪。     

DSP实现低信噪比条件下点目标检测与跟踪

针对嵌入式实时图像处理系统中 ,复杂背景低信噪比条件下红外运动点目标检测及跟踪所采用的处理算法 ,包括基于空域低通滤波的多图像平均法和自适应阈值分割法以及基于目标运动时空连续性目标运动轨迹拟合及目标运动轨迹参数预测算法 ,进行基于二维数组组合方式存储结构的算法复杂度估计 ,并将上述算法在TI公司的TMS32 0C6 2 0 1EVM板上进行实时性能评测 ,说明上述算法在基于具有软件流水性能的TMS32 0C6x系列DSP嵌入式实时图像处理系统中实现的可行性。     

红外目标分割方法研究

红外目标分割算法对红外目标检测、跟踪具有非常重要的价值。本文利用背景和目标灰度特征,提出一种实现红外目标有效分割的方法,克服红外目标内部温度不稳定造成的误分割问题。本文方法首先采用基于灰度-显著度最大相关准则的二维直方图分割算法进行图像分割;然后,在分割后二值图上进行基于随机种子点选取的区域增长,提取背景;最后,采用形态学方法优化分割结果。相对传统的红外目标检测算法,这种算法具有更好的抗干扰能力,更强的鲁棒性。不仅可以应用于红外图像的目标分割,而且可以应用于其他类似的目标分割问题。     

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Dempster组合规则的电子目标识别算法研究

在军事目标识别中,必须综合考虑目标的电磁辐射信息和红外图像信息,并采用有效的识别算法,才能准确识别电子目标。提出了基于Dempster组合规则的电子目标综合识别方法,完成了基于Dempster组合规则的电子目标自动识别综合处理算法研究,并进行了仿真实验,试验结果表明,该算法是可行的。     

基于相关度和注意力聚焦的图像内容检索

基于内容的检索中对图像和视频帧的处理是以色彩、形状和纹理等为基本特征,这些特征在图像背景比较单一的情况下容易获得。一旦图像背景为色彩和纹理均很复杂的图像时,图像中目标的颜色和形状等特征就很难获得。若将从计算机视觉中引出的相关度和注意力聚焦两个概念用于从复杂背景图像中定位和选取最有关的信息,则能够有效地检索到最匹配的图像。本文通过对相关度和注意力聚焦两个概念的讨论,介绍了计算机视觉对基于内容检索的作用,尤其是在可视示例查询ＱＶＥ（ＱｕｅｒｙｂｙＶｉｓｕａｌＥｘａｍｐｌｅ）的情况下从大图像数据库中检索图像的情况     

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。     

野外复杂背景下轻武器射击目标的图像识别算法

针对野外复杂背景下轻武器射击目标图像的分析判别,首先采用一种彩色空间聚类分析和阈值分割相结合的混合算法,即基于S、I通道的目标图像两步分割算法,将目标区域从背景图像中分离出来.然后基于机器学习理论中的Boosting算法,利用区域的形状特征和纹理特征等组成一个强分类器,将目标区域从其他区域分离出来,同时判断出目标的类型.