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。     

空中目标敌我识别模型

首先阐述了目标敌我识别的概念及其重要性.接着建立上级指定、外部情报、飞行计划、敌我识别器、目标电子干扰、目标机动特征、目标速度特征和目标群特征等主要识别因素的识别模型和准则,并给出了目标敌我识别的判断逻辑.最后采用加权求和法构建了目标敌我综合识别的数学模型.研究成果可作为指挥员进行人工敌我识别判断的思维逻辑,也可作为开发程序化的自动敌我识别软件的建模依据,对防空指挥控制系统发展具有参考价值.     

激光成像雷达自动目标识别技术综述

现代战争复杂战场环境对精确制导武器的性能提出了越来越高的要求,激光成像雷达逐渐成为一种很有发展潜力的新型制导方式.介绍了激光成像雷达自动目标识别技术的研究现状,分析了激光成像雷达自动目标识别存在的问题,对激光成像雷达自动目标识别的技术途径进行了详细的综述.     

坦克火控系统自动跟踪功能关键技术

结合现代军事发展,分析了现代坦克火控系统发展自动跟踪技术的必要性;根据我军现装备的坦克火控系统所具有的自动跟踪功能,分析了自动跟踪的相关技术,电视跟踪技术的原理,图像匹配法的涵义;系统介绍了电视跟踪中图像匹配法识别和跟踪目标,介绍了目标自动跟踪系统对目标识别和判定的一种具体方法.     

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。     

多目标跟踪系统测量结果识别算法分析

首先针对多目标自动跟踪问题,对测量结果的两种识别方法和判定规则进行了讨论,给出了目标状态模型、参数模型和探测模型,并对这些模型进行了评估,在此基础上重点分析了多目标自动跟踪状态下基于状态模型参数识别测量结果的算法。最后指出了这种算法的优缺点。     

俄罗斯反鱼雷鱼雷系统

俄罗斯鱼雷技术发展水平有目共睹,本刊已有详细介绍。然而俄罗斯研制的反鱼雷技术外界知之甚少。进入新世纪,俄罗斯透露了其研制的反鱼雷技术中的极品装备——“小包”-E/NK 反鱼雷鱼雷系统。“小包”-E/NK 系统是俄罗斯为水面舰设计的用鱼雷摧毁来袭鱼雷的反鱼雷系统。其由特制目标识别声纳、自动火控子系统、反鱼雷鱼雷、贮运发射箱和发射装置组成。目标识别声纳用于自动探测和识别攻击已方舰艇的鱼雷,将来袭鱼雷的航行参数生成目标数据,并将该数据传送给自动火控子系统。     

陆战场装甲目标细粒度识别技术

智能化作为新的改变战争游戏规则的颠覆性技术,成为世界各军事强国的发展重点。当前,智能化可以实现对陆战场军事装甲目标的自动识别,但是现有识别任务主要是粗粒度的目标类别识别,缺乏细粒度的目标识别。本文针对陆战场军事装甲目标细粒度识别任务,提出了一种适用于无人作战平台的轻量化细粒度目标识别方法,并初步验证了方法的可行性和有效性,基于此,提出了无人作战平台的新的作战运用。该方法可辅助操作人员进行陆战场装甲目标识别的决策判断,或提供无人打击武器自主打击的判断能力。     

数据融合与敌我识别综述

敌我识别 (IFF)是自动目标识别 (ATR)技术的重要应用之一。高科技条件下现代战场中的目标侦察与敌我识别问题 ,一直是国际雷达领域和信息处理技术的主攻方向。为适应未来数字化战场的作战需求 ,具有敌我识别能力的系统 ,已成为 2 1世纪战场数字化系统的基本功能单元之一。扼要介绍了目标识别的有效途径、可提高敌我识别系统效能的数据融合技术及IFF现状与发展趋势。     

基于层次分析法的目标属性识别模型

空中目标的属性识别是一个复杂问题,在火力单元级进行目标识别只能根据上级指挥所或和目标指示雷达传来的目标信息和从相控阵雷达中给出的目标特征信息中提取关于空中目标的信息,对目标进行识别,并能对自动识别目标进行监视。如何快速准确地识别目标属性是当前防空指挥自动化所必须解决的问题。给出了影响目标属性识别的主要因素和各因素判断目标属性的模型,给出了基于层次分析法综合识别目标属性模型,定量地给出了综合识别空袭目标属性值,在一定程度上避免了属性识别的主观性。最后用实例验证了该模型的可行性和合理性。     

