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。     

抗辐照MRAM研究进展

针对传统分块方法根据经验划分子块导致变量特征信息无法充分利用,其单一的建模方式忽略局部信息以及离线模型无法适应时变特性的问题,提出了一种KL (Kullback-Leibler) 散度多模块滑动窗口慢特征分析方法。在正常工况数据集中,利用KL散度来度量变量间的距离,同时引入最小误差平方和准则进行聚类,分成两个距离最小的子模块;在此基础上利用慢特征分析方法对每个子模块进行建模,结合滑动窗口对每次采样的数据进行更新,得到最优模型,分别计算监测统计信息,利用支持向量数据描述对故障监测结果进行融合,实现故障诊断。并将该方法应用于田纳西伊斯曼过程的监控中,得到了较高的故障检测率和较低的虚警率,验证了该方法的可行性和有效性。     

Visual-attention gabor filter based online multi-armored target tracking

The multi-armored target tracking (MATT) plays a crucial role in coordinated tracking and strike. The occlusion and insertion among targets and target scale variation is the key problems in MATT. Most state-of-the-art multi-object tracking (MOT) works adopt the tracking-by-detection strategy, which rely on compute-intensive sliding window or anchoring scheme in detection module and neglect the target scale variation in tracking module. In this work, we proposed a more efficient and effective spatial-temporal attention scheme to track multi-armored target in the ground battlefield. By simulating the structure of the retina, a novel visual-attention Gabor filter branch is proposed to enhance detection. By introducing temporal information, some online learned target-specific Convolutional Neural Networks (CNNs) are adopted to address occlusion. More importantly, we built a MOT dataset for armored targets, called Armored Target Tracking dataset (ATTD), based on which several comparable experiments with state-of-the-art methods are conducted. Experimental results show that the proposed method achieves outstanding tracking performance and meets the actual application requirements.     

基于非参估计的局部滑窗双参CFAR目标检测

针对特定杂波概率模型不能有效的描述SAR图像背景杂波这一问题,提出了一种基于非参估计的局部滑窗双参CFAR目标检测算法。该方法首先用非参估计方法逼近SAR图像局部背景,完成对局部背景的精确建模;在此基础上,理论推导了局部双参CFAR检测算法的阈值,设计了阈值求解的数值算法。对典型目标图像进行实验,结果表明,该方法检测速度较快、精度较高。     

一种RetinaNet与SE融合的航空取证目标检测算法

针对在开展航空侦察取证时缺乏自动化、智能化取证手段的情况,提出了一种基于Reti-naNet与SE融合的航空取证目标检测算法,解决目标尺度变化大、数据集中类别不均衡的问题,并通过SE (squeeze-excitations)模块引入注意力机制进一步改进性能.该改进算法中的特征金字塔网络FPN可有效应对目标尺寸变化较大...     

基于目标先验知识的二次CFAR检测算法

舰船检测与监视有着广泛的军事和民用意义,而SAR图像是舰船检测的有效手段。针对双参数CFAR算法存在的问题,本文提出了一种基于目标先验知识的二次恒虚警检测(CFAR)算法,能自适应的调整检测窗口的大小,有效提高算法的效率。实验证明,该算法在效率和精度方面都有较大提高。     

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.     

An infrared target intrusion detection method based on feature fusion and enhancement

Infrared target intrusion detection has significant applications in the fields of military defence and intelligent warning. In view of the characteristics of intrusion targets as well as inspection difficulties, an infrared target intrusion detection algorithm based on feature fusion and enhancement was proposed. This algorithm combines static target mode analysis and dynamic multi-frame correlation detection to extract infrared target features at different levels. Among them, LBP texture analysis can be used to effectively identify the posterior feature patterns which have been contained in the target library, while motion frame difference method can detect the moving regions of the image, improve the integrity of target regions such as camouflage, sheltering and deformation. In order to integrate the advantages of the two methods, the enhanced convolutional neural network was designed and the feature images obtained by the two methods were fused and enhanced. The enhancement module of the network strengthened and screened the targets, and realized the background suppression of infrared images. Based on the experiments, the effect of the proposed method and the comparison method on the background suppression and detection performance was evaluated, and the results showed that the SCRG and BSF values of the method in this paper had a better performance in multiple data sets, and it’s detection performance was far better than the comparison algorithm. The experiment results indicated that, compared with traditional infrared target detection methods, the proposed method could detect the infrared invasion target more accurately, and suppress the background noise more effectively.     

基于区域分割的光学显微结核杆菌图像分割算法*

为了提高结核杆菌目标的分割精度,本文提出了一种基于区域级的光学显微结核杆菌图像分割算法。首先,通过顶帽-底帽变换增强彩色图像对比度,然后融合图像局部特征和全局信息计算图像梯度,在此基础上利用分水岭算法实现对图像的初始分割;对分割区域采用相邻区域最大相似度准则进行合并,从而得到完整的目标区域;最后根据结核杆菌图像的特点,通过分析结核杆菌目标区域的颜色特性,采用多阈值分割的方法滤除区域中的杂质,实现对结核杆菌目标的分割。实验结果表明,本算法可以分割出目标对比度低以及饱和度过低的结核杆菌目标,并且对不同染色背景的图像均能取得较好的分割结果。     

