带宽自适应的Mean-Shift跟踪算法研究

针对图像跟踪中目标的尺度和旋转变化,将Lindeberg的尺度理论与Mean-Shift算法结合起来,提出了一种带宽自适应Mean-Shift跟踪算法。该算法在Mean-Shift的框架下,将尺度和旋转量与平移量同等看待,通过求解核函数带宽,计算出目标的变化参数,最终精确定位目标。另外,引入SAD算法对目标进行先期粗略定位,克服了目标做无规律大位移运动时Mean-Shift算法跟踪效果不佳的问题,同时也降低了Mean-Shift算法的迭代收敛次数。大量实验仿真表明,该算法对目标的仿射变化、非刚性形态变化,以及无规律的大位移运动具有有效性和鲁棒性。

限制对比度的多层POSHE自适应图像增强算法

部分子块重叠直方图均衡算法(POSHE)是一种常用的图像增强方法,由于该算法存在过增强和块效应问题,不利于目标的识别和跟踪。为解决该问题,提出限制对比度的多层POSHE图像增强方法(CLMPOSHE),通过对每层子块对比度自适应限制来消除过增强现象,然后采用多层POSHE增强处理,最后将每层改进的POSHE处理结果自适应加权融合。大量实验仿真表明,该方法能有效增强雾天图像。

先进光电导引头应用技术研究

为了适应智能弹药应对复杂对抗作战的需求,随着高性能探测器和信息处理器等关键器件的更新换代,基于深度学习的目标识别技术工程化应用兴起,针对新一代光电导引头的未来发展趋势,阐述了多模复合制导体制、集成小型化、智能化实战应用和低成本设计等显著特点。分析了采用可见光、红外和激光等多模复合的光电导引头,在拓展导弹末制导作用距离、适应全天候全天时工作和提升抗干扰能力等方面的优点。指出了光机总体集成和信息处理系统集成是解决复合导引头小型化的关键技术。强调了自动目标识别和多弹协同等导引头智能化特征。提出了采用小型化共孔径多模光电复合探测、一体化集成信息处理、低成本技术体系、低成本制造工艺和低成本作战保障等技术实现光电导引头低成本工程应用的建议。

光电导引头信息处理系统设计

光电导引头是智能化弹药的重要组成部分,信息处理是其精确制导的核心关键技术。从工程应用角度出发,系统地分析了光电导引头信息处理的主要任务及技术需求,梳理了经典的分布式模块化信息处理设计技术方案,总结了其显著优点和主要缺点。随着精确制导武器未来作战目标、环境和任务使命的需求变化,为了适应光电导引头多模复合、智能化、小型化、轻量化和低成本发展趋势,更好地满足弹载环境制约的迫切需求,充分运用超大规模集成电路和信息处理技术的革新成果,在光电导引头系统总体架构上,提出了集成小型化信息处理设计思路,并给出了典型的应用方案,设计了核心性能指标,在综合成本和功耗等方面优势显著,具有较强通用性,有利于导弹制导平台架构统型,导弹系列化及换代升级,为新一代先进光电导引头工程研制提供参考。

基于FPGA的实时视频增强

在图像制导应用中,针对雾霾等恶劣天气情况下形成的低对比度图像中目标跟踪稳定性不高的问题,需要对输入的低对比度视频图像进行实时增强预处理。限制对比度自适应直方图均衡算法(Contrast Limited Adaptive Histogram Equalization,CLAHE)是一种增强效果较好、计算简单且易于并行实现的方法,重点研究CLAHE算法架构以及FPGA硬件实现过程,并在Xilinx公司的Virtex-5系列FPGA硬件平台和MODELSIM仿真软件上对算法进行了时序分析、增强效果验证。通过软件仿真和实际平台测试验证,设计正确可行,在实时增强的基础上有效提高目标跟踪精度。

基于Harris算法的自适应双极性红外舰船目标检测

红外舰船目标检测是舰船目标自动识别与跟踪的关键技术之一。针对现有方法在舰船目标成像灰度呈现"双极性"(舰船亮度高于或低于背景)或多极性(舰船目标灰度分布不均匀)的情况下适应能力不足,提出了一种新的红外舰船目标检测方法。为抑制海空杂波干扰提高检测概率,对图像进行均值漂移滤波,利用行垂直方向梯度投影获得感兴趣区域,通过检测区域内目标角点实现舰船目标的自动检测。实验结果表明,该算法能够克服传统算法基于舰船亮度高于背景的假设,在舰船灰度呈现双极性或多级性的情况下获得较好的检测结果。