基于TOPSIS方法的自动目标识别作战能力评估

自动目标识别(Automatic Target Recognition,ATR)效能评估是ATR系统相关研究中的一个重要的研究方向.针对现有研究的不足方面,重点研究了ATR效能评估的概念、建立了作战能力指标体系和基于TOPSIS方法的作战能力评估模型,并对指标体系的合理性和评估方法的适用性进行了分析.研究解决了ATR效果评估所涉及的部分重要问题,具有较强的军事应用价值.     

基于多尺度稀疏字典的SAR图像目标识别方法

针对合成孔径雷达目标识别问题,提出一种基于多尺度稀疏字典的SAR图像目标识别方法。稀疏字典选择是稀疏表示中的关键问题之一,该方法利用小波多尺度分析构造过完备稀疏字典,将训练样本图像在小波解析域中进行小波多层分解,充分利用小波多尺度分析突出图像局部特征的特点,并和过完备稀疏表示有效结合组成级联字典。通过求解测试样本相应的稀疏系数矢量并根据系数矢量中对应训练样本类别的重构误差判定目标类型。实验结果表明,该方法在识别前无需对SAR图像进行预处理,具有良好的识别效果。     

System comparison procedures for automatic target recognition systems

Estimating the performance of an automatic target recognition (ATR) system in terms of its probability of successfully identifying a target involves extensive image collection and processing, which can be very time‐consuming and expensive. Therefore, we investigate the Wald sequential test for the difference in two proportions as a sample size‐reducing alternative to ranking and selection procedures and confidence intervals. An analysis of the test parameters leads to a practical methodology for implementing the Wald test for fairly comparing two systems, based on specific experimental goals. The test is also extended with the modified, sequentially rejective Bonferroni procedure for the multiple pairwise comparison of more than two systems. Two sampling schemes for different experimental goals are also discussed. The test methodology is applied to actual data to compare different configurations of a specific ATR system, with the results demonstrating that the modified Wald sequential procedure is a useful alternative to comparing proportions with confidence intervals, particularly when data are expensive. © 1999 John Wiley & Sons, Inc. Naval Research Logistics 46: 357–371, 1999     

实时双模光电跟踪系统设计

基于凝视红外成像理论、电视摄像理论及自动目标跟踪算法的最新进展,提出了一种实时双模光电跟踪系统,论述了该系统的组成和工作原理以及实现的功能,并阐述了系统各组成部分的主要设计思想,给出主要技术指标的估算方法以作为系统设计的理论依据,同时也可作为系统综合性能的评估标准。     

卫星及其诱饵的表面瞬态温度场

文中给出了计算空间目标和诱饵表面温度场的方法,比较了目标和诱饵表面温度特性的差异,指出了这些差异对点目标自动识别的重要意义。     

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     

基于SAR图像的目标散射中心特征提取方法研究

针对SARATR需要,基于属性散射中心模型,研究了从SAR图像提取目标散射中心特征的方法。该方法首先从SAR图像分割出包括单个散射中心响应的目标区域,然后判断该区域对应的散射中心的类型,最后再采用相应的参数模型进行参数初值选择和数字优化,从而得到对应该区域的目标散射中心特征。通过循环执行上面的步骤,就可以从SAR图像提取出目标所有散射中心特征。仿真结果表明,该算法具有良好的估计性能。     

基于Coherent Point Drift方法的SAR图像散射中心匹配

散射中心匹配是当前散射中心用于SAR图像目标识别的一个主要技术途径.散射中心匹配的难点在于散射中心特征存在的误差和缺失.Coherent Point Drift (CPD)方法从概率密度估计的角度解决点模式匹配问题,能够较好地考虑散射中心的误差和缺失.本文将CPD方法用于散射中心匹配,并在此基础上引入车辆目标SAR图像方位角估计先验信息和散射中心属性信息,以提高散射中心匹配的准确性和稳健性.MSTAR数据实验说明了该方法的有效性.