基于生物视觉原理的图像结构信息变化检测方法

为克服多时相遥感图像变化检测中照度差异和配准误差的影响,采用边缘结构信息进行变化检测。利用多方向Gabor函数从图像梯度强度图中提取边缘结构信息,称之为边缘标记(Edge Tag,ET),通过比较多时相遥感图像中ET的互相关系数实现变化检测。为减小差异较小的边缘对检测结果的影响,在相关系数的计算中引入抑制因子。仿真图像和真实图像的实验结果表明,该方法能克服图像照度差异和配准误差对变化检测的影响,取得了较好的检测效果。     

基于数据补偿的雷达系统误差估计

建立了多雷达情况下的系统误差观测模型,分析了系统的可观测度,得出系统可观测度和观测数据的空间分布有关的结论.在此基础上,通过数据补偿的方法,产生一个使系统可观测度较大的补偿观测集,用于误差估计.仿真结果显示,使用补偿观测集估计雷达的系统误差,能够获得更优越的估计性能.     

基于运动状态和敌我属性的空中目标融合识别

研究了基于实时跟踪器的空中目标航迹身份识别问题。从分析目标运动状态和敌我属性的不确定性出发 ,建立了空中目标身份统计模型 ;根据建立的模型 ,通过采用Dempster Shafer证据理论方法 ,对空中目标进行融合识别。仿真实验结果证明了模型和算法的有效性。     

基于分维特性的舰船雷达目标的检测

在强杂波背景下设计有效的海上雷达目标检测器是相当困难的。本文提出了一种基于海面散射的分维持性的雷达目标检测方法。它利用海上目标雷达回波与海杂波在分维持性上的差异来对海上舰船目标进行检测。将该方法用于实地录取的舰船雷达弱目标的回波,取得了较好的检测效果。     

虚拟演播室系统中的无限蓝箱技术

虚拟演播室是虚拟现实技术在电视制作领域中的一项崭新应用。无限蓝箱技术通过外部生成的键信号,将前景视频图像中非蓝箱内的景物滤除,使摄像机的运动可以不受实际蓝箱尺寸的限制。针对任意形状的蓝箱结构和摄像机的任意自由度运动,提出了虚拟演播室系统中通用的无限蓝箱算法,该算法根据蓝箱实际的透视投影变换过程,精确提取蓝箱区域,生成色键信号。实验结果证明,该算法生成的色键区域精确、计算简单、通用性强,很好地满足了虚拟演播室系统的要求。     

基于峰值点形态信息的SAR图像舰船尾迹检测算法

在分析合成孔径雷达(SAR)图像中舰船尾迹线性特性的基础上,针对SAR图像线性特征产生因素的多样性,及由此引起的Radon变换域中尾迹峰值点检测的不确定性,提出了一种基于峰值点形态信息的尾迹检测算法。算法门限化图像的Radon变换系数,提取出所有可能的峰值点;对这些相应的局部峰值点的一维截面进行连续小波变换峰值点匹配,根据提取到的参数形成决策矢量在特征空间中进行决策。仿真和实际数据处理的结果表明,该方法能有效、准确地检测到SAR图像中的舰船尾迹并判决其真假类别。     

特征观测不完全情况下的辐射源匹配算法

实际应用中辐射源特征观测不完全的情况比较常见,这时仅根据一种特征或者少数几种特征难以取得较好的匹配性能。基于证据理论,提出了一种综合所有特征信息的辐射源匹配算法。首先,分别建立了各种特征观测的基本匹配信度函数;其次,针对辐射源特征观测的特点,给出了一种新的证据组合策略来对各基本匹配信度函数进行综合;最后,在综合所有特征信息的匹配度量矩阵上进行二维分配实现匹配判决。仿真实验证实了所提算法的有效性。     

一种基于三角面元的目标RCS实用计算方法

提出一种计算复杂目标高频区RCS的实用方法。首先采用3DStudioMax对装甲车进行三角面元模拟,然后运用路德维格积分[1]和物理绕射理论(PTD)计算目标的雷达散射截面积,通过对方柱RCS的计算,验证了所提方法的有效性,最后给出了C波段和X波段不同极化的装甲车和坦克RCS的方位分布图。     

一种基于混合概率PCA模型的高光谱图像非监督分类方法

提出了一种在期望最大化(EM)算法框架下同时实现混合概率主成分分析(PPCA)降维和聚类的高光谱图像非监督分类方法。它根据不同类别应各有自己代表性的特征集,将通常意义下的特征抽取和模式分类合并在一步内完成,尽可能地保留了可分性;同时该方法具有概率模型的优点,更适合高维数据处理。采用仿真数据和真实数据进行的比较实验表明,该算法较一般不加区分地对所有原始数据进行PCA降维再分类的方法能得到更好的分类结果。     

军事电子信息处理中的人工神经网络技术

本文首先分析了现代战场环境对军事电子系统智能信息处理的应用需求，然后对人工神经网络理论与技术在军事电子信息处理中的现实应用与潜在前景给出了一个较为详细的介绍与分析。着重介绍了神经网络在雷达、红外及声纳目标的检测、识别、多机动目标跟踪及武器系统的智能控制等方面的应用情况，力图展示神经网络用于军事电子信息处理的特色与优势。最后分析了人工神经网络技术发展与应用中存在的一些问题。