基于在线特征选择的实时压缩跟踪

针对原始压缩跟踪算法无法自适应选择特征易导致目标丢失或者漂移这一现象,提出一种基于在线选择特征的实时压缩跟踪算法。首先,在初始化阶段生成两个互补的投影矩阵,利用该投影矩阵提取特征构造候选特征池。然后,通过特征置信度度量策略实时从候选特征池中选择置信度较高的特征,并融合所选特征对应的置信度构造分类器。最后,利用该分类器对候选样本做二元分类处理,获得最高分类器响应值的样本作为最后跟踪结果;而上一帧跟踪结果用来在线更新特征池和分类器为后续跟踪做准备。本算法在多个公共测试视频序列与原始压缩跟踪算法进行了对比,结果表明其跟踪精度和鲁棒性方面得到了改善,对于320pixel×240pixel大小的视频平均处理帧速为25frame/s,满足实时跟踪要求。

不同光照和姿态下的航拍车辆检测方法

为了解决在不同光照和姿态下的航拍车辆检测准确度低的问题,基于Fourier-HOG算法提出了一种航拍车辆检测方法.该方法是基于滑动窗口的检测方法.首先,在处理过程中引入图像预处理,可以将背景区域进行有选择的剔除,大大节省检测时间和降低虚警率;其次,提取航拍图像基于局部敏感直方图的光照不变性特征;然后,再提取旋转不变的Fourier-HOG特征.将此特征在线性支持向量机中对车辆目标与非车辆目标进行分类.在后续处理阶段,引入非极大值抑制来降低误检目标.实验结果表明:所提出的车辆检测方法在谷歌地图数据集上进行测试,其检测准确度较高,且时间消耗低于原始的Fourier-HOG检测方法,该方法是一种较为有效的航拍车辆检测方法.

基于高机动目标跟踪的改进变结构IMM算法

传统交互式多模型(interacting multiple model,IMM)算法在跟踪高机动目标时存在模型集合和真实系统模式匹配欠佳所导致状态估计质量下降的问题.基于变结构的思想及图论的知识,结合协方差匹配技术提出了一种补偿式变结构交互式多模型算法(compensation variable structure interacting multiple model,CPVSIMM).针对目前对直线加速状态估计问题,传统变结构交互式多模型(variable structure interacting multiple model,VSIMM)模型集多采用角速度作为模型特征参数造成对其估计性能欠佳的情况,所提算法联合加速度和角速度作为模型参数,并建立了模型集合间的有向图连通关系及模型子集自适应调整原则.理论分析与对比仿真表明:本算法融合估计结果的精度更高,同时能在一定程度上减小由于模型集匹配欠佳及切换不及时所导致的机动累积误差.

定向能非致命武器

明确给出了定向能非致命武器的概念,主要阐明了激光定向能非致命武器和微波定向能非致命武器的破坏机理。同时概括、总结了两类武器的国内外发展现状及发展趋势,以及定向能非致命武器的应用范围。最后对定向能非致命武器的结构及关键技术作了说明。

基于带权重多样例学习的视觉跟踪算法

原始在线加权的多示例学习跟踪假设每个示例是独立且在包中的贡献均相同,同时为所有正样本赋予相同的权重,这不符合"包中的示例与目标位置的远近,对目标贡献程度是不一样"的事实.再加上原始算法采取单一特征无法准确和全面地表示目标包中所包含的示例,从而影响了跟踪算法的鲁棒性.针对原始算法的这些问题,提出一种基于带权重多样例学习的视觉跟踪方法.该方法同时融合多特征(HOG特征和Haar特征),在多示例学习框架下同时训练分类器,并通过样本特征相似度的比较来赋予不同的权重.对不同场景的图像序列进行实验,通过在公共测试集上与多种主流算法做对比,显示这样得到的目标外表模型对于前景和背景具有更高的区分能力.结果表明:该算法具有更高的准确性和更强的适应性,可以有效克服传统多示例学习中的分类器退化问题.

