基于复杂背景的红外机场目标自动识别算法研究

根据复杂背景下前视红外机场目标的特点,提出了基于知识的自动目标识别算法,算法的设计以实用性为宗旨,在不影响算法性能的前提下尽量提高其实时性能：通过提取感兴趣区域来缩小处理范围,采用双阈值最大类间方差快速算法快速准确找到分割阈值,采用快速标记算法标记分割图像,利用Freeman链码描述机场的轮廓特征,根据模糊综合评判机制分析机场的目标特征。通过硬件处理平台的仿真验证,该算法对机场目标红外图像有一定的识别能力,且具有较高的实时性。     

红外图像目标快速分割方法

提出一种红外图像阈值分割方法。为了减少计算量,首先给出一种提取包含待分割目 标的感兴趣区域方法;然后利用Bezier 曲线法平滑感兴趣区域直方图的噪声,利用所提出的判据来确定最佳分割阈值并进行分割。最后结合上述分割结果和目标的边缘信息得到最终的分割效果。实验结果表明,提出的方法能快速有效的将红外目标从复杂的背景中分割出来。     

基于深层神经网络的军事目标图像分类技术

针对无人平台上自主发现目标功能的需求,结合深度学习方法,提出了一种军事目标图像分类技术思路,并且进行了模拟仿真。通过对六大类军事目标实验与测试,所提技术在特定训练库和特定像素图像的仿真验证中,识别精度和检测速度有所提高。     

红外目标自动识别中的信息处理及其新进展

传统红外传感器自动目标识别(Automatic Target Recognition,ATR)过程中的信息处理可分为4个阶段:图像预处理、目标捕获、特征提取和目标识别.回顾了这4个阶段中的一些经典信息处理方法.通过对传统ATR应用模式的分析,发现难以构建一个具有高度实时性,集成性和鲁棒性的红外ATR系统的根本原因是前端传感器与后端数据处理的隔离.为解决该问题,目前的趋势是开发智能红外传感器,根据系统应用的需要输出\     

红外小目标检测的快速并行算法

利用平均灰度绝对差最大测度（ＡＧＡＤＭ）估计目标背景的不相似性,提出了一种红外小目标检测算法,分析了预处理前后图像信噪比增益与目标大小的关系,进而建立了检测概率和信噪比增益的关系,理论上证明了该算法具有优越的性能。接着,在分析了ＭＰＰ并行计算机体系结构的基础上,提出了两种基于ＭＰＰ的小目标检测并行快速实现算法。理论分析表明,基于ＭＰＰ的ＡＧＡＤＭ小目标检测并行快速实现算法运算时间复杂性为Ｏ（Ｌ２ｉ／Ｎ）。     

复杂环境大场景SAR图像飞机目标快速检测

随着人工智能与合成孔径雷达（synthetic aperture radar,SAR）技术的发展,基于卷积神经网络（convolutional neural network,CNN）的SAR图像自动目标识别技术取得了一定的突破.然而,由于飞机自身结构以及SAR成像机制的复杂性,在复杂环境大场景SAR图像中对飞机目标进行快速准确的检测依然存在挑战.为提升算法的检测能力,本文对现有检测算法的处理流程进行了分析与总结,并提出了一种复杂环境大场景SAR图像飞机目标快速检测算法.算法优化了整体检测流程,设计了基于灰度特征的机场区域精细化提取和基于CNN的飞机目标粗检测两大子模块,并采用了YOLOv3网络对机场区域以及飞机目标分别进行初步的提取与检测.实验结果表明,本文算法对复杂环境大场景SAR图像中的飞机目标具有高效的检测能力.     

红外图像目标环境生成技术研究

研究了图像环境生成过程中红外目标特征信息提取所面临的重要技术问题，提出了自适应背景感知与对消处理、抑制背景的自动门限选取和形状分析与目标特征识别的层次化数据处理流程，基于数学形态学理论实现了图像背景感缸的应用研究算法，实验测评表明，该算法对复杂变化的图像环境具有良好的滤波性能和稳健的适应能力。     

自动识别技术在矿山物联网的应用

本文将自动识别技术及理念与煤矿企业矿山物联网的需求相结合,探讨了识别技术在煤矿生产中的实际应用。对于多种自动识别技术在矿山物联网的应用做了分析,展现了自动识别技术在矿山物联网应用的广阔前景。     

