基于情境式教学模式的“目标探测与识别”课程教学方法探索

针对“目标探测与识别”课程知识点数量丰富、知识体系庞大、知识结构复杂的特点,探索基于情境式教学模式的教学方法。在教学中,先“情境”后“语义”,在情境中理解语义,将知识的认知层次从记忆提升到理解和运用。在情境中运用实例,凝练主线,运用全局视角和系统思维,打造从目标端到探测端、从原理层到应用层的环环相扣的知识链路,帮助学生建立逻辑清晰的知识框架,培养从分析问题到解决问题的思维链路,提高学生运用相关知识解决实际问题的能力,培养其成为懂原理、会计算、能应用的高层次复合型人才。

基于DMD红外视景图像自适应增强算法研究

针对数字微镜阵列DMD(Digital Mirror Device)红外视景图像存在对比度低、非均匀性等问题,提出了一种基于调制传递函数MTF(Modulation Transfer Function)的自适应增强算法,首先通过检测图像线性边缘和提取最佳区域获取线扩展函数,然后利用线扩展函数与MTF间的关系完成MTF的自动检测,最后运用维纳滤波完成图像复原增强处理。仿真实验表明,该算法能有效提高对比度和降低图像的非均匀。

基于DMD成像系统的红外小目标仿真

在分析红外成像仿真系统研究现状的基础上,研究了典型红外小目标的模型和移动式滤波跟踪算法。依据飞行器内部构造及工艺材料,并结合空气动力学、物理学以及热辐射的相关理论,从蒙皮辐射、尾喷焰等方面建立了飞行器的红外辐射模型。针对数字微镜阵列(Digital Mirror Device,DMD)系统的特点,对模型进行了简化,提高了图像生成速度。最后利用基于数字微镜阵列的成像仿真系统平台对模型和算法进行了实验验证。实验结果表明,该方法具有图像清晰、信噪比高、生成速度快、管道存储时间小以及跟踪稳定等特点。

基于改进加权核范数的红外弱小目标检测

针对传统基于鲁棒主成分分析(RPCA)的红外弱小目标检测算法对噪声不敏感,算法运行时间长,鲁棒性不强的问题,提出一种重加权红外小目标图像模型,并用非精确增广拉格朗日乘子法(AIALM)求解。该方法首先将原始红外图像转化为红外块图像模型,然后采用重加权核范数对背景块图像进行约束,较好地保留了背景边缘。针对单纯使用l1范数不能抑制某些噪声或杂波的问题,引入了加权l1范数,进一步增强了目标图像的稀疏性。最后,将红外块图像模型转化为重加权RPCA问题,并用AIALM求解。通过大量实验表明:该算法在抑制背景杂波以及目标检测性能方面要优于其他传统算法。