基于Voronoi图的测度点状目标空间分布特征的方法

点集的V orono i图是对点集的一种空间分割方式,不同分布的点集可以形成V orono i多边形面积的不同变化,可以通过计算点状目标的V orono i多边形面积的变异系数(CV值)方法,来分析点状目标的空间分布特征.基于国家资源环境数据库,进行了安徽省农村居民点的空间分布特征分析.结果表明安徽省农村居民点总体上属于集群分布,而各县市的分布规律是,中北部平原、低丘陵地区农村居民点呈随机分布,南部、西部山区呈集群分布.最近邻点指数和CV值的相关系数表明,两者之间存在显著的负相关关系.这表明,计算点状目标的V orono i多边形面积的变异系数方法,也是测度点状目标空间分布的一种简便有效的方法.

基于元学习的红外弱小点状目标跟踪算法

为了在研究红外弱小点状目标的特征基础上有效解决训练数据不足的问题,采用了基于改进的元学习红外点状目标跟踪算法。首先将元学习通过预训练跟踪模型运用到卷积神经网络中,采用离线训练的方式在静态红外图像数据集上训练得到目标的通用表示,再通过在线训练的方式利用初始帧的目标位置学习得到目标的特定表示;通过卡尔曼滤波算法预测目标运动模型,得到最优的搜索区域。此外,为了解决遮挡造成的目标丢失问题,研究了重检测机制,并进行了理论分析和实验验证,取得了较好的跟踪结果,跟踪精度达到了90%。结果表明,该方法在同一数据集下相对其它跟踪算法实现了更精确地跟踪红外弱小点状目标的效果。该研究为机器学习算法在红外弱小点状目标跟踪中的应用提供了参考。

融合相关滤波和CNN的点状目标跟踪技术研究

在研究点状目标跟踪的基础上,该算法利用多层卷积特征和相关滤波技术进行目标跟踪。为解决目标因淹没在杂波中丢失的问题,该算法使用重检测机制实现目标的长期跟踪。首先,使用VGG模型提取红外点状目标的多层卷积特征,然后在每一层上经过相关滤波计算最大响应值,最后通过权重融合获得最终响应值,实现点状目标跟踪。当目标丢失时,利用重检测技术检测目标,将检测结果作为标签,更新分类器,实现长期跟踪,并进行了理论分析和实验验证。实验结果表明,此算法对于点状目标的跟踪效果显著,具有较高的准确性。

基于MATLAB的点状目标检测

对低信噪比图像的预处理,是运动弱小目标检测问题中非常重要的一个环节。本文根据大量数据分析了天空背景红外图像的统计特征,利用得到的分析结果对红外图像进行归一化处理,并根据实际红外光学系统的成像特性,用椭圆抛物面来拟合红外图像中实际的点目标。处理结果表明,该方法可以大大提高信噪比,使后来的检测环节中,用相对简单的方法就可以检测出真正的点目标。

点状保卫目标的空袭规模预测模型

现代空袭作战已成为结构破坏战,各类政治、经济、军事指挥中心、侦察预警设施,交通枢纽等点状目标已成为敌空袭的首选目标,而如何准确、可靠地预测点状保卫目标的空袭规模是防空作战的首要问题和难点。把点状保卫目标分为立体类目标、平面类目标、地下类目标,根据每类点状目标的特性,构建其相应的空袭规模预测模型,通过算例分析,该模型具有较高的可信度,能为各种辅助决策系统和指挥自动化系统提供决策支持。

弱点状多运动目标实时跟踪技术研究

根据确认的众多量测和众多目标跟踪窗之间的几何关系,引入确认矩阵并计算所有联合事件及其对应的参数,不论量测是否落入跟踪窗相交区域,根据JPDA算法计算每一个量测与其可能的各个源目标之间互联的概率。将互联的概率与Kalman滤波器相结合从而完成对每一个目标的预测和更新。理论及实验结果表明,该算法适用于序列图像密集杂波环境下的全程跟踪,并取得了一定的理论和仿真结果。

