基于背景补偿的空基视频图像目标检测

基于空基平台的运动目标检测及跟踪有重要的军事应用,由于平台的运动使得背景发生变化,给目标的检测带来困难。基于Harris特征点检测方法可以有效的进行背景运动补偿,但结果受阈值影响明显,还无法根据场景自适应的设定阈值。本文研究了基于特征点跟踪的背景补偿方法,对不同场景都可实现稳定检测,同时分析运动目标对配准的影响,并根据检测结果进行特征点的筛选。实验证明,该方法是一种稳定的检测目标检测方法。     

基于RBF神经网络的背景估计及红外小目标检测

利用RBF神经网络的函数逼近特性,得到了一种红外图像背景估计算法,进而提出了一种检测红外小目标的方法。利用有目标和没有目标的真实红外图像对此算法进行检测,背景估计效果理想,小目标检测效果理想,证明该算法是可行有效的。     

一种融入运动特性的显著性特征提取方法

针对复杂背景下图像序列中运动目标的跟踪前检测问题,提出一种融入运动特性的显著性特征提取方法,该方法综合目标的灰度、细节和运动等形成稳健的显著性特征,并得到一组显著性特征提取图.在这组图像中,具有这种多特征的区域得到加强,其他区域受到抑制,从而能够轻松地检测出可引起人类视觉注意的运动目标.由于该算法中的显著性特征来源于目标的多种底层特性,因此该算法具有很强的稳健性.实验证明,这种方法具有较强的稳定性和实用性,抗干扰能力强.从视觉效果的角度出发,能够较大地提高运动目标在复杂背景中的信杂比.     

改进的基于背景预测的红外弱小目标检测方法

提出一种改进的基于背景预测的红外弱小目标检测的算法,该算法通过"裁判模型"自动排除预测窗口内偏离真实值的噪点,从而减少了噪声和背景起伏对背景预测的影响,不仅能解决传统预测算法的边缘模糊问题,而且有较强的抗噪声特性,尤其适用于具有复杂云层的空背景,是背景预测算法的一个重要扩展.针对实际红外图像的实验仿真表明,该算法是有效的.     

经济全球化背景下的国际军工技术合作

20世纪90年代以来,随着经济全球化进程的加快,国际军工技术合作的开展呈现出如火如荼之势。在这种大的背景之下,为了做强、做大自己的国防科技工业,中国军工企业需要学会开发国内国外两个市场、利用国内国际两种资源,努力提高自己的对外开放水平。2004年中国国防白皮书指出:“中国高度重视发展与友好国家的防务技术合作关系,促进工业界的防务技术交流与合作。”本文对国际军工技术合作进行的分析对我们有参考意义。     

高景气行业的资本故事——从财富视野盘点2007年中国装备制造业

2007年中国装备制造业继续高位运行．行业背景依然向好,国家扶持政策陆续落实,对该行业构成利好。同时．中国在加快新型工业化的发展进程中．需要对传统生产进行现代化的改进．以及国际产业向中国转移带动的国际市场需求．对装备制造业的市场需求十分巨大。     

我国南沙环境放射性水平评价

介绍了１９９４￣１９９５年间对我国南沙若干岛礁及主航道的海水、海生物、海石花、礁石等样品的总α、总β及核素分析结果,并进行了评价,结果表明,南沙的礁石,海石花的放射性水平比大陆土壤的要小得多,南沙海水的放射性水平比大陆近海港湾的海水要稍大一些,南海海产品的放射性水平与大陆近海港湾的海产品相当。     

一种基于分组序贯的红外弱小点目标跟踪方法

针对红外序列图像中运动弱小点目标的检测跟踪问题,在多假设跟踪算法(MHT)的基础上提出了一种分组序贯的思想.基于这种思想,给出了一种多组独立检测法.对这种方法进行仿真,并与多级假设检验的截断序贯处理算法进行比较.实验结果证明在相同虚警概率情况下多组独立检测法的检测概率与截断序贯处理算法的检测概率相近,但运算量要远小于后者.     

装甲车辆行进间炮口振动角度误差预测模型

针对射击延时过程中具有振荡性的装甲车炮口振动角度误差数据,提出了一种优化的GM(1,1)预测模型。对原始数据进行光滑性和单调性处理;对传统GM(1,1)模型的初始值进行了基于拟合误差最小化的改进;基于传统模型中背景值构造方法存在的误差,重构了传统模型的背景值。通过对高低向、方位向两组数据处理结果的分析,优化GM(1,1)模型的拟合、预测结果相对于传统模型、改进初始值模型和改进背景值模型具有较小的误差,能够较好地反映装甲火炮炮口振动角度误差的变化情况。     

天海背景图像天海分界的线性回归检测方法

针对天海背景远距离平视图像的成像特点,确定天海分界区域,可以减少目标分割时的计算量,抑制天海分界区域外不必要的噪声干扰。将求取天海分界方程归结为一个数理统计中的回归分析问题,通过将图像沿水平方向平均分成若干个区域,采用计算最大梯度得出每个区域的天海分界坐标,得到线性回归所需的区域坐标点集合,并用正态分布方法对野值进行剔除,运用最小二乘估计方法计算出天海分界线方程。结果表明,该方法可以准确地检测出天海分界线,且对目标背景特性不敏感。