基于局部纹理特征的合成孔径雷达变体目标自动识别算法

提出了一种针对变体的识别算法,利用变体与原目标局部纹理之间的相似性进行识别。首先,提出了一种基于清晰边缘的合成孔径雷达(Synthetic aperture radar,SAR)图像配准算法;然后使用结合伽柏(Gabor)变换,局部二值模式(Local binary pattern,LBP)和空间区域直方图的纹理特征来描述SAR图像;最后用基于大特征的直方图序列的匹配做识别。基于MSTAR S2的试验结果证明了本算法的有效性。

合成孔径雷达图像目标识别问题研究

首先对合成孔径雷达 (SAR)图像目标识别的研究背景和国内外发展现状作了简单介绍 ,然后分析了SAR图像目标识别问题的复杂性 ,讨论了SAR目标识别系统的一般方案与方法 ,提出了基于多源信息融合和人机协作的识别框架 ,进而展望了SAR图像目标识别技术今后的发展方向。

雷达自动目标识别系统中目标检测模块的DSP实现

研究了基于数字信号处理器 (DSP)雷达目标检测系统的硬件结构和基于该平台的雷达目标检测方法在DSP上的实现。外场实验表明 ,该系统能与多种类型雷达对接 。

一种自适应的合成孔径雷达图像目标检测方法

目标检测是自动目标识别的一个重要步骤,论文提出了一种自适应的SAR图像目标检测方法,该方法采用基于Weibull分布模型的恒虚警率(CFAR)检测技术,将参考窗口分块,判断各子块类型,根据各子块类型不同,自适应选择参考样本确定阈值。在检测过程中,利用灰度和方差特征,预先排除明显不为目标的像素。对CFAR检测结果,利用目标基本形状特征排除虚警。实验证明,该方法在同质区和非同质区背景下都具有较好的检测性能。

基于注意力胶囊网络的合成孔径雷达图像分类模型研究

特征提取是合成孔径雷达(synthetic aperture radar,SAR)图像自动识别与分类中的重要环节.由于SAR图像有相干斑噪声及几何畸变等特性,一般网络模型难以提取到有判别性的特征.为增强特征提取能力,提高分类准确率,提出将注意力机制与胶囊网络结合的一种注意力胶囊网络模型.注意力机制可聚焦寻找具有重要局部信息的特征,在图像识别过程中抑制干扰特征,定位重要特征.胶囊网络可捕捉图像中目标的位置与空间关系,使提取到的SAR图像特征含有更多便于分类的重要信息.结果表明:文中方法对SAR图像分类数据集中运动和静止目标的获取与识别(moving and stationary target acquisition and recognition,MSTAR)有显著效果.

基于形态学和盲源分离合成孔径雷达水体提取

采用一种新的基于独立分量分析(independentcomponent analysis,ICA)盲源分离(blind source separation,BSS)和形态学开重构(open reconstruction)的方法实现多极化合成孔径雷达(synthetic aperture radar,SAR)影像相干斑噪声抑制和水体目标快速提取.SAR影像具有强烈乘性相干斑噪声,影像数据为非高斯分布,具体分布形式未知.利用独立分量分析方法,不需要知道SAR影像的具体分布,通过对数量化将相干斑噪声转化为与图像数据相互独立的加性噪声,从多极化SAR影像中自动分离出图像数据与相干斑噪声,并自动选择相干斑指数最小的分量为图像分量.针对SAR影像水体目标的亮度及形状分布特征,进一步采用形态学开重构运算,从分离出的图像分量中提取出水体目标.利用ENVISAT ASAR多极化影像进行了实验,结果表明该方法可以快速准确地提取多极化SAR影像中的水体目标.

数据融合与数据挖掘相集成的自动目标识别系统

该文提出数据融合技术与数据挖掘技术相集成的海上目标自动识别系统体系结构,以及基于加权粗糙集模型的特征知识挖掘方法,并运用模糊神经网络技术进行目标识别。

一种有效的聚束式合成孔径雷达图像特征提取算法

提出一种聚束式合成孔径雷达图像特征提取的有效算法.通过小波变换图像去噪法提高信噪比;利用Canny算子完成边缘检测;根据雷达图像的特点提出边缘检测后不做曲线闭合,而直接进行阈值处理的图像分割.图像预处理后提取具有旋转、尺度、平移不变性的Hu矩作为特征矢量并归一化,在训练阶段引入聚类分析.以MSTAR实测数据为样本,用最近邻分类器和BP神经网络分类器对该特征提取算法进行识别能力测试,算法的有效性得到了验证.

多模态信息融合舰船目标识别研究进展

舰船目标识别的信息源主要来自现代高分辨率成像雷达形成的舰船目标信息,包括高分辨距离像、船舶自动识别系统信息以及合成孔径雷达成像。在对海探测环境相对复杂的情况下,基于单模态信息对海上舰船目标识别的能力有限,而利用多模态信息融合将更有益于实现对海上目标高效的侦察监视和识别。首先,对单模态舰船目标识别方法进行梳理和总结,分析目前不同舰船目标识别方法存在的优势和不足;然后对多模态信息融合舰船目标识别常用数据集进行介绍,并对新方法、新模型进行了深入分析;最后对舰船目标识别未来发展趋势进行展望,为后续基于多模态信息融合的舰船目标识别方法研究提供参考。

TCA2003全站仪自动识别系统ATR的实测三维精度分析

简述智能型全站仪TCA2003的自动目标识别(ATR)功能及其二次开发的机载测量软件的特点,以琅琊山抽水蓄能电站大坝变形监测网应用ATR功能三维测量实例,基于对其测量平差成果的评定精度,分析ATR三维测量的精度,比较ATR测量与常规的人工测量的功效,并给出有益的结论,为同类工程的应用以及拓展ATR全站仪应用领域提供技术依据。