自行高炮射击线稳定性分析

通过理论分析与仿真计算,对自行高炮系统火炮射击线所采用解算式两轴稳定方式进行了定性、定量分析,通过对自行高炮系统稳定与跟踪结构部分的分析,将该系统的跟踪通道与稳定通道进行了一定的分离,研究在稳定通道里影响稳定解算精度的因素。分析表明(βH,εH)偏离(β,ε)越大、载体姿态角测量值误差越大、εH越大,对βt的解算误差就越大。该系统在载体静止状态下,射击线的指向精度较高。而在摇摆情况下射击线的指向误差在航路捷径处较大,特别是方位上射击线指向误差在整个航路都较大。所建模型通过仿真计算,验证了建模结构与系统分析的正确性。

基于贝叶斯框架的显著目标检测

图像和视频显著性检测在计算机视觉领域引起了极大的关注,广泛应用于物体分割、可疑物检测、图像检索等领域,在贝叶斯框架下,将人类视觉注意力理论中Bottom-Up模式被动感知与Top-Down模式主动检测按照时间先后顺序结合在一起,并结合像素的"Center-Surround"模型和核密度估计,提出一种能由粗到精逐步感知和获取视场中视觉显著性目标位置及尺度的实时显著目标检测算法,称其为基于贝叶斯框架的显著目标检测.通过在微软MSRA数据集上进行ROC和Precision-Recall测试,证明该算法取得比目前经典算法更好的效果.

空地电视成像制导武器仿真系统的设计与实现

本系统以空地成像制导武器为典型的模拟对象,以"转台支撑单图像传感器(CCD)"模拟真实制导武器系统中"机载光学瞄准系统"和"弹载导引头CCD",以双数字信号处理器(DSP)并行处理电路模拟真实导弹精确制导图像跟踪器,以伺服转台模拟制导武器弹载导引头伺服系统,以经过改进的去均值相关算法作为复杂背景下目标跟踪的手段,以综合显示控制终端(PC机)模拟机载计算机,并能通过终端PC机上的综合显示与控制软件对仿真过程的信息数据进行记录,对真实作战环境下的空地精确制导武器跟踪算法性能分析有一定的现实意义。

基于跟踪线反馈的一种系统结构模式

针对某自行高炮火控跟踪系统结构中存在的问题,提出了一种基于跟踪反馈的系统结构模式,即空间虚拟反馈(SVF)跟踪系统结构,这种结构为开环结构,通过空间跟踪线构成闭环工作模式,其优点在于省去了校正环节,提高了系统的跟踪快速性以及跟踪的精确性。

基于以太网的自行高炮模拟训练系统平台

介绍了一种基于以太网的自行高炮模拟训练系统。通过以太网内互联的多台PC机实现系统的不同功能,并采用UDP网络通信协议完成各计算机间数据的实时交换,在PC平台上实现了整个自行高炮训练系统的模拟仿真。详述了系统的组成结构、工作过程、各子系统主要功能的实现方法及其之间的数据通信过程。

某自行高炮火控系统目标诸元平滑方法分析

根据对某自行高炮火控系统目标诸元平滑方法的分析,给出了这种平滑方法在假定航路条件下所导致平滑值滞后的关系式。并对这种滞后补偿所带来的目标未来点计算误差进行了定性和定量分析。在分析的基础上提出了一种改进方法。通过仿真定量分析,比较了这种平滑方法与原方法的改进效果。

自行高炮火控计算机数据外推加密分析

旨在讨论分析自行高炮火控计算机数据外推加密方法。通过对某自行高炮火控系统输入与输出数据各点处加密处理分析及仿真,给出了分析结果,选出了较为经济合理的加密取法。

目标成像处理算法验证平台设计与实现

为了验证基于光电图像的目标成像处理算法,并对不同算法之间的优缺点进行比较,设计并实现了操作简单、移植性强的目标成像处理算法验证平台。基于VC++6.0进行模块化设计,方便了经典算法的改进和新算法的植入,并且易于验证、调试与修改。视频源处理模块为待验证的目标跟踪算法提供可自定义亮度、对比度、噪声等的场景。同时,算法中预处理、目标分割等模块可将质量较差的图像进行去噪、增强、边缘提取等变换,易于跟踪算法对有用信息的提取。设计模块之间的接口,使平台具有更强的可植入性,方便目标跟踪算法的开发。

基于空间虚拟反馈跟踪系统的性能分析

在文献[1]的基础上对空间虚拟反馈跟踪系统从理论上做了进一步分析,给出了造成独立瞄准线在暂态过程中扰动的关键项,提出了更为具体的系统实现结构模式图,并在此基础上分析了 SVF 系统在载体摇摆情况下的跟踪效果。

