一种基于轮廓自扩展的GVF算法

针对Snake算法及GVF算法对初始轮廓覆盖区域敏感性的缺陷,提出一种轮廓自扩展方法,从而使初始轮廓能够有效地覆盖目标所在区域,达到对目标的完整搜索;将其应用到目标跟踪中,根据下一帧中目标与当前帧设置的轮廓的交叉,通过自扩展初始轮廓可以很快将目标划为搜索区域之内.实验表明,基于轮廓自扩展方法的GVF方法可以实现对目标轮廓的完整提取;在目标跟踪中可以自动、有效地跟踪目标.     

仿射不变轮廓矩及其稳定性分析

针对区域矩需要计算全图像素的统计分布、计算量大的问题,构造了基于目标形状的仿射不变轮廓矩。首先采用PDE方法推导得到了6个仿射不变矩的数学模型,然后将积分区间变为目标区域的边界,计算得到基于目标形状的仿射不变轮廓矩,最后通过三类舰船不同姿态下的图像进行了实验验证并对其稳定性进行了分析。研究结果表明:仿射不变轮廓矩具有较好的稳健性及区分度,可将其作为不变特征用于舰船目标识别。     

融合阈值法和边缘提取的图像分割算法

针对阈值法分割目标区域不完整和边缘提取断续边缘多的问题,提出了一种融合阈值法分割和多尺度边缘提取的图像分割算法。该算法充分利用阈值分割提供的目标区域信息和边缘提取给出的边缘信息,采用基于区域生长的最大轮廓法连接断续边缘,填充目标孔洞,完成目标分割。利用Matlab平台对该算法进行了验证,结果表明:该算法能有效分割出目标完整轮廓。     

结合全局与局部信息的主动轮廓分割模型

针对传统的基于区域的主动轮廓模型在分割灰度不均匀图像和噪声图像存在效果不佳的问题,提出结合全局项与局部项的主动轮廓分割模型。全局项由CV(Chan-Vese)模型的保真项构成,局部项的构建考虑局部区域信息的同时引入反映图像灰度特性的局部熵信息。依据图像灰度的特点,选择合理的全局项和局部项参数,并加入正则项保证曲线在演化过程中保持平滑,保障分割结果的可靠性。通过变分水平集方法最小化能量泛函,依据梯度下降流迭代更新水平集,完成曲线演化。采用模拟图像和实际图像进行实验分析,结果表明,所提出的结合全局项和局部项的主动轮廓模型可以高效地分割噪声严重以及灰度分布不均匀的图像。     

一种基于知识的港口识别与理解方法

港口识别技术在军事上有着重要的应用前景。采用由上而下的知识驱动策略,充分利用了港口的图像特征,在低层处理中采用自适应平滑技术(Saint-Marc)进行预处理;中层处理提取港口重要对象目标(包括水域、防波堤和港口轮廓),用阈值分割和区域增长相结合的算法提取水域,用结构特征识别防波堤和港口轮廓;最后在高层处理中借用语义树的概念分析港口重要对象间的关系,采用概率松弛法进行港口的目标检测与识别。     

基于深度迁移学习的低分辨雷达目标识别方法

针对低分辨雷达人工目标识别效率较低的问题,提出了基于深度迁移学习的雷达自动目标识别方法。该方法利用雷达回波序列轮廓像构建空中目标数据集,使用深度卷积神经网络自动提取回波数据中的深层特征,并对雷达目标进行分类识别。为了解决深度学习对样本量的巨大需求,在分类模型训练时,引入迁移学习思想,将经ImageNet数据集预训练过的初始网络模型迁移到雷达目标识别任务中,再通过空中目标数据集对模型参数进行微调,实现小样本条件下对空中目标的粗分类。实测数据的结果表明：所提方法能够在小样本条件下较为准确地对空中目标的大小和架次进行分类识别,具有良好的识别性能。     

基于整体变分和数学形态学的空间非合作目标边缘检测

非合作目标不提供已知的目标标识器和敏感器件,无疑增加了检测识别的难度.CCD相机能够提供大量包含有非合作目标的尺寸、形状、相对位置和相对姿态等信息的高分辨率图像,用常规方法进行非合作目标图像分割时,由于空间环境的影响,使得目标的轮廓线非常零碎,常掩埋在杂乱的背景分割线中.为了克服这种问题,提出了一种保持边界的整体变分方法和数学形态学相结合的方法.先用整体变分方法对图像进行平滑的同时可以最大限度地保留图像中的轮廓、边缘等特征信息以增强目标的边缘,然后采用数学形态学的方法对其进行膨胀、腐蚀以滤除众多的背景噪声.经大量的实验验证,这种方法可以有效地提取出非合作目标的边缘信息,并可滤除大量噪声,为进一步开展非合作目标识别工作奠定基础.     