基于概率数据关联的点状动目标CFAR高分辨检测技术研究

本文以多帧检测成功为条件,通过预测目标在下一单帧上可能的存在区域,再在此区域内进行目标的Meyman- Pearson检测。由于信噪比很低,区域内可能会出现很多虚假目标,利用已获知的目标初始信息和数据关联技术,确定其中某一个为真实目标成为关键决策问题。为此,本文将概率数据关联技术应用到图像序列中目标检测领域,得到了重要的理论分析和实验结果。高分辨检测器接收已获知的目标初始信息(目标的初始位置、运动速率以及目标亮度)后,根据概率数据关联技术进行正确测量值的确认,再用卡尔曼滤波器来预测目标在下一帧的可能状态。文中还给出了理论分析、公式推导过程和实真结果。

基于时空搜索的红外微弱点状动目标检测技术

在背景杂波被抑制后的图像序列中,残留样本为相互独立、服从高斯分布的条件下,首先论述了理想三维时空搜索检测算法,并对其性能进行分析。结果表明,虽然它具有最佳的检测性能,但是由于需要事先知道关于噪声及目标先验知识的缘故,无法进行实际应用。对此,研究了直接利用观测样本来估计噪声及目标的一、二阶矩,从而无须事先知道噪声统计特性的三维时空搜索检测算法及其详细步骤,推导了二元判决统计量所服从的概率分布函数(结果为t分布),对比分析了算法的检测性能,并给出了理想算法和本算法中共存的问题及其相应的改进方案。此种算法在连续多帧做任意运动的流星、人造卫星以及其他运动目标的光学检测与跟踪中应用广泛。

基于时空分集理论的弱点状运动目标检测技术研究

研究了一种基于时空分集与合并的图像序列中微弱点状运动目标高维积累实时检测技术,指出了同类文献中的其它算法可以归属为本文算法的几种特例。考虑目标尺寸、运动速率和亮度信息可变的实际情况,提出了相应的解决方案:针对以不同速率运动的多目标提出了金字塔式分辨率亚采样方案;针对不同尺寸的目标则提出了成批处理方案;针对可变亮度的目标则提出了可变集成度解决方案。研究了集成度、运动速度和目标亮度(信噪比)之间的具体数值关系,得到了有用的理论分析和仿真结果。

基于时空分集的弱点状动目标高性能实时检测技术研究

降维处理法在多维信号检测中虽然减少了计算量,简化了检测过程,但是将会导致系统检测性能的下降,这一点是实际应用所不允许的。在序列图像情况下,为提高算法的实时性,研究了一种基于时空分集理论的降维处理及实时检测技术:时间分集实现了从时空三维图像向二维空间的投影,从而目标运动轨迹的搜索空间维数从时空三维变成了二维;空间分集完成了目标能量的积累,从而提高了信噪比。为提高系统检测性能,对决策统计量的分布函数进行了变换,改造了分布形状,获得了有利于提高检测概率的分布。给出了具体实施方案,相应的理论分析和实验结果。

自适应强杂波抑制与点状动目标检测

研究了基于自适应图像杂波抑制的微弱点状动目标检测技术。首先利用四叉树算法,将原始的非平稳图像分割成多个准平稳的图像子块,然后对各子块进行LS自适应背景杂波估计与抑制,从而获得准高斯白噪声背景;再利用目标运动连续性假设,将目标在相邻多帧上的位置状态模型化为高阶马尔可夫数据链,建立轨迹状态空间;根据该模型采用多帧沿轨迹非线性集成算法进行检测。既克服了传统的三维匹配算法造成搜索次数巨大的弱点,同时也避免了二维投影检测带来的信噪比下降。理论分析和大量仿真实验证明了其有效性。

红外图像序列中微弱点状动目标的非参数检测

研究了红外图像序列的观测及目标模型,提出了一种基于多帧的微弱点状动目标非参数检测技术。采用滑动邻域加权预测抑制杂波干扰,白化噪声特性,将时空三维搜索简化为沿时间轴投影与二维空域搜索,沿可能的轨迹上将目标能量高维集成。相应算法的检测性能对噪声分布不敏感,实时性好,实现简单,具有很高的实用价值。给出了该算法性能的理论分析和实验仿真结果。

