C~3I系统中战场视频镜头检测与关键帧提取

在C3I系统中,通过大量的战场视频进行态势信息提取以及目标识别一个重要环节就是镜头检测和关键帧提取。针对战场视频中有较多的光照条件改变,以及战场视频处理算法要简单快速等特点,给出了一种基于颜色直方图差的镜头检测和关键帧的提取方法。基本思想是同一镜头内的帧在颜色特征上没有显著变化,当连续帧的颜色直方图差超过阈值时则认为镜头出现了转换,对于同一镜头内的候选关键帧,计算之间的距离并与阈值进行比较来确定是否为关键帧。在VC++6.0的环境下,经过编程实现验证,该方法有效可行。     

识别和远离社交恐惧

社交恐惧有以下几个特点：当面对不太熟悉的人或被他人注视时,出现显著的持续存在的担忧或恐惧,担心自己将面临窘境。一旦暴露在恐惧的环境中,几乎总会产生紧张和焦虑。这种恐惧是多余的或不适宜的。回避行为、预期性焦虑、环境中产生的痛苦或躯体症状（例如多汗、面红耳赤、胃肠道症状、震颤、心跳过快等）,严重妨碍了他们的正常生活,非常痛苦。     

凸优化算法在多导弹协同作战目标识别中的应用

针对多导弹协同作战目标识别的特点,分析了识别要素和识别数学描述,提出了利用凸优化理论建立满足多导弹协同作战系统需求的目标识别模型.通过分解代价函数,将模型转换为凸二次规划问题,并引入惩罚因子,利用牛顿迭代法求解该模型.仿真结果表明该识别模型有较好的识别能力和较强的鲁棒性.     

基于遗传算法的导弹结构模态参数识别

系统地研究了基于遗传算法的线性结构系统模态参数识别方法.遗传算法对广义动力学系统的辨识已经得到了充分研究,但在结构系统参数辨识方面的研究还不多,使用浮点数编码方案,利用频响函数数据,给出了结构系统模态参数识别步骤.由于遗传算法的全局寻优特性,该算法具有极强的抗噪声能力,即使对噪声严重污染的数据依然能够很好的辨识出待辨识的参数.通过一个两自由度的弹簧质量块系统进行了仿真分析,最后将方法用于一个实际的导弹结构的实验数据分析.     

基于目标编群理论的通信网络结构识别

为了解决通信网络结构识别问题,根据通信网的工作特点,在识别过程中引入目标编群理论,逐层递增生成通信网络的群结构,并对群结构进行动态维护,识别和更新通信网的组成信息.仿真结果表明了该方法的可行性和有效性.     

基于Floatboost算法的多视角目标识别

采用独立分量分析(ICA)方法对目标图像进行特征提取,提出了基于Floatboost算法与三叉决策树相结合的多视角目标识别级联分类器的设计方法,并融入角度优先粗分类的设计思想.经过与其他分类方法的试验比较表明,基于Floatboost算法的多视角分类器在一定程度上解决了目标旋转等问题,可满足某些实时系统的需求.     

图像目标识别中的分层检索模型

形状特征是武器装备目标识别的关键因素.针对归一化后轴夹角的特点和小波描述子多尺度描述轮廓曲线的特性,提出一种R树索引的分层检索技术模型,在模型库空间逐级过滤出与目标相似的模板,以保证检索的效率和准确性,并通过对军用车辆的检索实验验证了模型的有效性.     

一种雷达辐射源识别自学习算法研究

针对目前雷达对抗系统面临的辐射源识别精度不高、智能化水平低的特点,将自学习理论引入到雷达对抗系统中。提出了基于遗传算法(GA)的自学习算法实现雷达辐射源智能识别的方法。实验表明:在使用相同的特征参数"前件"条件下,通过这种自学习方法得到的正确识别率高于其它识别方法。     

基于PCA特征的快速SAR图像目标识别方法

目标识别是SAR图像解译的重要一环,受到广泛的关注,而实时性又是评估目标识别系统性能的主要指标之一.从实时的角度出发,提出了一种快速的SAR目标识别方法.该方法采用基于Hebb学习规则的主分量分析(PCA)进行特征提取,使用多层感知器神经网络(MLP NN)进行目标分类.实验结果表明,在维持较好识别性能的前提下,该方法具有内存需求少、运行速度快的特点,能用于实时处理.     

含新型间断探测器的混合WCNS格式在间断无粘可压流的应用

为了让高精度数值格式在含间断和小尺度涡等复杂结构的超声速无粘可压缩流动情况下,仍能鲁棒地捕捉激波并快速得到流场高保真的模拟结果,研究了以子模板导数组合为基础的光滑度量算法,构造了精度与鲁棒性兼顾的新型间断探测器,使间断识别对小尺度涡也具有高分辨率;研究了混合加权紧致非线性格式(weighted compact nonlinear scheme, WCNS)方法,对流场中的光滑与间断区域分别使用线性与非线性加权格式求解,从而克服单一非线性格式在光滑区分辨率难以达到设计精度的问题。数值实验表明,使用新型间断探测器的混合WCNS格式对一维、二维Euler方程模拟结果良好,并且相比于在全流场使用局部特征分解的原始WCNS方法有计算效率的提高。