面向无人驾驶的野外道路可通行区域检测

针对野外非结构化道路中存在的环境背景复杂、道路类型多变、没有清晰车道线、没有规则道路边界等难点,提出一种基于语义分割的可通行区域检测方法。对所选取的数据集进行处理,将数据集标注为可通行区域、难通行区域、不可通行区域、天空4种类型;应用双边语义分割网络Bisenet进行4种类型的分割;再应用C-均值聚类算法进行可通行区域部分的提取以及二次分割,进而实现更精细的可通行区域检测。通过验证,该方法具有良好的检测效果,平均交并比达到78%,高于传统的方法。在野外道路无人驾驶方面具有一定的实际应用价值。     

融合神经网络与超像素的候选区域优化算法

为解决目标检测中候选区域召回率低的问题,提出融合神经网络与超像素的目标候选区域算法。该算法利用神经网络提取更能清楚表达目标边界的特征,并使用聚类、相似性等策略,计算每个滑动窗口所含有的边缘信息量;将待测图像使用简单线性迭代聚类算法分割成若干个超像素,并利用超像素的空间位置、完整性、相邻超像素间的对比度信息,计算各个超像素的显著性得分及每个滑动窗口的显著性得分;根据每个滑动窗口的边缘信息及显著性得分筛选滑动窗口。在PASCAL VOC 2007测试集上进行对比实验,其实验结果表明:所述算法能够快速产生定位质量高的候选区域。     

基于摄影图像的战场信息获取技术研究

利用图像信息获取战场三维几何数据.以装甲车为实例,提出适用的平面二次曲线获取方法,可以克服模糊背景的干扰,得到完整的轮廓曲线,并在此基础上求解了空间曲线三维数据.研究结果表明通过对摄影图像的标定、建模,可以获得战场环境中关注目标的三维几何数据,并且投影矩阵值和提取轮廓准确性对误差影响较大.     

基于候选轨迹统计模型的红外弱小点目标检测(英文)

建立候选目标轨迹集合,以候选目标轨迹集合为样本空间,利用沿候选轨迹的能量积分构造此空间上的概率分布,从而建立候选轨迹的概率统计模型.以此模型为基础,设计了一种弱小点目标检测方法.通过蒙特卡罗实验方法调节模型参数,使得算法的检测性能达到所提出的指标.该算法规避了以往算法中需要获得解析形式的候选轨迹密度函数的限制,因此能检测出沿任意方向作直线运动的点目标.最后,针对给定的弱小点目标观测图像序列,利用所提出的算法进行检测,仿真结果证明此算法是有效的.     

结合流形滤波的矩阵信息几何检测器

针对小样本、非均匀杂波下的信号检测问题,提出一种基于流形滤波的矩阵信息几何检测器,将信号检测问题转化为矩阵流形上的几何问题。将每一个样本的相关性数据建模为一个托普利兹正定矩阵,在此基础上,利用每一个样本数据的邻近矩阵进行加权平滑滤波,去除一部分杂波能量,提升目标与杂波间的区分性。计算了辅助样本数据对应矩阵的几何均值,通过比较待检测样本数据矩阵与几何均值矩阵之间的距离与检测门限的大小,以实现信号检测。实验结果表明,与自适应匹配滤波相比,本文方法在小样本、非均匀杂波下具有明显的性能优势。     

Bidirectional parallel multi-branch convolution feature pyramid network for target detection in aerial images of swarm UAVs

