基于多帧移位叠加的红外小目标检测方法

由于基于能量积累的各种算法对预检测的目标漏检和噪声密度都比较敏感 ,所以要求预检测在注重目标检出率的同时应尽量减小虚警。例如当噪声密度大于 3%时高阶相关法检测性能大幅下降 ,Hough变换法在噪声密度较大时不但性能下降 ,而且运算量也增加很多。基于此 。

基于动态显著性特征的粒子滤波多目标跟踪算法

针对复杂背景条件下图像序列中运动多目标跟踪问题,提出一种基于动态显著性特征的粒子滤波多目标跟踪算法,该算法借鉴心理学中关于视觉注意的研究成果,综合目标的灰度、细节和运动特性形成稳健的动态显著性特征,用来作为粒子滤波的状态向量.由于该算法中的显著性特征来源于目标的多种底层特性,因此算法具有很强的稳健性,同时,粒子滤波可实现非线性非高斯状态空间模型的最优估计.故而,该算法能够同时处理多个目标跟踪过程中的航迹管理问题,以及目标出现、消失、合并、分裂、被障碍物遮挡等问题.实验结果表明,该算法能够很好地实现复杂图像序列中的多目标跟踪.

一种新的快速复杂连通区域扫描线填充算法

提出一种快速求取扫描线与轮廓线交点的算法,只需遍历2次轮廓线即可求得所有交点,显著降低了算法复杂度。基于该求交算法得到的扫描线填充算法,可以填充任意的复杂连通区域。与同类算法犤2,4,5犦相比,该文算法流程简单,填充速度快。

一种改进的渐进直推式支持向量机分类学习算法

基于支持向量机的直推式学习是统计学习理论中一个较新的研究领域。较之传统的归纳式学习方法而言,直推式学习往往更具有普遍性和实际意义。针对渐进直推式支持向量机学习算法存在的缺陷,提出了一种改进算法。该算法利用区域标注法取代前者的成对标注法,在继承了其渐进赋值和动态调整的规则的同时,提高了算法的速度;根据每个无标签样本的标注可信度自适应地对其赋予不同的影响因子,从而控制训练误差的传递和积累,提高了算法的性能。雷达实测数据实验结果表明该算法是有效的。

一种新的支持向量机快速训练算法

针对大规模数据集的分类中支持向量机的训练,为解决选取样本集合边界向量时需事先判定样本集合是否线性可分的问题,提出一种基于密度法的支持向量预选取方法。该方法不需要事先判定训练样本是否线性可分,具有较强的抗击噪音点和孤立点干扰的能力,并且计算简单,易于实现。实验结果证明了这种方法是有效的。

宽带毫米波雷达目标时延神经网络识别新方法

基于一维距离像和神经网络研究宽带毫米波雷达目标识别问题 ,研究了用于雷达距离像序列识别的时延神经网络模型及其学习算法 ,并提出了基于距离像序列的宽带雷达目标时延神经网络识别方法 .还利用三种飞机缩比模型的暗室测量数据 ,研究了时延神经网络分类器中时延单元数目对分类精度的影响以及分类器的分类性能 .实验结果表明

基于BP神经网络的红外小目标检测

针对红外小目标检测问题,提出一种基于BP(back propagation)神经网络的小目标检测算法。该算法利用BP神经网络的函数逼近特性对红外图像进行背景估计,然后根据背景对消原理消去背景噪声,从而检测到潜在的红外小目标。通过仿真实验证明该算法的有效性。

基于小波的多传感器空间目标数据融合算法

在多传感器系统中,本文提出一种基于小波变换的数据融合算法,用于对空间目标的轨道参数进行精确预测。仿真实验表明,该算法适用于空间目标轨道参数等快时变数据,估计得到的轨道参数均方差,优于各个传感器的理论均方差,同时也小于LMS算法获得的均方差。

一种基于低分辨雷达的目标识别方法

讨论了一种基于低分辨雷达的目标(飞机)识别方法,描述了这种识别方法所依赖的硬件平台即目标回波数据采集系统的组成及工作原理,阐述了一种基于低分辨雷达的目标粗分类(目标大、中、小等粗略属性的判别)的方法,研究了低分辨条件下目标特征描述的思路, 尝试利用这些方法进行目标属性的粗分类以及进行机群目标架次的判别。现场实验表明,这 些方法是可行有效的,对于提高常规低分辨雷达的性能有着重要的意义。

基于多普勒频谱特征的空中目标识别

分析了直升机和固定翼飞机两类空中目标的多普勒频谱测量能力,并在测量能力得到满足的前提下,对其目标的多普勒频谱特征进行了分析,找出了它们之间的不同之处,提出了对其目标进行分类识别的方法,通过对18种直升机和固定翼飞机的仿真数据以及现场实测数据的检验,证明该方法是有效的,并且适用于悬停直升机的探测与识别。

