基于尺度空间理论的多门限化技术

本文基于尺度空间理论提出了两种多门限化方法：第一种新方法先由精到粗求直方图在不同尺度下的表征,再由粗到精校正定位,最后由生命期长短来确定门限;第二种方法首先在一粗尺度上找特征结构,再由粗到精“聚焦”到最精尺度上获取门限。两方法克服了以往一般门限法的若干缺陷,不仅定位准确,而且普适性强。实验证明新方法是令人满意的。     

三维多目标纯测向无源定位方法

针对多传感器测向定位中方位配对的困难,提出分两步的三维多目标纯测向定位方法.该方法先利用方位信息,粗略估计目标二维位置,并采用方位角误差进行粗略的目标真伪判别,再采用蛙跳式梯度法精确求解目标的三维位置,并利用方位角与俯仰角偏差对目标真伪进行判别.仿真结果表明,该方法能快速地以较高概率、较高精度对多目标进行定位.     

一种视差域基于学习方法的图像合成算法

基于图像序列的图像合成往往需要定标和恢复场景三维结构,为了避免这些复杂过程,根据参考图像的视点离虚拟视点的远近关系,将参考图像序列分为主、从参考图像,并利用多极约束的原理和非线性校正,将图像合成的最优化问题从深度域转化到视差域,从而在不定标和不匹配的情况下,直接从图像序列合成虚拟视图。实验结果证明算法是有效的,并有一定的应用前景。     

自然背景下对人工红外目标的分形检测

针对红外图像目标检测问题,提出了一个改进的差分计盒方法(DBC法).该方法利用特定应用环境中自然背景的渐变均匀性与人工目标的突变奇异性,改进了差分计盒方法的分形维数计算和J曲线的判别策略.改进后的算法没有运算量的明显增加,能够实现对多个目标的检测,并且对噪声具有更好的鲁棒性.理论分析以及两幅海上和空中目标的实验检测,验证了该算法的有效性和正确性.     

早期火焰探测增强型算法性能的实验分析

介绍了基于MV早期火焰探测算法的性能,并详细介绍了该算法的实验分析过程,同时结合实验数据给出了关于该算法的性能评价和阶段性结论以及进一步研究的要点和趋向。     

基于支持向量机的彩色图像恢复新方法

引起图像退化的因素众多,因而难以用一个统一的方法来进行恢复处理。鉴于图像的像素和各颜色分量通道间本质上存在某种相关性,以及以支持向量机为核心的统计学习理论具有较好地解决小样本、非线性、高维数问题的能力,提出了一种新的空域图像恢复方法,并通过对来自于待处理图像本身的训练样本的学习,构造自适应的回归插值函数;然后基于该函数对图像作有选择的修改,从而达到图像恢复的目的。实验表明,该方法是有效的,并且具有较好的泛化性能。     

梯度变化非晶碳涂层的摩擦学行为

采用多源磁控溅射物理气相沉积法在单晶硅片、20Cr和Cr12W表面制备了梯度变化非晶碳涂层,测试了非晶碳涂层的纳米硬度和弹性模量及摩擦磨损行为.结果表明涂层具有较高的硬度和弹性模量,分别达到15.3 GPa和184 GPa;涂层具有较好的摩擦性能,在干摩擦条件下摩擦因数基本保持在0.1～0.2,磨损率达到10-9 mm3/( N·m)数量级.     

航拍图像车辆检测中的圆形滤波器HOG特征快速计算

航拍图像中车辆一般近似为矩形结构,因此通过统计检测窗口中的梯度方向直方图并根据梯度主方向估计车辆朝向,将检测窗口旋转到相应方向进行分类器判别。车辆检测采用级联boosting分类器和梯度方向直方图特征,针对旋转窗口中梯度方向直方图特征的计算,设计一种基于圆形滤波器的梯度方向直方图特征。与传统基于积分直方图的梯度方向直方图特征提取方法相比,显著提高了旋转窗口中梯度方向直方图特征的计算效率,在计算每个像素的梯度时采用查找表代替梯度向量的求模和角度计算也减小了计算量。使用真实图像进行的实验表明,该车辆检测算法快速高效。     

基于贝叶斯网络的作战目标评估

在作战指挥决策活动的筹划阶段,对敌体系要害和关键点的分析,当前尚未形成系统方法。针对此问题,利用贝叶斯网络在非精确知识表达与推理领域的优势,提出了综合考虑目标价值、打击难度、打击效果等因素的作战目标评估模型。根据判别贝叶斯网络分类器性能优于生成贝叶斯网络分类器的特点,在经相关领域专家论证的样本数据集的基础上,采取梯度下降法训练得出评估模型各结点条件概率分布。最后,利用Netica仿真软件,经样本数据测试,证明了作战目标评估模型的合理性。     

图像标注研究及其在情报处理中的应用

图像数据具有直观、信息量丰富等特点。图像标注方法通过获取图像特征,训练语言模型,实现用自然语言自动描述图像信息。简要介绍了图像标注方法的分类及其相关关键技术。研究表明,通过对大规模图像的自动描述,能更好地管理、分析海量图像信息,能高效地对图像进行分类、检索。结合特定的信息处理技术,图像标注可用于发现有价值的情报信息,为国防安全、战略决策等提供信息支撑。