In this paper, based on a bidirectional parallel multi-branch feature pyramid network (BPMFPN), a novel one-stage object detector called BPMFPN Det is proposed for real-time detection of ground multi-scale targets by swarm unmanned aerial vehicles (UAVs). First, the bidirectional parallel multi-branch convolution modules are used to construct the feature pyramid to enhance the feature expression abilities of different scale feature layers. Next, the feature pyramid is integrated into the single-stage object detection framework to ensure real-time performance. In order to validate the effectiveness of the proposed algorithm, experiments are conducted on four datasets. For the PASCAL VOC dataset, the proposed algorithm achieves the mean average precision (mAP) of 85.4 on the VOC 2007 test set. With regard to the detection in optical remote sensing (DIOR) dataset, the proposed algorithm achieves 73.9 mAP. For vehicle detection in aerial imagery (VEDAI) dataset, the detection accuracy of small land vehicle (slv) targets reaches 97.4 mAP. For unmanned aerial vehicle detection and tracking (UAVDT) dataset, the proposed BPMFPN Det achieves the mAP of 48.75. Compared with the previous state-of-the-art methods, the results obtained by the proposed algorithm are more competitive. The experimental results demonstrate that the proposed algorithm can effectively solve the problem of real-time detection of ground multi-scale targets in aerial images of swarm UAVs.     

基于分形滤波的能量检测方法

能量检测是认知无线电频谱感知的有效方法,但在低信噪比情况下检测概率明显下降。提出了基于分形滤波的频谱感知能量检测方法。基于分形滤波可以有效抑制噪声的特点,该方法先对接收信号进行分形滤波,以其能量值作为检测统计量,进行能量检测。仿真结果表明,通过基于分形滤波的能量检测和直接进行能量检测方法对比,滤波后信噪比在下降7 d B时仍然满足90%以上的检测概率。此外,该方法对不同调制信号均具有较好的适用性,在噪声不确定情况下仍然具有较高的检测概率。     

小波相关特征尺度熵在滚动轴承故障诊断中的应用

将小波相关滤波方法与Shannon信息熵相结合,提出了一种故障检测与诊断的方法——小波相关特征尺度熵故障法。首先利用小波相关滤波方法提取滚动轴承故障振动信号的微弱故障信息特征,以求得信噪比较高的尺度域小波系数;然后结合Shannon信息熵理论给出了沿尺度分布的小波相关特征尺度熵定义及其计算方法。小波相关特征尺度熵能够定量表征不同尺度的能量分布,各尺度能量分布的均匀性可以反映滚动轴承的运行状态的差别,选取最能反映故障特征的小波相关特征尺度熵作为特征参数,通过所选取的小波相关特征尺度熵大小判断滚动轴承的工作状态和故障类型。实验证明该方法能有效地判断滚动轴承故障特征,为滚动轴承故障诊断提供了新的思路。     

机载MIMO雷达稳健非均匀样本选择方法

针对杂波训练样本中混入干扰目标,导致空时自适应处理技术的杂波抑制性能下降问题,提出一种基于目标知识进行局部稀疏恢复的稳健训练样本挑选方法。该方法利用先验知识确定待检测单元中的目标区域,对整个角度-多普勒平面进行遍历,获得稀疏超完备基。通过变换矩阵对超完备基中对应的目标区域进行"挖空"处理,局部稀疏恢复出超分辨的杂波空时谱,获得杂波协方差矩阵估计。结合广义内积算法,实现非均匀训练样本挑选的过程。与常规结合广义内积方法相比,该方法对于不同干扰强度的训练样本,均有良好的检测效果。经仿真验证,所提方法的检验统计量之间区分度更加明显,对于干扰样本的挑选更加彻底,从而有效地提高了空时自适应处理技术的目标检测性能。     

基于小波分析的激光探潜技术

介绍了利用小波分析的方法对水下目标的回波信号进行去噪声、检测及定位．模拟结果表明,该方法的时频可变性有效地克服了传统方法的不足．     

关联维数在梁式结构损伤检测中的应用

为探索有效实用的结构损伤检测方法,运用分形理论直接对结构振动信号进行关联维数分析,通过度量系统输出的奇异性来识别结构的局部损伤,提出了基于振动响应关联维数的结构损伤检测方法.简支梁损伤算例结果表明,该方法能够准确地检测出梁式结构单个和多个不同程度的损伤位置,同时关联维数指标变化值会随着损伤程度的增加而增大.与曲率模态指...     

结构主导目标检测中的纹理随机化

已有基于卷积神经网络的目标检测算法倾向于提取目标纹理特征,而非结构特征;因此,已有方法不能实现变纹理目标的可靠检测。针对此问题,提出基于纹理随机化的结构主导目标检测方法,采用仿真纹理随机化方法减弱网络模型对纹理特征的拟合,实现基于结构特征的变纹理目标可靠检测。利用目标的三维模型,借助Blender渲染引擎,完成纹理随机化仿真训练数据集的生成。仿真及真实图像实验测试结果表明:该方法能够实现基于目标结构特征的变纹理目标可靠检测。