水下高分辨率声图中小目标的深度网络分类方法

针对声成像数据缺少条件下的水下沉底小目标分类问题,提出一种深度网络分类算法。首先,采用高斯混合模型对声影区统计特性进行建模并提取声图阴影,在此基础上构建仿真数据集和真实数据集。将仿真数据集输入卷积神经网络进行训练,保留其特征提取部分,用于对真实数据集进行特征提取.重建网络分类部分并采用真实数据集的特征向量进行训练。结果表明,所提出的方法分类正确率可达88.24%,与6种对照方法相比平均分类正确率分别提升8.67%,20.47%,19.78%,11.59%,9.01%,11.58%。验证了所提出方法在小样本条件下具有较好对水下沉底小目标的分类能力。其学习曲线收敛到96.25%,仅比验证曲线高5.14%,说明在一定程度上缓解了过拟合问题。将改进的卷积神经网络应用于融合分类器,通过与逻辑回归分类器、支持向量机对目标进行分类并融合决策,正确率为93.33%,可进一步提高算法的正确率和稳定性.      

结合区域提取和改进卷积神经网络的水下小目标检测

针对水下小目标信息量有限而难以提取有效特征导致的检测性能不佳问题,提出了一种结合区域提取和融合Hu矩特征的改进卷积神经网络水下小目标检测方法。该方法包含区域提取和分类两个步骤。首先以马尔可夫随机场分割算法为基础进行区域提取,对潜在目标定位的同时降低伪目标对后续分类的干扰;然后提取潜在目标区域的Hu矩特征并融入卷积神经网络,形成一种形状特征表征能力更强的改进卷积神经网络用于分类。声呐实测数据处理结果表明,该方法可以有效提升对水下小目标的发现概率和正确报警率,与其他目标检测方法相比,该方法具有更好的检测性能和泛化性。     

利用跟踪轨迹特征和SVDD-SVM联合分类器的水下慢速小目标分类方法

针对蛙人、无人水下航行器(UUV)等慢速小目标分类识别所面临的小样本、类不平衡问题,提出了利用轨迹特征、支持向量数据描述(SVDD)与支持向量机(SVM)的联合分类方法。该方法将水下慢速小目标类型简化为蛙人、UUV、其他3类,利用跟踪轨迹特征设计多维特征量,构建SVDD-SVM联合分类器获得分类结果。具体为,针对小样本问题,采用参数维度小、训练数据量要求低的SVDD、SVM作为分类器的基本单元。针对类不平衡问题,使用2个并联的单分类SVDD和1个与两者串联的二分类SVM设计联合分类器,同时为联合分类器的输出设计投票机制保证分类结果的稳健性。实测数据处理结果表明,所提SVDD-SVM联合分类器对蛙人目标的平均召回率可达86%,平均精确率可达87%;对UUV目标的平均召回率可达85%,平均精确率可达86%。所提方法在小样本、类不平衡条件下具有优于传统方法的分类准确性和稳健性。     

基于形状特征的水声图像小目标识别方法

为了抑制背景噪声,提高目标识别准确率,该文提出一种基于形状特征的水声图像小目标识别方法.对含有目标的水声图像进行非局部均值去噪处理后,使用OTSU算法自适应选取阈值对去噪图像进行二值化分割,结合形态学处理获得分割后的目标区域;提取目标区域的矩形度、圆形度、几何不变矩等各项形状参数,将目标的特征向量输入随机森林分类器实现...     

基于区域辐射一致性的移动阴影检测

为了同时检测本影与半影区域,提出并证明了阴影区域辐射的一致性属性。获取超像素区域轮廓内的点集合,将像素点集合(PCC)分为目标前景区域(目标PCC)和阴影区域(阴影PCC),利用所提出的基于区域生长的完整阴影检测与目标掩码增长算法,通过融合完整的阴影区域、完整的目标前景区域和ViBe掩码这三个部分,实现了前景目标掩码反向增长。在公开数据集中的实验结果表明,所提方法的阴影检测平均精度达到了82.5%,性能显著优于传统方法。目标掩码的平均增长率达到了8.84%,准确率达到了95%以上。     

光学测量中椭圆圆心定位算法研究

提出了一种椭圆圆心定位算法。先对图像中的椭圆目标进行粗定位,获取椭圆的粗定位信息,再用Canny算子对图像中的感兴趣区域进行边缘检测。根据椭圆的粗定位信息以及图像的边缘灰度分布特征,用高斯曲线拟合的方法求得精确的亚像素边缘点的坐标。针对亚像素边缘点中出现的“孤立点”以及噪声点,分别用曲率滤波和均值滤波的方法加以滤波,将滤波后的亚像素边缘点用最小二乘法加以拟合,求得精确的椭圆圆心数据。实验证明了该算法的定位精度和抑制噪声能力,通过测试算法运行时间,证明该算法具有很好的实时性。     

