舰载雷达近程目标抗干扰技术研究

论文对舰载防御雷达系统中面临的近程抗干扰问题进行了分析,提出了一种基于波数域二维成像的目标检测识别方法。采用高分辨率二维成像增强网络检测概率,通过YOLOv5s网络提高系统的抗干扰能力。文章对这一设计思路进行了理论分析和仿真验证,证明了算法的有效性。

一种基于红外图像三维重建效果与精度的评价方法

现有的三维重建评价指标多适用于目标可见光图像重建,注重模型整体精度度量而忽略模型局部正确性,因此并不完全适用于红外图像三维重建评价。为此,提出一种复合指标来评价模型,该模型包含重建模型关键特征完整度、相机位姿估计准确性、三维重建评价误差基准距离等指标。仿真结果表明:本文提出的重建模型评价方法针对不同重建质量的模型具有良好的鲁棒性,可避免单一评价指标无法有效表征红外重建模型重建精度的问题,能够准确量化点云类、含纹理类模型的重建效果。相比现有三维重建评价方法,该评价方法更加全面。

一种基于红外图像序列的深度学习三维重建仿真方法初探

为了提高红外图像的三维重建精度,提出一种基于红外图像序列、联合传统多视角恢复空间三维信息以及深度学习网络的三维重建仿真方法。该方法具体分为原始点云生成以及点云补全两部分。第一部分,通过输入预处理后的红外图像序列,基于传统被动式多视角三维重建方法生成不完整的原始点云;第二部分,将不完整点云通过一种联合式网络结构进行点云补全,进而实现三维重建。实验结果表明,本方法可以有效实现红外图像序列的点云生成,能够有效补全点云缺失部分,相比于现有点云补全方法,部分类别测试结果在搬土距离(earth mover’s distance,EMD)指标方面表现更好。此外,仿真模型具有良好的独立性以及拓展性,随着训练数据的增加以及训练方法的优化,具有高质量完成红外图像序列三维重建任务的潜力。