一种改进的应用于高速目标角点检测的AFJHA算法

针对经典Harris角点检测算法对于全局像素点求取角点响应函数所带来的计算复杂度高,从而不适合实时检测的弊端,提出了一种新的快速角点检测算法。鉴于角点数量只占整个图像像素点很小一部分,首先利用四方向亮度导数来进行候选角点预判断,阈值选取为图像像素点像素值的标准差的倍数。经过预判断后,再考虑8-邻域相似点个数,根据相似点个数对应的情况对候选角点进行再判断,将剩下的候选角点进行Harris算法检测。仿真结果表明,此改进算法能够有效地提高角点检测效果并减少检测时间。     

基于窗口预测匹配的序列图像点目标轨迹检测算法

序列图像中运动点目标轨迹的实时检测算法,是目标识别、实时跟踪处理系统中的关键算法之一。在分析不同层次处理方法的基础上,给出了一种基于预测、窗口匹配的点轨迹预测—匹配检测算法,并根据仿真实验的效果,指出此算法可有效地对低信噪比序列图像运动点目标轨迹进行实时检测,具有多目标轨迹检测能力。     

红外警戒系统点目标检测距离理论分析

给出了红外警戒系统点目标探测距离的计算模型与公式,分析了影响点目标探测距离的参数间关系,并得出有关目标提取算法及传感器参数选择的几点重要结论.     

点目标检测中候选轨迹确定算法

对低信噪比条件下缓动点目标检测技术中候选轨迹的确定算法进行了讨论。首先,给出了计数积累和线性预测的一般方法,然后,提出了一种基于计数积累,线性预测和轨迹约束的候选轨迹确定以及实现检测的算法,最后是算法性能分析。     

一种MIMO雷达动目标检测的快速算法

通过对MIMO雷达动目标检测器的结构进行分析,提出了一种针对MIMO雷达动目标检测的快速算法.该算法通过借助快速傅里叶变换实现每个通道的动目标检测,从而缩小搜索范围,显著地减少了运算量,很好地解决了原算法因运算量过大而难以实时实现的问题.理论分析和仿真实验证实了快速算法的可行性.     

改进Faster R-CNN的视频SAR动目标检测算法

针对当前可用于深度学习的视频SAR数据稀少的现状,以及动目标检测算法中存在较多的漏检和虚警问题,基于美国桑迪亚国家实验室真实视频SAR数据制作深度学习数据集,提出一种改进Faster R-CNN的视频SAR动目标检测算法。算法以截取后的ResNet50为特征提取网络,利用K-means加遗传算法自适应计算锚框,并在数据预处理环节加入S型曲线增强方法,来增强图像的对比度信息。经实验验证,所提出方法能够显著提升动目标检测率和检测速度,其中,平均精度（AP）和F1分数提升均达到10个点以上,有效降低了虚警和漏检,整体表现优于一阶段算法SSD和RetinaNet。     

红外多光谱图像弹道目标检测算法

在红外多光谱图像中,弹道导弹尾焰拥有两大特征,一是由强烈红外辐射引起的灰度差异,二是独特的光谱特性。然而,传统的单波段检测技术只利用了尾焰强烈的辐射特性,而近些年发展起来的多光谱检测技术则只利用了尾焰独特的光谱特性。为了充分利用导弹尾焰的两大特征,将单波段检测技术和多光谱检测技术结合起来,提出三种检测算法,并从算法的检测效果、运算量和鲁棒性三方面详细分析它们的优缺点。采用人工合成的红外多光谱图像进行验证,实验结果表明,相比单独使用单波段或多光谱的检测算法,融合算法的检测性能更好。     

视频监控系统中的动目标检测新方法

在分析了现有算法在复杂背景下所存在的不足的基础上,提出了一种适用于视频监控系统的基于视频序列像素时空相关性检测的动目标检测方法.该方法首先用每一帧中像素的空间相关性检测出目标,再用序列图像中目标的时间相关性检验目标的真实性,从而最终确定是否有运动目标.试验表明,该方法能很好地检测出运动目标,并具有较强的抗干扰能力.     

