基于DSP和FPGA的实时图像瞄准具的设计

提出了一种基于DSP和FPGA的实时图像瞄准具的设计方案。其核心部分实时图像处理系统的设计采用了DSP＋FPGA的混合结构,即DSP作为视频图像处理核心芯片,完成复杂的图像处理算法,而采用FPGA实现视频图像的实时采集与显示,以及系统所有时序和逻辑控制。充分利用DSP高速的图像处理能力,以及FPGA灵活的系统编程能力,大大减轻了DSP的负担,使得DSP能够专心于图像处理,极大地提高了系统的实时性、可靠性与灵活性。     

提高水雷探测效果的声纳图像增强算法

对灭雷具系统中显控台对高分辨率图像声纳信号进行转换的计算机辅助探测算法进行了探索,重点介绍了一种能够增强声纳图像中目标信号显示效果的先进算法.从而可以使声纳对目标扫描后的图像更加清晰,与背景对比效果更加明显.为便于理解和比较,同时还引用了已经被国外普遍应用的三种其它算法.     

战场图像情报侦察处理技术及其发展

为了及时了解和掌握图像侦察领域最新的处理技术和发展动态,研究了战场图像情报的特点,主要获取手段,美军目前使用的几种典型战场图像侦察装备,战场侦察图像的融合处理和关键技术。     

基于多尺度形态学操作的超声图像增强方法

针对医学超声图像低对比度和强噪声给医疗诊断和图像处理所带来的困难,通过基于多尺度形态学操作的方法实现图像增强和噪声抑制的目的.该方法将传统的图像增强概念延伸到数学形态学多尺度空间中,利用多尺度形态学操作提取图像多尺度特征,并通过改变这些特征的强度实现图像局部对比度增强和噪声抑制.实验证明,该方法对超声图像局部对比度增强和噪声抑制是有效的.     

基于复小波域Wiener滤波的图像去噪方法

针对基于张量积小波域W iener滤波方向性差,从而导致去噪后图像边缘信息保持欠佳的问题,对复数小波的方向性质进行了分析,采用基于具有强方向性的复数小波域的W iener滤波的方法去噪,去噪后图像峰值信噪比和视觉质量较二维张量积小波去噪都有明显改善。     

多模态图像智能目标识别对抗攻击

基于深度学习模型的新一代智能化多模态(可见光/红外/雷达)图像识别系统已逐步在航空航天情报侦察、人机交互增强作战系统、无人作战平台自动图像目标识别以及多模复合图像末制导等多个军事场景中得到广泛应用。然而,由于深度神经网络模型在理论上存在不完备性和对抗脆弱性、多模态图像目标识别深度网络结构设计与优化在工程上存在迁移性等因素,使得现有识别系统在鲁棒准确性方面评估不足,给系统在未来战场复杂对抗场景中的广泛部署带来极大的安全隐患。为此,本文通过研究多模态图像智能目标识别系统军事场景应用的风险模型,分析系统存在的潜在攻击面,开展基于深度神经网络的多模态图像识别对抗样本攻击技术和对抗鲁棒准确性评估等关键技术研究,以期提升系统在复杂电磁环境条件下的鲁棒性和准确性。     

中文分词与命名实体识别的联合学习

将卷积结构引入循环神经网络,从而构建卷积循环神经网络。以此为基础,研究构建了面向中文分词与实体识别联合学习的序列标注模型。该模型依托卷积循环神经网络构建特征编码层,实现中文字序列局部空间特征和长距离时序依赖特征的联合提取;依托改进的循环神经网络构建标签解码层,实现标签序列长距离时序依赖的有效建模;依托统一的分词与实体识别序列标注模式实现分词信息与实体信息的联合学习,避免传统流水线法的误差传播问题。在人民日报语料和微软标注语料上的实验结果显示,该框架较传统统计模型和神经网络模型有显著的性能提升,尤其是在识别字数较多的命名实体时,其效果明显优于其他方法。     

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。     

用光测图像确定空间目标俯仰角和偏航角的中轴线法

提出了一种用电影经纬仪等光测设备获得的图像确定火箭等空间轴对称目标的俯仰角和偏航角的新方法——中轴线法 ;并对此方法进行了误差分析。此方法利用了目标图像上的大量信息 ,测量精度高。采用了间接的方法提取目标的中轴线 ,避免了多相机目标匹配的问题     

一种自适应的ISAR图像时－频分析方法

提出一种自适应的逆合成孔径雷达 (ISAR)图像的时频分析方法 ,它将时频信号分解算法—自适应高斯基表示 (AGR)方法与ISAR图像处理相结合。得益于高斯基函数方差的自适应调整 ,可自动地将图像中的理想点散射中心与非点散射结构区分开来。分别对ISAR图像的径向与横向距离轴进行上述变换 ,可解构出非点散射中心随角度或随频率变化的特性。应用该方法对仿真数据及飞机目标实测数据所成的ISAR图像进行时 -频分析 ,结果表明该方法正确可行 ,且物理意义明确