一种空间虚拟反馈跟踪系统的建模与仿真

该文就自行高炮防空武器中光电火控系统结构所存在的问题,提出了一种空间虚拟反馈跟踪系统结构.这种结构特点在于实际跟踪系统为开环结构,通过空间虚拟反馈构成闭环工作模式.该结构同时还具备了在方位上有瞄准线与射击线独立的功能.通过仿真分析,该系统结构模式能够提高对目标跟踪的响应速度以及跟踪的精确性.由于该系统结构在目标捕获过程中,虚拟反馈跟踪线尚未建立,系统中相应环节均为开环状态,无法工作.为此,设计了一个既能捕获又能跟踪的系统模型结构.并分析了两种模型之间的相互转换关系.

一种基于算法融合的运动目标跟踪算法

视频目标跟踪的重点和难点在于如何快速、准确的匹配目标。针对复杂背景下,单一模式的跟踪算法不能准确跟踪目标的问题,提出了一种基于算法融合的运动目标跟踪方法。该算法综合运用去均值相关跟踪算法(normalized cross correlation,NCC)和均值漂移算法(MeanShift)2种基本模式对输入输入视频进行处理,结果送入Kalman滤波器进行滤波与预测,最后根据最小总均方误差准则进行自适应融合。试验证明,该算法能够较好地实现复杂场景条件下的目标跟踪,提高了跟踪的鲁棒性。

分布式半实物仿真平台的网络设计

针对自行高炮光电火控系统的特点,提出了一种分布式半实物仿真平台的网络设计方法。该方法增强了系统的通用性和可扩展性,使仿真平台可以灵活地增减和修改相应的软硬件模块。同时,通过改进UDP数据传输协议,采用多线程同步技术以及引入多媒体定时器,来确保系统仿真的可靠性和实时性。

基于HRM特征提取和SVM的目标检测方法

在航拍图像的目标检测中,由于目标外部形态以及复杂背景的影响,对一个有效的航拍目标检测仍然是目标识别领域的一个巨大挑战。提出了一种基于Hu矩、径向矩(Radial moment)组成的HRM(Hu Radial Moment)特征和支持向量机(SVM)的目标检测方法。该方法为首先提取目标的Hu矩特征,并结合其各向同性的径向矩特征共同构成新的特征向量HRM,然后采用支持向量机来对特征进行分类、预测。实验结果表明,针对不同的目标外部形态和复杂的外部场景,所提出的方法具有较高的检测率,且是高效的。

多通道数据实时采集标时系统设计

为适应某高炮靶场试验需要,设计了一种基于GPS守时的多通道数据采集标时系统,通过串口接收数据的同时为数据打上时间戳。系统通过多通道采集数据,支持RS232、RS422、RS485、光纤等多串口协议,且各通道波特率可分别设置;系统由GPS获得精确的秒级时间,毫秒级时间采用分频技术由内部定时器提供,并由GPS秒脉冲实时校正。试验表明,该系统能够满足多通道数据采集与标时的要求,性能安全、可靠。

翼腭窝通道CT多平面的重建

目的通过多排CT的多平面重建技术(multipla-nar reconstruction,MPR)观察正常成人翼腭窝(pterygopalatine fossa,PPF)相关通道。方法选择无翼腭窝及其通道病变的成人共60例,螺旋CT扫描,骨算法成像,将原始图像传至工作站,根据各个通道走行,进行MPR。结果翼管前口横径(5.12±0.54)mm,后口横径(3.72±0.43)mm。翼管自前向后斜行向上43侧,斜行向下59侧,平行18侧。突入蝶窦腔内39侧,骑跨于蝶窦下壁54侧,位于蝶窦下壁的骨质内27侧。圆孔前口横径(3.29±0.25)mm。圆孔自前向后斜行向上41侧,斜行向下52侧,平行27侧。约1/2以下管壁突入蝶窦腔68侧,约1/2及以上管壁突入蝶窦腔31侧,位于蝶窦外下壁骨质内21侧。腭鞘管100%显示,管壁完整51侧,管径(0.88±0.04)mm。犁鞘管43%显示,管径(0.51±0.02)mm。蝶腭孔前后径(6.8±0.29)mm。腭大孔前后径(8.24±0.38)mm,横径(5.12±0.35)mm,腭大管与硬腭夹角(71.71±3.86)度。结论应用多排CT的MPR技术可以客观和全面的反映正常成人上述PPF通道的形态及毗邻关系。