基于高分辨谱估计方法的快速运动目标分析*

水下运动目标产生的声场由一系列不同模态的简正波组成,不同模态简正波具有不同的多普勒频率移动,携带了运动目标速度、频率等参数的信息。针对快速运动目标水下辐射声场的这一特点,采用高分辨谱估计Burg算法估计不同模态简正波多普勒频移,进而获得运动目标的速度、频率参数估计。数值仿真结果表明,高分辨谱估计Burg算法获得了高频率分辨率,在较短的观测时间或是阵元不足的情况下,较准确地估计了多普勒频移,获得了目标运动速度和初始频率等运动参数。     

基于椭圆对数极坐标变换的尺度变化目标跟踪算法

针对传统对数极坐标变换局限于跟踪圆形或类圆形尺度变化目标这一问题,提出一种基于椭圆对数极坐标变换域下目标匹配的尺度变化目标跟踪算法。算法利用Mean Shift进行空间定位,确定目标的形心,通过椭圆对数极坐标变换域中目标和候选的最大相关匹配系数来确定目标的尺度参数。实验结果表明:该文算法在目标小形变和光照变化条件下,跟踪误差较小,尺度跟踪准确率更高,具有较好的鲁棒性。     

基于椭圆对数极坐标变换的尺度变化目标跟踪算法

针对传统对数极坐标变换局限于跟踪圆形或类圆形尺度变化目标这一问题,提出一种基于椭圆对数极坐标变换域下目标匹配的尺度变化目标跟踪算法。算法利用Mean Shift进行空间定位,确定目标的形心,通过椭圆对数极坐标变换域中目标和候选的最大相关匹配系数来确定目标的尺度参数。实验结果表明：该文算法在目标小形变和光照变化条件下,跟踪误差较小,尺度跟踪准确率更高,具有较好的鲁棒性。     

基于边缘特征的中值滤波的小目标检测法

提出了一种基于边缘特征调整滤波尺寸的中值滤波算法用于小目标的检测。以图像像素的四个方向的边缘分量确定阈值,以此阈值判断像素是否为小目标区域,在此基础上调整滤波尺寸,采用中值滤波方法检测出小目标。结果表明,该算法对于小目标检测有很好的效果。     

基于改进MobilenetV2网络的声光图像融合水下目标分类方法*

针对小样本条件下水下目标分类准确率低、计算资源量大的问题,提出一种声光图像融合目标分类方法。首先,对MobilenetV2网络进行改进,去掉第9层之后的网络层,并将该层卷积通道数改为128,通过Flatten层进行数据降维,增加一个全连接层得到分类结果;其次,设计一种融合网络结构,将声光图像成对输入网络进行特征提取,在中间层利用通道拼接算法实现特征图融合,使用融合特征进行目标分类。在真实数据集上对网络进行训练,结果表明,改进的MobilenetV2网络对水下目标的分类性能更好,融合网络的分类准确率相比融合前有所提高,更加适用于水下目标分类任务。     

高浓度沙泥沉降建模及对声传播能量的影响分析

对非刚性水下目标和事件的检测是水下安全警戒的重要内容之一。论文以港口疏浚导致的短时海区内高浓度沙泥侵入为例,探索基于声传感器收发分置的非刚性水下目标检测方法。基于沙泥沉降和声线传播模型,研究非刚性目标在沉降过程中形状、位置变迁对声传播能量及结构的影响规律。计算机仿真与海上实验均表明,局部高浓度泥团在沉降过程中,其形状、密度等指标参数会随时间发生变迁,并对经过其沉降区域的声线能量及结构造成明显影响。通过检测接收声信号能量、结构随沙泥沉降变迁的关系,可实现对水下侵入目标存在性的检测,并为开展进一步的反演、跟踪提供支持,具有一定的研究意义和参考价值。      

一种尺度自适应的小目标实时检测方法

小目标检测是计算机视觉领域的一个研究热点。当仅对图像中不同尺度目标中的某些特定尺寸目标感兴趣时,传统方法将无法做出正确判断,而且当目标接近摄像机时图像上目标的尺度通常会发生较大变化,传统方法也难以适应。 针对这一问题,提出一种基于正负LOG^［1］算子的小目标实时检测系统。新算法首先根据目标在短时间内所作的近似直线运动,利用Top-Hat^［2］算法在初始几帧图像中检测出真正的目标点,然后根据目标特性确定正负LOG算子的参数,最后利用确定的正负LOG算子对后续帧图像进行连续检测,确定真实目标位置。实验证明,该检测方法在实时性、检测准确性及抗干扰性上均有较好的表现。     