基于数学形态学的点状石头目标检测

及时发现和处理山坡上小的点状石头目标,对于行人、车辆的安全具有重要意义。利用数学形态学,文中提出了一种从遥感影像上检测山坡上点状石头目标的方法,并进行了试验。研究结果表明,文中所述的方法具有好的效果。

采用马氏模型的点状动目标快速检测方法

提出了一种视频序列图像中点状运动目标三维快速检测方法。该方法利用目标运动的时域连续性假设,将目标在相邻多帧上的位置状态模型化为二阶马尔可夫数据链;依照该模型采用沿轨迹集成的检测算法,克服了传统三维检测造成搜索次数巨大的弱点,同时也避免了二维投影检测带来的信噪比下降。理论分析和仿真试验表明,该检测方法能稳定地检测出信号杂波噪声比(SCNR)超过3的缓动点状运动目标,而且在采用5帧集成时计算量比传统的穷尽轨迹匹配检测减少100倍。

点状交叉运动目标的概率关联复合跟踪算法

在序列图像情况下,采用降维处理技术在二维空间中通过基于TBD的多帧检测算法获得了众多目标可靠的初始信息。而后,为了提高检测算法的实时性,采用了单帧检测技术:当跟踪窗(单帧图像中目标可能的出现区域)内目标轨迹未交叉时,对每个目标分别用PDA算法进行跟踪;当跟踪窗内出现轨迹交叉时,则使用改进的分层搜索JPDA算法进行跟踪。给出了MATLAB仿真试验及其结果。结果分析表明,PDA和JPDA这两种算法的联合使用在点状多目标跟踪领域具有良好的实时性和很高的跟踪性能。

基于帧间双向互关联的点状多目标检测算法

针对图像序列中点目标个数的不确定性和目标航迹的初始化问题,研究了一种利用概率加权和多帧图像间的目标双向互关联特性的先跟踪后检测技术算法:首先对组合帧图像进行基于阀值的首次检测,再对目标群概率加权得出目标的初始位置,利用帧间目标的双向互关联特性对各自目标的航迹初始化。仿真实验结果表明,该检测算法计算量小,实时性好。

一种无线传感器网络目标的最优覆盖算法

无线传感器网络点状目标覆盖的算法中,集合分割算法虽简单,但效率低且仅适用于每个传感器节点能量都相等的网络模型.为此,我们对集合分割算法进行改进,提出一种启发式贪心最优覆盖算法.该算法适用于节点能量正态分布的网络模型,采用了关键目标优先覆盖策略和节点能效最大化策略,延长了网络覆盖生命期,提高了算法的效率.实验表明新算法网络生命期延长80%以上,有更好的适应性和稳定性.

从图像中提取离散点状神经功能束边缘的研究

针对神经切片图像中呈现离散点状分布的功能束,提出了一种提取其边缘轮廓的方法。首先采用聚类数目未知的动态聚类方法把功能束从原始切片图像中逐个分离出来,接着用改进的GVF-Snake模型逐个提取功能束的边缘,再把所得到的各个功能束边缘叠加到原始切片图像中。实验表明,这种方法不仅能有效处理功能束的分裂和汇合,而且边缘提取的收敛速度快,最终得到的功能束边缘光滑连续,满足神经三维可视化的要求。

图像序列中的自动点目标空时快速检测

提出了一种新的序列图像中点状运动目标空时快速检测方法,该方法假设经过背景杂波抑制预处理后图像已转换为类SPGWN(信号加高斯白噪声)模型。自动目标检测时图像序列被划分为多组检测单元,每单元包含两帧相邻的图像。根据目标速度限制条件,采用在单元内以及两相邻单元间沿轨迹集成像素灰度的检测算法。在付出同等运算量的代价下,克服了二维投影检测性能较差的弱点,同时也具备可检测多速率目标的优点。理论分析和仿真试验表明了该检测方法的有效性。