基于特征模板的高距离分辨率雷达像自动目标识别

提出了一种结合功率变换的高距离分辨率雷达像预处理新方法。根据时域——频域能量等价性,利用奇异值分解形成一种频域特征模板。在用这种模板针对MSTAR中的3类雷达目标实测数据进行的识别实验中,获得了较高的正确识别率。

自动识别系统ATR的测角精度研究

介绍了TCA2003全站仪的自动目标识别(ATR)系统及其功能,研究了自动识别系统在实际应用中的测角精度及其可靠性。基于试验的目的,选择了不同的试验场地和方法,详细分析了ATR的测角精度以及环境对测角质量的影响,比较了传统的人工测角与ATR测角的可靠性,获得了有益的结论,对开拓ATR测量仪器的应用范围具有指导作用。

日本邮船开始测试自动船舶目标识别系统

2021年9月8日,日本邮船宣布在其运营的一艘船上安装由以色列公司Orca AI开发的自动船舶目标识别系统原型并开始测试。该系统可以自动识别可能会被人眼忽视的危险目标和其他船舶,特别是在夜间和拥挤的水域。日本邮船计划在其船上试验性安装这种新系统,以验证其是否可以通过自动识别危险物体来提高船舶操纵的安全性。

卷积神经网络在雷达自动目标识别中的研究进展

自动目标识别(ATR)是雷达信息处理领域的重要研究方向。由于卷积神经网络(CNN)无需进行特征工程,图像分类性能优越,因此在雷达自动目标识别领域研究中受到越来越多的关注。该文综合论述了CNN在雷达图像处理中的应用进展。首先介绍了雷达自动目标识别相关知识,包括雷达图像的特性,并指出了传统的雷达自动目标识别方法局限性。给出了CNN卷积神经网络原理、组成和在计算机视觉领域的发展历程。然后着重介绍了CNN在雷达自动目标识别中的研究现状,其中详细介绍了合成孔径雷达(SAR)图像目标的检测与识别方法。接下来对雷达自动目标识别面临的挑战进行了深入分析。最后对CNN新理论、新模型,以及雷达新成像技术和未来复杂环境下的应用进行了展望。

SAR场景图像中车辆目标的自动识别

提出一种在合成孔径雷达(synthetic aperture radar,SAR)场景图像中进行自动目标识别的方法,并针对识别流程中分类阶段对目标方位角敏感的问题,基于相关滤波器理论与核特征分析方法,提出一种对SAR目标方位角具有较强鲁棒性的非线性相关滤波器。该滤波器使用特征向量降低对训练图像的依赖性,并将特征空间进行非线性扩展,大大提高了目标的正确分类率,同时利用核函数避免了因为高维矢量而造成的计算问题。MSTAR实测SAR图像数据的实验结果表明,方法切实有效,所提出的滤波器对目标方位角失真具有较强的容忍性,不需要存储目标模板和估计目标方位角就能够实现高效率、高准确率的目标分类。

SAR图象自动目标识别研究

目前,SAR已经成为一种不可或缺的对地观测和军事侦察手段.面对不断增长的SAR图象数据收集能力,如何对这些图象进行自动或半自动快速、准确地解译已经越来越引起人们的关注和重视.自动目标识别(ATR)是自动或半自动SAR图象解译研究的一个重要方面.SAR ATR过程可概述为:从观测得到的SAR图象中,找到感兴趣的区域(ROI),并计算出每个ROI的种类.为此,介绍了SAR ATR的含义及其一般流程,对SAR ATR系统按照它所采用的分类方法进行了归纳分类,分析了SAR ATR的难点,介绍了国内外SAR ATR的研究现状和发展趋势.

SAR-ATR系统复数对抗样本生成方法

针对现有对抗攻击方法只能用于攻击实数卷积神经网络这一限制,提出了一种基于生成对抗网络的复数对抗样本生成方法。首先,设计了一种产生有效对抗样本的复数模型,并引入了复数计算模块;其次,利用残差神经网络作为基本骨架,将预训练的复数网络作为判别器实现对抗训练,以增强对抗样本的攻击能力;最后,通过替代模型实现可迁移的对抗攻击,以此实现了更高的攻击成功率。实验结果表明,所提方法在有目标攻击和无目标攻击任务下的成功率分别达到了76.338%和87.841%,迁移的成功率更高且对抗样本与原始干净样本更为接近。所提方法将对抗攻击扩展到复数神经网络后,避免了合成孔径雷达目标信息和精度的丢失,为实际合成孔径雷达自动目标识别系统的安全性和鲁棒性提供了参考方案。

基于目标CSAR回波模型的SAR自动目标识别算法

基于模板的SAR目标识别需要存储海量的目标模板,给识别系统的设计和算法效率的提高都造成了严重的困难,而基于模型的方法克服了上述问题,并已成为下一代目标识别算法研究的热点。该文提出的基于圆周SAR(CSAR)回波模型的识别算法,从目标的3维CAD模型出发,利用弹射线原理构建目标的CSAR回波,并通过在线实时预测目标聚束SAR图像来完成识别。同传统的基于散射中心模型的算法相比,利用CSAR回波的算法不仅预测结果准确,而且算法简单高效。仿真实验验证了算法的有效性,并比较了相关算法的优缺点。

电子自动检测识别系统

该成果将图像捕获、运动目标提取、车辆牌照定位辨识、牌照字符自动分割识别、电信网无线通讯、多路控制信号协调等技术有机结合起来，实现网络与无线通信、图像处理与自动识别、网络管理与数据更新等多种技术的优化组合。