海杂波FRFT域的分形特征分析及小目标检测方法

针对海杂波背景下海情对小目标检测的严重影响, 本文研究了实测海杂波在分数阶Fourier变换(FRFT)域的分形特征, 分别提出了单、高尺度下的分形检测方法. 由数学定义推得, FRFT 在不同阶数和尺度情况下, 不具有一致的自相似特性, 采用多重分形趋势波动分析法确定分形参数H(q), 分析了海杂波在不同海情、距离和极化条件下的分形特征. 在单尺度基础上结合FRFT的变阶优势, 提出了阶数自适应的小目标检测方法; 高尺度条件下, 比较了不同因素对海杂波FRFT域多重分形参数的影响. 结果表明:海杂波FRFT域可用变换阶数的方法检测到湮没在复杂海情中的小信号, 检测门限多数提高200%以上, 比采用时域信号提高26.3%. H(q) 在负高尺度上具有明显的多重分形特征差异, H(q)-q曲线满足反正切分布, 纯海杂波与含目标数据的拟合幅值比分别大于1.8(HH)和1.4(VV), 为海杂波背景小目标检测提供了判定依据.     

基于混合粒子滤波的水下小目标跟踪

针对水下小目标粒子滤波估计过程中“粒子贫化”引起的估计性能下降,提出了混合粒子滤波算法。该算法在常规粒子滤波算法基础上,在每一步迭代估计过程中进行量测的再次随机采样,以丰富随机粒子多样性,缓解水下小目标状态估计过程中的“粒子贫化”的影响。对算法进行了仿真分析,并将该方法用于水下小目标探测实验的数据处理,结果表明,相比于常规的粒子滤波算法,所提出的混合粒子滤波得到了误差更小且稳定的状态估计结果,有效地改善水下小目标跟踪的精度和稳健性。     

大气层外弹道目标温度变化研究

针对弹道目标在飞行过程中的表面温度是导弹攻防两端关注的重点,简要介绍了弹道目标在大气层外飞行时的表面温度及红外辐射源。提出了大气层外弹道目标在飞行过程中的表面温度计算方法。重点针对弹头与诱饵的典型热物参数和大气层外不同的表面初始温度,分别计算了在阴影区与日照区弹头和诱饵表面温度随飞行时间的变化情况,发现弹头热惯量大,基本保持初始温度,诱饵热惯量小,迅速就会达到平衡温度,并采用实例对其进行验证。     

深海大深度声传播特性及直达声区水下声源距离估计

深海大深度声传播特性对在深海近海底进行水声目标探测和定位具有重要意义。利用一次南海中南部深海不完全声道中的脉冲声传播实验数据,分析了海底附近大深度声传播损失及脉冲多途传播特性,并根据直达波和海底-海面反射波的时延差与收发距离的关系,提出一种利用深海直达声区脉冲多途到达时间进行水下声源距离估计的方法。结果表明:当接收器深度位于南海深海海底附近而声源深度较浅时,直达声区水平宽度可达30 km,传播损失相对影区来说较小,有利于水下声源探测;直达声区的直达波与海底-海面反射波的到达时延差随着收发距离的增大单调减小,可被用于水下声源距离估计。得到水下声源的距离估计结果与实验GPS测量结果较为一致,距离估计均方误差为0.28 km。      

光谱成像技术在海域目标探测中的应用

近年来,随着光谱成像技术的发展,机载成像光谱仪在海域军事目标的侦察中得到了新的应用。基于此,本文首先从高光谱成像仪的基本原理及特性出发,介绍了高光谱成像仪在海洋军事目标探测方面的应用现状。其次,分别从水面目标探测和水下目标探测两方面综合分析了光谱成像技术在海域目标探测中的应用。对于海面目标探测,多项关键技术获得突破,但当前算法仍然难以解决实时性问题;对于水下目标探测,本文主要以水下潜艇探测为例探讨了利用高光谱成像仪对水下目标进行探测的关键技术及相关可行性方案。分析可知,光谱成像技术用于海洋军事探测从技术上具有可行性且前景广阔,但仍需解决相关算法的效率及精度等关键问题,这对推动光谱成像技术在海域目标探测中的应用具有重要意义。