基于图像分析的弹丸“出膛时刻”检测算法

现代高炮武器系统在对红外目标进行连续性高炮射击时,首发弹丸的尾焰会对红外观测系统造成严重干扰,会导致红外观测系统短时间内无法观测到目标位置,带来后续弹丸无法精确打击目标等问题。利用红外图像分析技术通过对弹丸出膛时的红外图像特征进行分析,提出了一种基于红外图像分析的弹丸出膛时刻检测算法,从而相对精确地测定出首发弹丸的出膛时刻,为更精确测定弹飞时间和提高武器系统的命中率提供了理论依据和方法支撑。实验结果表明:提出的算法能够相对精确地测定弹丸出膛时刻,算法具有一定的可行性和有效性。

基于局部行像素对比度的红外弱小目标检测

针对天空背景下云层对弱小目标的干扰,以及靶场实验中观测设备所产生的拖影现象对目标检测所带来的干扰等问题,提出了一种基于局部行像素对比度的空中红外弱小目标检测算法,用于检测低信噪比条件下的空中红外弱小目标。该方法利用中值滤波和形态滤波获取滤波图像,结合目标区域像素特点提取滤波图像中感兴趣区域,然后利用局部行像素对比度的方法检测目标位置,极大提高了检测效率,缩短了检测时间。从理论上介绍和分析了该算法对红外弱小目标图像检测算法的有效性,并通过Matlab仿真实验与其他检测算法进行了对比。实验结果表明,所提算法能够在低信噪比条件下更加有效地检测出空中红外弱小目标,检测精度更高、效果更好。

改进Sobel算子的单帧红外弱小目标检测

针对目前单帧红外弱小目标的检测算法存在检测精度不高,检测效果差等问题,本文提出一种改进Sobel算子的单帧红外弱小目标检测算法。该方法根据Sobel算子的边缘检测特性,先对图像进行中值滤波,提高弱小目标的信噪比,然后利用Sobel算子和本文提出的检测模板,对图像进行卷积处理,最后经中值滤波后检测出红外弱小目标。文中从理论上分析了改进算法的有效性,并与质心检测算法和基于局部均值以及基于Top-Hat等检测算法进行了对比实验。结果表明,该算法比实验中其他检测算法检测精度更高,检测效果更加明显。

基于红外图像帧关联的自动阈值分割方法

针对目前单帧图像阈值分割中分割易受突变影响、目标背景分割不明显以及分割效果较差等问题,提出了一种基于红外图像帧关联的自动阈值分割方法。该方法利用自动阈值分割法简单分割单帧图像,然后根据图像帧关联信息对图像进行分组处理,再对每帧图像进行权重分配,最终确定每帧图像的分割阈值,以提高分割的抗干扰性,改善分割效果。通过理论分析和实验仿真验证了该算法的有效性和可行性,并将其与其他算法进行了对比实验。实验结果表明,本文提出的分割算法的抗干扰性较强,能够将目标图像从背景中清晰地分割出来,具有更好的分割效果和更强的应用性。

基于参数转换的语音深度伪造及其对声纹认证的威胁评估

声纹认证系统作为一种生物认证或识别机制,在人们的日常生活中得已经到了广泛应用。但目前该系统在实际应用中容易受到欺骗攻击,还存在一定的风险。语音转换通常是指将一个人的声音个性化特征参数通过"修改变换",使之听起来像另外一个人的声音,同时保持说话内容信息不变的技术,用语音转换可生成特定目标说话人的语音,并在听觉感知上难以区分转换语音和目标语音。但是对于声纹认证系统来说,听觉上感知的相似有时还不足以欺骗认证系统。本文通过分析语音转换和声纹认证过程中所提取共同特征向量——梅尔倒谱,通过采用改进深度残差的双向长短时记忆网络对联合动态特征的梅尔倒谱实现更准确转换,同时改变损失函数优化转换网络性能并引入全局均值滤波滤除转换过程中产生的倒谱杂波,进而整体提升转换语音的质量。在提升语音转换相似度的同时保证主观感知不下降,并将转换后的语音用于欺骗两个广为采用的声纹认证系统,欺骗实验表明,该系统能够成功地欺骗这些认证系统,并且具有很高的成功率。

采用骨导语音自适应的语句分割方法

为了解决含噪语句分割问题,也为了解决某些低信噪比环境下传统气导语句分割算法分割效果差、分割准确度低且算法自适应性弱等问题,提出一种基于骨导语音自适应的分段双门限语音分割方法。将骨导语音和气导语音同步采集,获取抗噪性能更好的骨导语音,然后在融合过零率与短时能量中引入随机动态阈值的自适应方法进行端点检测,最后利用分段双门限和语音聚类等手段实现语音分割,提高语音分割算法的鲁棒性。通过实验验证了所提算法的有效性和可行性,同时与其他语音分割算法进行了对比,证明该文所提分割算法精度更高,效果更好。

语音转换技术研究现状及展望

语音转换通常是指将一个人的声音个性化特征通过“修改变换”,使之听起来像另外一个人的 声音,同时保持说话内容信息不变。近年来,随着信息处理和机器学习技术的快速发展,语音转换技术 也得到了突飞猛进的进步。为此,在简要介绍语音转换基本概念的基础上,重点综述了近几年语音转 换的典型模型和方法,分析了语音转换的关键技术,列举了语音转换技术的主要应用场景,梳理了目前 语音转换中仍存在的若干技术问题,并展望了语音转换研究的发展方向。

基于GMM模型和LPC-MFCC联合特征的声道谱转换研究

声道谱转换是语音转换中的关键技术。目前,大多数语音转换方法对声道谱的转换都是先提取语音中的某一种声道特征参数,然后对其进行训练转换,进而合成转换语音。由于不同的声道特征参数表征着不同的物理和声学意义,因此这些方法通常忽略了不同声道特征参数之间可能存在的互补性。针对这一问题,研究了不同声道特征参数之间进行联合建模的方法,引入了一种由线性预测系数(LinearPredictionCoefficient,LPC)和梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficient, MFCC)联合构成的LPC-MFCC特征参数,提出了一种基于高斯混合模型(Gaussian Mixture Model, GMM)和LPC-MFCC联合特征参数的语音转换方法。为验证文中方法的有效性,仿真实验选取了基于GMM和LPC的语音转换方法进行对比,对多组实验数据进行主观和客观测试,结果表明,文中提出的语音转换方法可以获得相似度更高的转换语音。

采用局部特性对比的多弹迹点检测

针对红外图像中多弹迹点检测精度不高的问题,对红外图像中弹迹点的特性进行了分析,提出了一种基于局部特性对比的多弹迹点检测算法用于有效检测红外图像中低信噪比条件下的多弹迹点。该方法利用同态滤波和中值滤波两种综合滤波方法减少光照不均的影响,提高图像信噪比。然后根据弹迹点在红外图像中自身的局部特性,采用局部特性对比并结合边缘检测精确检测弹迹点位置。从理论上分析了检测算法的有效性,并通过仿真实验与其他检测方法进行了对比。实验结果显示,本方法能够在低信噪比条件下有效检测出红外图像多弹迹点,与基于Top-hat和基于局部均值等方法相比,检测准确度更高,鲁棒性更好。

红外图像处理技术在火控系统中的应用与发展

在介绍红外图像处理技术相关知识的基础上,结合红外成像特点对其近些年在火控系统中的典型应用进行了概述。根据火控系统的组成部分,重点阐述了红外图像处理技术在火控系统其它方面的发展和应用,并对其在火控系统中的应用与发展趋势进行了预测。