基于PSO-BP神经网络的HRRP目标识别

为提高雷达目标识别准确率,提出了一种基于PSO-BP神经网络的雷达一维距离像识别方法。利用粒子群优化算法良好的全局搜寻能力,对BP神经网络的权值和阈值进行了优化,弥补了BP神经网络收敛速度慢、存在多个局部极值点的缺陷。利用实测数据对PSO优化前后的BP神经网络的识别性能进行了对比测试。实验结果表明,PSO-BP神经网络具有更高的识别准确率及噪声鲁棒性,分类性能优良。     

基于数学形态学和支持向量机的跑道检测方法

提出了一种基于数学形态学和支持向量机的跑道检测方法.首先采用Otsu法对原始图像进行全局阈值化处理,并利用灰度形态学边缘检测算法对所得图像进行边缘检测;然后利用Hough变换提取线段,若线段超过一定长度,则判定其所在区域为跑道的候选区域;最后选择8个分量组成跑道候选区域的纹理特征向量,用支持向量机作为分类函数,对候选区域的纹理特征向量进行分类,判别出跑道.实验表明,该算法对跑道定位准确,误检率低.     

基于PDA-UKF的杂波环境下单目标跟踪算法

提出将概率数据关联算法和不敏卡尔曼滤波相结合,用于杂波环境下的单目标跟踪。该算法同时解决了测量方程非线性情况下的滤波问题和杂波环境下的目标跟踪问题。给出了PDA-UKF算法的仿真过程,提供了一个基于距离、方位角、俯仰角的目标跟踪问题的仿真算例。理论分析与仿真结果均表明,该算法提高了滤波的稳定性和跟踪的精确性,具有较高的实用价值和广泛的应用前景。     

多DSP并行的神经网络集成目标识别法

针对分布式信息融合结构、异质传感器条件下的目标识别问题,提出了基于多DSP并行结构的神经网络集成目标识别方法.给出了生成神经网络集成的具体方法,并构造了一个实际的空中目标识别硬件系统.结果表明,系统的目标识别性能明显优于单个神经网络的目标识别性能,且识别目标的速度很快.     

贵州省安顺军分区 加强重要目标安全管理

近日,贵州省安顺军分区采取一系列措施加强重要目标安全管理。该军分区一方面突出抓好营门卫兵和民兵装备仓库看管人员安全警示教育、职责教育,组织官兵学习上级通知精神,增强官兵防范重大安全问题的责任意识;另一方面加强执勤人员军事训练和应对     

野外复杂背景下轻武器射击目标的图像识别算法

针对野外复杂背景下轻武器射击目标图像的分析判别,首先采用一种彩色空间聚类分析和阈值分割相结合的混合算法,即基于S、I通道的目标图像两步分割算法,将目标区域从背景图像中分离出来.然后基于机器学习理论中的Boosting算法,利用区域的形状特征和纹理特征等组成一个强分类器,将目标区域从其他区域分离出来,同时判断出目标的类型.     

一种新的基于DSmT的合成公式

DSmT是一种有用的不确定推理方法,能较好地解决强冲突情况下的信息融合问题.由于其在组合规则方面存在不足,影响了DSmT的应用.提出了一种新的合成方法,即在保留冲突焦元的基础上对支持证据冲突的概率进行重新分配.仿真分析表明,新的合成公式提高了目标识别的准确性,对于高度冲突的证据,也能够取得理想的合成结果.     

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.     

民兵协防重要军事目标的几点思考

担负部队繁重保障任务的弹药、军需、油料仓库等重要军事目标,战时极易遭敌破坏和袭击。组织民兵警勤分队协防辖区重要军事目标,是适应形势任务发展的一个新课题。紧贴任务需求,认真制定协防方案组织民兵遂行协防任务,必须做到任务明、情况熟、信息通、保障好,有可靠管用的协防方案和周密的计划措施,才能有效、     

基于中值排序的自适应加权均值滤波算法

分析了MTM算法的原理、优点和不足,并提出了一种改进的自适应加权均值滤波算法。该算法基于中值排序自适应地确定加权系数,完成对含噪图像的均值滤波。实验证明,算法能较好地滤除高斯噪声和脉冲噪声,且滤波效果优于传统的中值滤波和MTM滤波,是一种简单、实用的图像滤波算法。