强阳光反射背景下红外舰船目标自适应分割

针对海面有强阳光反射背景下现有红外舰船目标分割算法效果较差,提出了一种有效的红外舰船目标分割方法。利用均值漂移方法的不连续保持性滤波特性,抑制海面小面积强杂波干扰,同时又不损失舰船目标信息。对滤波后图像做行垂直方向梯度均值投影,获取舰船目标感兴趣区域。最后运用改进的行列均值自适应阈值分割算法,结合使用红外舰船目标的几何特征量达到自动分割的目的。

自动目标识别在图像末制导中的应用

实现图像末制导导弹发射后不管和远程精确打击,自动目标识别的工程化应用是关键技术。概述了国内外精确制导武器自动目标识别的发展历程、识别方法、技术水平和应用效果等现状,分析了基于目标特征和模板匹配的识别方法与应用场景,指出了两类经工程化验证有效的自动目标识别方法,梳理了任务规划、主要执行内容、规划质量对不同识别方法的影响等自动目标识别流程。为了适应未来精确制导武器智能化发展需求,深度学习识别技术工程化应用成为了新趋势,针对解决好深度学习算法效率与应用精度的平衡问题,重点分析了网络剪枝、权值量化、低秩近似和知识蒸馏等实时加速推理关键技术;针对网络模型训练,提出了有效解决训练样本不足或军事目标样本获取困难等问题的思路。随着多波段、多模复合制导技术的广泛应用,信息融合为目标识别的工程化应用提供了新技术途径。如何适应各种复杂场景和人工主动干扰是图像末制导面临的重大挑战,阐述了在干扰条件下目标识别鲁棒性,是自动目标识别技术在图像末制导应用中需要迫切解决的工程化问题。

基于TS201的实时图像处理系统链路口通信设计

在图像处理系统中,为了实时获取数据图像及解决多DSP之间的数据传输,在以FPGA加3个DSP为核心模块的硬件平台上,论文通过对DSP链路口发送、接收时序设计以及对存储器直接访问控制块、链路口接收控制寄存器、发送控制寄存器进行编程设置,实现了以Analog Device公司的DSP(TS201)为核心器件的链路口图像接收技术及链路口数据传输技术。

基于不变矩特征的红外成像制导跟踪算法研究

随着红外成像制导技术的发展,它对制导跟踪算法的精度和实时性的要求越来越高。制导系统已被要求在20 ms的时间内输出跟踪结果。某些跟踪算法虽然效果较好,但达不到实时输出。经典的制导算法-相关跟踪算法主要基于像素灰度特征进行跟踪,无法解决跟踪过程中由于目标的旋转、膨胀以及仿射变换带来的跟踪点漂移问题。为了解决经典相关跟踪算法无法解决图像旋转时的跟踪稳定性问题以及目标图像急剧膨胀时的跟踪点漂移问题,研究了图像不变矩的特征。利用图像不变矩的旋转-伸缩-平移不变性,选择合适的不变矩特征用于跟踪。通过用归一化的乘法相关函数以及基于相关系数值的模板更新策略设计跟踪算法,解决了复杂背景及强噪声条件下不能对尺寸和形状发生变化的目标进行稳定跟踪的问题。

应用深度卷积神经网络的机场及机场内飞机目标识别技术

针对传统机场及机场内飞机目标的识别方法特征难以设计选取、泛化能力差以及难以实现两种目标同时识别的不足,将深度学习的目标识别YOLO(You only look once)算法应用到机场及机场内飞机目标的识别领域,实现了两种目标的同时识别。在此基础上,为了提高识别速度,提出了一种简化的YOLO网络。实验结果表明:该网络能在精度损失很小的情况下大大缩短预测识别处理时间。

基于区域协方差矩阵的目标跟踪方法

针对精确制导系统图像跟踪的特点,在计算机视觉研究领域最新成果区域协方差矩阵的基础上提出了一种目标跟踪的新方法。首先对图像进行空域滤波,然后提取目标区域的多种特征,生成区域协方差矩阵,接着用参考模板的区域协方差矩阵在实时图中进行相关匹配,生成相关矩阵;最后对相关矩阵进行一系列后处理,确定跟踪点;另外设计了一种简单实用的模板刷新方法。大量的仿真实验证明该方法对红外图像、可见光图像,运动目标、固定目标都能实现很好的跟踪,展示了很好的鲁棒性和精确性。