多机动目标跟踪的BFG-GMPHD算法

针对高斯混合概率假设密度(GMPHD)滤波算法中的机动目标跟踪问题,提出BFG-GMPHD算法,扩展了GMPHD滤波算法的适用范围。算法利用最佳拟合高斯(BFG)分布来近似目标动态模型中的状态转移矩阵和过程噪声的协方差矩阵,实现了滤波器与不同动态模型的匹配;在对BFG分布进行递推时,引入了模型概率更新过程,解决了BFG仅依赖于先验信息的问题;并利用UKF算法对GMPHD的高斯分量进行递推,使得算法能处理量测方程为非线性的情况。仿真实验表明,BFG-GMPHD算法能快速匹配目标模型的变化,实现对多机动目标的有效跟踪,准确估计出目标的数目和状态。     

舰载雷达对水面目标发现概率研究

为了提高舰载雷达的作战效能,研究了舰载雷达发现水面目标的概率模型,采用了数学建模方法,结合舰载雷达发现目标接收机输入端的信噪比,利用发现距离与发现概率之间的关系,建立了舰载雷达发现水面目标的概率模型,对于提高舰载雷达信息作战能力具有实践意义。     

基于方位线性预测的远距离目标机动检测方法

随着拖曳线列阵声纳的应用,水下声探测的范围成倍增大,纯方位目标定位与跟踪技术面临严峻的挑战,特别是在对抗条件下的目标机动检测与跟踪问题难度更大。本文针对基于拖曳线列阵声纳探测的远距离目标机动检测问题,通过对以往纯方位目标机动检测方法的适用性分析,结合远距离目标方位变化的特点,提出了基于方位序列线性预测的累积和机动检测模型,解决了远距离、大误差、纯方位量测条件下的目标机动检测问题。实验室仿真验证结果表明,算法对幅度稍大的目标转向机动,具有较灵敏的机动检测效果及较强的鲁棒性。     

集中式组网雷达假目标干扰建模

针对集中式组网雷达数据处理算法的薄弱环节,通过对集中式组网雷达假目标干扰问题的研究,建立了密集假目标干扰、航迹扰乱干扰和航迹欺骗干扰三类假目标干扰模型。首先介绍了集中式组网雷达的数据处理算法,分析了这种算法对于假目标干扰的薄弱环节,针对薄弱环节提出了上述三种假目标干扰类型。然后给出了这三种类型假目标干扰的概念、产生方法、数学模型和运用方式;最后分析了组网雷达的抗干扰措施对于假目标干扰的影响。     

舰空导弹毁伤目标所需弹耗量评估

舰空导弹毁伤目标所需的弹耗量是一个随机变量,提出了舰空导弹毁伤目标所需的平均弹耗量计算方法,计算舰空导弹毁伤单个目标、疏散目标、密集目标所需的平均弹耗量。示例分析表明,该计算方法简便易行,可为舰空导弹火力运用提供决策支持。     

粒子滤波的序列图像运动目标跟踪(英文)

序列图像的运动目标识别与跟踪是计算机视觉主要研究方向之一。研究的重点是要建立一个准确可靠的跟踪系统。针对此问题,传统的帧间差分法进行了改进,并研究了粒子滤波算法。在改进的帧间差分法和粒子滤波的基础上,提出了序列图像运动目标跟踪方法。实验实验表明,这种方法能够在目标被背景云彩遮挡的情况下,实现目标的可靠跟踪。     

应用交互多模(IMM)算法跟踪低空目标

雷达跟踪低空目标时,由于多路径传播的影响,目标俯仰角的测量会出现测量误差.并且由多路径传播引起的测量噪声方差较大,在时间上具有相关性.应用交互多模(IMM)算法来提高跟踪低空目标的性能,并且提出了一种去相关的滤波方法来克服多径误差相关性的影响,最后给出了计算机仿真的滤波结果.     

高分辨率雷达目标一维距离像的编码识别算法

文中提出了一种高分辨率雷达目标一维距离像的识别算法。该算法借用图像处理方法,先对雷达目标的一维距离像进行编码,经过傅里叶变换提取一组形状特征。这组特征精确地描述了一维距离像曲线的走向。而后,利用人工神经网络技术对一定姿态角变化范围内的这组形状特征进行识别。实验结果表明,可以获得良好的识别效果。该算法为雷达目标一维距离像识别算法的实时处理提供了一条有效途径。