KK分布杂波下的距离扩展目标检测算法

针对服从KK分布的大拖尾雷达杂波背景下的扩展目标检测问题,利用球不变随机变量表示了KK分布雷达杂波模型。在假设目标回波幅度已知的情况下,研究了基于Neyman-Pearson准则的距离扩展目标最优积累检测器,并通过对目标幅度的最大似然估计,推导了广义最大似然比检验检测器模型。为了降低这两种检测器中因计算第二类修正的贝塞尔函数而引入的运算复杂度,提出了一种基于顺序统计量的广义似然比检测器。该检测器利用检测窗内幅度较大的距离单元回波作为目标回波进行判决。利用蒙特卡罗仿真对这三种算法的性能进行了验证与比较,虽然最优积累检测器与广义似然比检测器具有更好的检测性能,但实现困难,计算量大,而基于顺序统计量的广义似然比检测器则具有更高的实用性。     

复杂背景下机载雷达目标探测的模型分析

考虑机载雷达目标探测受到复杂环境因素的影响,建立复杂背景条件下机载雷达目标探测的系统模型.利用此模型提出一个机载雷达目标探测的效能指标.在效能仿真的基础上,给出复杂背景条件下诸要素对机载雷达目标探测的定量影响.仿真结果表明了该模型的正确性和有效性.     

基于估计协方差MME检测的频谱感知算法

针对小采样数据长度下,采样协方差矩阵对统计协方差矩阵估计不准,影响传统最大最小特征值(MME)检测算法检测性能的问题,提出一种基于逼近收缩(OAS)矩阵估计的改进MME检测算法。首先利用OAS估计量对采样数据做协方差矩阵估计,再对估计协方差矩阵特征值分解,将最大最小特征值之比作为检测统计量,克服了传统MME算法检测门限随采样点大幅波动的缺陷,提高了检测门限的鲁棒性。仿真结果表明,所提算法的检测门限具有鲁棒性,检测性能提高了1 d B~2 d B。     

基于RBF神经网络的背景估计及红外小目标检测

利用RBF神经网络的函数逼近特性,得到了一种红外图像背景估计算法,进而提出了一种检测红外小目标的方法。利用有目标和没有目标的真实红外图像对此算法进行检测,背景估计效果理想,小目标检测效果理想,证明该算法是可行有效的。     

Fast-armored target detection based on multi-scale representation and guided anchor

Focused on the task of fast and accurate armored target detection in ground battlefield, a detection method based on multi-scale representation network (MS-RN) and shape-fixed Guided Anchor (SF-GA) scheme is proposed. Firstly, considering the large-scale variation and camouflage of armored target, a new MS-RN integrating contextual information in battlefield environment is designed. The MS-RN extracts deep features from templates with different scales and strengthens the detection ability of small targets. Armored targets of different sizes are detected on different representation features. Secondly, aiming at the accuracy and real-time detection requirements, improved shape-fixed Guided Anchor is used on feature maps of different scales to recommend regions of interests (ROIs). Different from sliding or random anchor, the SF-GA can filter out 80% of the regions while still improving the recall. A special detection dataset for armored target, named Armored Target Dataset (ARTD), is constructed, based on which the comparable experiments with state-of-art detection methods are conducted. Experimental results show that the proposed method achieves outstanding performance in detection accuracy and efficiency, especially when small armored targets are involved.     

采用包络检波去除SISAR直达波干扰的新方法

为了去除直达波干扰,从强的直达波干扰背景中有效提取SISAR侧影成像的目标全息信号,提出了对接收的含有目标全息信号和强直达波的混合信号直接进行包络检波,然后通过对检波后的输出进行时域的正交分解,恢复目标的全息信号的新方法.仿真结果验证了理论分析的正确性.     

红外成像自动目标识别技术研究--计算模型与数据流程

红外自动目标识别是当前智能化图像处理及应用开发的前沿关键技术,其研究进展与计算机视觉的发展水平紧密相关。人类视觉系统是计算机视觉的原始模型,其视觉感知机理的研究将有助于揭示视觉表象的本质,进而为准确描述图像特征信息提供科学而可靠的依据。主要从视觉感知模型、感知功能模块响应特性、视觉对比灵敏度等方面对视觉感知基本原理加以综合分析,并力图利用这些功能卓越的信息处理机制阐明一种具有普适性的视觉计算模型———目标-背景表征模型。在此基础上,将背景区域感知与目标特征分析相结合,提出了自适应信号检测、目标特征识别和运动轨迹跟踪的层次化数据处理流程,从而为红外自动目标识别技术提供一条新的探索途径。     

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ROC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6dB。     

MIMO雷达和组网雷达的CA2CFAR检测性能比较

多输入多输出(MIMO)雷达是近几年出现的一种新雷达技术,也是近几年雷达领域研究的重点。建立MIMO雷达的信号模型,明确给出MIMO雷达进行CA2CFAR检测的检测概率和虚警概率解析表达式,对组网雷达和MIMO雷达在均匀杂波背景下CA2CFAR检测性能进行了分析对比。仿真结果表明。MIMO雷达对类似噪声特性的复杂目标具有更好的检测性能。     

红外图像强固定模式显著性噪声抑制

针对红外成像设备对天远距离观测中得到的小目标、强固定模式噪声这一类典型数据,提出基于显著性的红外图像强固定模式噪声抑制算法。对此类图像数据进行特性分析,指出图像中目标区域相对于背景固定模式噪声区域是显著的,利用显著性检测算法分离出图像中目标区域及背景,对不同区域分别采取不同处理,仅基于单幅图像信息实现强固定模式噪声的有效抑制。通过大量小目标、强固定模式噪声红外图像对算法性能进行测试。结果表明,本算法能够准确提取出图像中目标区域,实现图像中强固定模式噪声的有效抑制。     

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。