雷达目标特性数据自动采集技术研究

本文讨论了一种用于雷达目标识别系统的雷达目标自动数据采集系统,该采集系统包括数据采集电路和目标检测跟踪电路,在系统软件的控制下,采集电路根据目标检测跟踪电路得到的目标空间位置信息在观测空域对需采样的目标进行开窗筛选、拾取目标视频回波数据。采集系统可以自动地对多个目标连续采集,形成带有数据标志的回波数据流,由此建立目标原始回波特性数据库供分析、处理、识别。

人脸特征自适应选取技术

如何选取并提取稳定可靠的人脸特征是人脸识别技术中迫切需要解决的问题 .文中在对现有特征提取方法的优缺点进行详细分析的基础上 ,提出人脸特征自适应选取算法框架 ,详细论述了如何建立并提取人脸特征自适应选取的准则 .该算法在 10

一种改进型的粒子滤波器

针对复杂背景条件下图像序列中跟踪运动目标的问题,提出一种改进的粒子滤波图像跟踪算法,该算法利用遗传算法的研究成果,采用选择、交叉、变异等步骤实现对粒子的重采样,解决了粒子滤波器所面临的粒子退化和匮乏问题。由于该算法利用了遗传算法的全局寻优特性,因此该算法具有较强的稳健性。同时,粒子滤波可实现非线性非高斯状态空间模型的最优估计,将该粒子滤波用于目标跟踪,具有较好的过遮挡能力。实验结果表明,该算法状态估计性能好,能够很好地实现复杂图像序列中的目标跟踪。

一种基于密度法的支持向量预选取算法

针对大规模数据集的分类问题,支持向量机的训练成为一个难题。预先选取支持向量用于支持向量机的训练是解决这一难题的思路之一,但其的选择非常困难。本文提出了一种基于密度法的支持向量预选取方法。该方法不需要事先判定训练样本是否线性可分,具有较强的抗击孤立点干扰的能力,并且计算简单,易于实现。实验仿真证明这种方法是有效的。

一种权值在线学习的分布式检测系统的融合算法

研究了一种基于最小错误概率准则的权值在线学习的分布式检测系统的融合算法。该算法能够根据观测数据的变化,自动在线调整权值大小,逐步改善系统的检测性能。计算机仿真结果表明,该算法能够较快地收敛到最优解。

基于层次模型和融合决策的多姿态人脸识别技术

该文提出了基于层次模型和融合决策的多姿态人脸识别技术,它首先把各人脸按姿态分成几个大类,并且对各大类按人脸个体分成相应子类,然后对各个大类分别进行基于特征脸的人脸识别,最后对各个姿态的人脸识别中间结果进行融合决策得到真正的人脸识别结果,该算法同时也提供了其姿态识别结果,并且大大减小了耗时,该文算法对ORL,UMIST,Stirling数据和一些自拍数据共1200幅人脸图像进行了识别测试实验,其结果令人鼓舞。

光学图像中弱信号小目标检测方法

弱信号小目标检测是光学成像制导图像处理系统的关键技术之一。衡量小目标检测算法性能的依据是算法的有效性和实时性,两者之间的矛盾是现有各类弱信号小目标检测算法所必须面对的问题。研究了光学图像中弱信号小目标的广义最大似然比检测(GLRT)算法,所提出的算法不仅能够有效检测图像中的弱信号小目标,而且具有较强的实时性,并已应用于实际光学成像制导系统中。

一种低信噪比条件下的红外图像序列小目标实时检测算法

本文提出了一种基于多级门限判决与轨迹置信度检验的弱小目标检测方法,该方法综合利用能量积累、多级门限判决与轨迹搜索方法,同时对候选多目标轨迹进行置信度检验,剔除假目标,给出真目标信息。该算法针对高空背景条件下的图像目标检测,以较小的运算量和存储空间开销,解决了低信噪比条件下的弱小运动目标的检测问题,算法简洁且易于进行软硬件分割实现,算法实时性能良好。文中最后给出其实验结果。

基于单视图的多姿态人脸图像生成技术研究

该文提出了一种基于单视图或小样本的多姿态人脸图像生成技术,它首先利用一个特征点集表示人脸,然后基于二元高次多项式函数最小二乘方法对人脸各姿态之间的特征点集坐标变化进行拟合,形成全局的变形域,最后由单视图通过变形映射生成多姿态人脸图像。实验结果表明,利用单视图和生成的多姿态图像进行多姿态人脸识别,正确率得到大大提高,证明该文人脸图像生成技术十分有效。

双谱特征在空中目标识别中的应用

分析了雷达对直升机和固定翼飞机这两类空中目标的识别能力.在识别能力得到满足的前提下,对这两类目标的双谱特征进行了分析,找出了它们之间的不同之处,提出了对这两类目标进行分类识别的方法.通过对18种直升机和固定翼飞机仿真数据进行检验,证明这种方法是有效的.