逆合成孔径雷达成像运动补偿自聚焦方法研究

讨论了逆合成孔径雷达（ＩＳＡＲ）成像运动补偿的途径,建立了动目标回波信号模型,在此基础上提出了利用图像熵和串导出值来估计目标的运动参数,以进行运动补偿。仿真证明这两种方法在目标运动相对平滑时能够实现最优成像。     

船体腐蚀图像匹配算法的研究

船体腐蚀图像分析是计算机图像处理在船体腐蚀领域的一个应用技术．该文主要研究了船体腐蚀中断层图像匹配算法的设计与实现．该算法对于研究船体腐蚀的形成和分析具有十分重要的意义．     

斜体素体视技术在腐蚀图像合成中的应用研究

图像合成是计算机图像处理领域的一个关键课题．该文提出了一种基于科体素体视技术的图像合成算法．该算法对于研究船体腐蚀图像的合成具有十分重要的意义．     

使用多分辨力神经网络的凹自动目标识别

本文介绍用多分辨力神经网络根据目标的凹(分等级的分辨力)图像探测和分类目标的方法。目标识别决策是以使能量函数最小化为基础的。在现行凹图像中可同时获得的几个分辨级上,把一个候选的斑点与目标模型库相比较,由此计算能量函数。为此,通过一个新的多层霍普菲尔德(Hopfield)神经网络,实现一个并发的(自上而下和自下而上)匹配过程。有关的能量函数不仅支持在相同分辨级的单元之间的交互作用,而且支持在不同分辨级的节点组之间的交互作用。这允许不同分辨级的特征互相证实或反驳,以便对潜在匹配的有效评定做出贡献。凝视控制,即再凹向所获得图像空间的更显著区域,由搜索与候选斑点无疑义的高分辨力的特征来实现。提供使用实际的二维(2—D)目标的试验以及它们的仿真凹图像。     

机动车辆自动识别系统

基于视觉的机动车辆自动识别方法工程量小、检测范围大、系统安装相对灵活，是一种很有前途的方法。目前已开发的商业系统大都用在日间辅助交通管理上。为改善视觉交通检测系统的实用性和增强系统的功能，本文作者对模型系统进行了深入的理论研究，提出了２．５维图像的新思路，提取车辆外形的综和特征更为准确，自适应识别方案使车型识别准确灵活，车头颜色特征的利用使识别的准确性进一步提高。实验证明，系统对光线的适应能力也明显增强，系统的稳定性得到改善，有望扩大系统的使用范围。     

引入测频信息进行无源被动定位的方法研究

无源被动定位技术中一个重要问题，是如何使定位的约束条件尽可能地少，即尽可能地提高方法的可操作性。只利用测角信息（ＤＯＡ）的定位方法，由于可观测性的要求，在单观测平台对运动目标定位时，常常需要观测平台作特殊的机动运动，这种约束给实际操作带来很大不便。本文提出了一种引入测频信息对运动目标进行定位的定位方法，并给出了可观测性分析。运用该定位法定位，观测平台的运动形式可以任意，特别有意义的是，在满足某些条件情况下观测平台还可以完全静止不动。     

小波阈值技术在图像降噪中的应用研究

通过对图像的小波变换系数进行阈值操作，可以有效降低噪声，同时又较好地保持图像细节。在文章中详细讨论了这种小波阈值降噪技术，并给出了在此种降噪方法中阈值选取的几种方法。由实验结果可以知道此种小波阈值方法是一种有效的图像降噪方法。     

基于 AR 模型和SPRT 检验法的过程状态监测

本文利用自适应卡尔曼滤波器原理建立机械系统过程监测模型—AR模型,并根据AR模型系数的变化可以表征系统过程状态这一特点,通过序贯概率比(SPRT)这一假设检验法,对机械系统的运行状况进行判别。实验表明,该方法行之有效,最后,本文给出了实验结果。     

优序法在舰艇编队导弹攻击效能评估中的应用

导弹攻击是舰艇编队海上行动的主要作战样式,其导弹攻击效能的评估十分重要。首先建立了舰艇编队导弹攻击作战效能评价指标体系,然后介绍了评估舰艇编队导弹攻击效能的一种新方法——优序法,该方法应用简单,既可以处理定性问题,又能处理定量问题。最后给出了应用实例,验证了优序法比较适合于对舰艇编队导弹攻击效能进行评估。通过对舰艇编队导弹攻击效能的评估,可以有效地选用合适的舰艇编队样式。     

生成式对抗网络在SAR图像处理中的应用综述

合成孔径雷达自动目标识别技术是SAR图像处理领域的研究热点,但数据样本不足的情况导致SAR-ATR应用研究受到局限。传统扩充SAR数据集的图像仿真技术模型复杂、计算量大,生成图像不够逼真。生成式对抗网络GAN不需要目标先验信息,可以直接从真实图像数据中生成逼真的图像,具有低损耗和端到端的优点,因此相较于传统方法其更适用于小样本SAR数据高质量扩充。围绕GANs在SAR图像处理中的研究应用展开叙述,介绍了获取目标SAR图像的方法,包括传统的仿真技术和基于深度学习的GANs技术;从目标图像和场景图像等2个方面介绍了GANs训练的常用SAR数据集;针对不同数据集的应用场景,重点介绍了GANs网络在目标SAR图像生成、SAR超分辨率重建、SAR和光学影像融合等3个方面的最新研究进展;最后,结合深度学习和SAR目标特性,给出了GANs网络在SAR图像应用方面的后续发展建议。