目标识别跟踪系统的图像收集处理软件流程设计

详细介绍了目标识别跟踪系统中图像收集处理软件的设计流程。首先介绍了目标识别跟踪系统,然后从视频图像显示到目标图像获取和发送的整个流程进行详细阐述,并针对流程节点中获取目标图像的两种方式加以深入研究。     

粒子滤波匹配追踪重构算法

针对现有贪婪迭代类压缩感知重构算法对非高斯量测噪声抵抗性差的问题,提出一种盲稀疏度下粒子滤波匹配追踪稀疏信号重构算法。该算法将鲁棒性更高的Huber损失函数替代常规的二次损失函数,用来增加对非高斯噪声的抵抗能力;并引入粒子滤波实现对原始信号的最优估计,以削弱量测噪声的影响;在信号稀疏度未知的条件下,结合稀疏度自适应匹配追踪算法实现盲稀疏度下的原信号重构。理论分析和仿真结果表明,所提算法可以有效抵抗因非高斯噪声干扰或稀疏度未知导致的重构精度降低,且重构性能优于现有典型贪婪迭代类算法。     

基于压缩传感的PSO-OMP重构算法的研究

由于粒子群算法具有解决寻优问题的能力,将其应用于信号处理领域,提出了一种新的基于PSO-OMP的信号重构算法。为了降低计算复杂度,把粒子群算法运用在正交匹配追踪算法的匹配过程,以此来确定最优原子。实验结果表明,所提出的新的基于PSO-OMP的信号重构算法具有计算复杂度低和重构成功概率高等特点。     

烟雾干扰光学制导武器中Mie散射系数快速算法

烟雾干扰光学制导武器中烟雾中的颗粒物的浓度、平均粒径的精确测量是评价武器隐蔽效果的关键指标。Mie散射中的消光系数计算是烟雾中颗粒物的平均粒径和浓度测量中的关键步骤。在传统Mie散射计算的基础上提出一种适用不同颗粒大小和复折射率的Mie散射系数算法。推导了散射系数计算公式,分析了不同折射率和粒径的递推公式。计算表明,该方法的计算精度高、范围广、时间短,适用于干扰烟雾中生成颗粒物的平均粒径和浓度在线测量。     

基于视频监控的人的异常行为系统设计

"视频监控"是一种可实现夜间检测的视频监控系统,普遍用于沿街商铺、仓库、郊区独户别墅以及小区等场所。传统的视频监控对摄像头的要求较高,并且需要多人值守,对人力、财力的要求较高。针对传统视频监控存在的不足,设计了一种智能检测系统,能实现对非法入侵、物品盗移等异常状况的实时检测和及时报警,还针对夜间图像的特点设计增强算法,使普通摄像头可实现夜间监控,大大降低了视频监控的应用成本并提高了监控效率。     

针对解线调ISAR的图像欺骗干扰研究

通过详细分析解线调距离成像的原理和特点,提出一种针对解线调ISAR的图像欺骗干扰方法。该方法首先利用假目标模板计算得到幅度、相位和频率调制系数,然后对接收的ISAR信号进行幅度、相位和频率3方面综合调制,最后将生成的假目标干扰信号转发给ISAR。经理论分析和仿真实验表明,由于与原信号保持了良好的相干性,转发调制的假目标干扰信号经ISAR的解线调脉冲压缩和方位向压缩处理后,能够产生清晰的一维距离像和二维假目标图像。并且通过合理设置假目标模板,适时改变调制参数,能够实时逼真地产生ISAR假目标,可以进一步提高图像欺骗干扰效果。     

改进的二进制粒子群算法的传感器优化配置

传感器组合优化问题是设备状态检测系统设计的重要问题.在研究传感器与故障有向图的基础上,提出了传感器优化配置模型;根据传感器组合优化自身特点,从位改变率、惯性权重两个方面对BPSO算法进行了参数分析.结合免疫算法的“亲和度”思想以及非线性惯性权重递减公式,提出了改进的二进制粒子群算法.案例显示,改进的二进制PSO算法提高了算法在整个解空间的搜索能力,加快了收敛速度,能够很好地用于解决传感器优化问题.     

海上机动目标打击效果评估决策支持系统设计

针对海上机动目标打击效果评估的特点,运用遥感技术、人工智能技术和模糊评判的方法探索打击效果评估问题。提出一种基于高分辨率遥感图像的打击效果评估决策支持系统,融合人定性分析和机器定量分析的优点,核心是问题处理系统综合运用处理后的遥感信息和支持系统的模型、知识以及数据来评估打击效果,评估模型为二级综合评判模型。对尚处于理论研究阶段的海上机动目标打击效果评估问题有积极的参考意义。     

基于观测预测粒子滤波的雷达组网目标状态估计

雷达组网系统跟踪目标时,观测数据与目标跟踪状态成严重非线性关系,难以用卡尔曼滤波最优估计方法,处理非高斯非线性系统滤波估计问题的粒子滤波算法容易产生粒子退化问题。因此,使用观测预测粒子滤波算法解决这个问题,该算法基于观测似然进行重要性采样,结合一步预测信息计算粒子权值,保证了采样粒子处于高观测似然区,并充分利用了一步预测信息。仿真验证表明,将观测预测粒子滤波算法应用于目标状态估计,避免了粒子退化,收敛快,估计精度高。     

结合非负张量表示与扩展隐Dirichlet分配模型的图像标注

由于"语义鸿沟"的存在,自动图像标注是一项极具挑战性的工作。考虑到图像低层视觉特征与高层语义概念的差异,分别从图像表示与语义建模两个方面来实现自动图像标注。在图像表示方面,提出了一种正则化约束下的非负张量表示方法,用以提取符合人眼视觉直观理解的图像高阶结构特征。在语义建模方面,提出了一种三层贝叶斯模型——扩展隐Dirichlet分配。该模型利用隐变量来实现图像与标注词的关联,并通过一种基于变分推理的期望最大值方法来估计参数。实验结果表明,ELDA模型在大规模数据库NUS-WIDE上的标注结果相较于现有方法有了显著的提高。