自动目标识别在图像末制导中的应用

实现图像末制导导弹发射后不管和远程精确打击,自动目标识别的工程化应用是关键技术。概述了国内外精确制导武器自动目标识别的发展历程、识别方法、技术水平和应用效果等现状,分析了基于目标特征和模板匹配的识别方法与应用场景,指出了两类经工程化验证有效的自动目标识别方法,梳理了任务规划、主要执行内容、规划质量对不同识别方法的影响等自动目标识别流程。为了适应未来精确制导武器智能化发展需求,深度学习识别技术工程化应用成为了新趋势,针对解决好深度学习算法效率与应用精度的平衡问题,重点分析了网络剪枝、权值量化、低秩近似和知识蒸馏等实时加速推理关键技术;针对网络模型训练,提出了有效解决训练样本不足或军事目标样本获取困难等问题的思路。随着多波段、多模复合制导技术的广泛应用,信息融合为目标识别的工程化应用提供了新技术途径。如何适应各种复杂场景和人工主动干扰是图像末制导面临的重大挑战,阐述了在干扰条件下目标识别鲁棒性,是自动目标识别技术在图像末制导应用中需要迫切解决的工程化问题。     

基于多特征组的遥感图像中建筑物目标自动识别与标绘的方法

该文提出了一种新的针对高分辨率遥感图像中建筑物目标自动识别与标绘的方法。该方法首先统计建筑物的多类特征,然后利用PCA方法分析选取最优特征组,将图像分割为建筑物目标区域与非目标区域。最后,提出一种主方向结合面积因子的方法将建筑物目标标绘为规则的矢量多边形。实验结果表明,该方法识别率高、准确性好、鲁棒性强,具有一定的实用价值。     

High-performance automatic target recognition through data-specificVLSI

Under the Mojave configurable computing project, we have developed a system for achieving high performance on an automatic target recognition (ATR) application through the use of configurable computing technology. The ATR system studied here involves real-time image acquisition from a synthetic aperture radar (SAR). SAR images exhibit statistical properties which can be used to improve system performance. In this paper, the Mojave configurable computing system uses field programmable gate arrays (FPGA's) to implement highly specialized circuits while retaining the flexibility of programmable components. A controller sequences through a set of specialized circuits in response to real-time events. Computer-aided design (CAD) tools have been developed to support the automatic generation of these specialized circuits. The resulting configurable computing system achieves a significant performance advantage over the existing solution, which is based on application specific integrated circuit (ASIC) technology     

Probe-based automatic target recognition in infrared imagery

A probe-based approach combined with image modeling is used to recognize targets in spatially resolved, single frame, forward looking infrared (FLIR) imagery. A probe is a simple mathematical function that operates locally on pixel values and produces an output that is directly usable by an algorithm. An empirical probability density function of the probe values is obtained from a local region of the image and used to estimate the probability that a target of known shape is present. Target shape information is obtained from three-dimensional (3-D) computer-aided design (CAD) models. Knowledge of the probe values along with probe probability density functions and target shape information allows the likelihood ratio between a target hypothesis and background hypothesis to be written. The generalized likelihood ratio test is then used to accept one of the target poses or to choose the background hypothesis. We present an image model for infrared images, the resulting recognition algorithm, and experimental results on three sets of real and synthetic FLIR imagery.     

基于一维匹配滤波的SAR目标识别

为克服合成孔径雷达(SAR)目标位置和姿态不确定性对识别性能的影响,提出了一种基于一维匹配滤波的SAR目标识别方法。基于姿态估计对目标图像进行预处理,基于一维匹配滤波定义两样本图像间的相似度或距离,并采用最近邻分类器。在MSTAR公开数据集上进行了实验,已知和未知目标姿态情况下的识别率分别达到98.8%和98.2%。实验结果表明,所提出的方法性能优于支持向量机(SVM)方法。     

基于自旋图的三维自动目标识别

将三维表面匹配领域的自旋图(spin-images)方法运用于扫描激光雷达自动目标识别中,基于自旋图特征,提出了平均最大相似性度量、候选对应关系数目、几何一致性筛选后对应关系数目、分组筛选后最大组的对应关系数目这4个识别指标,并将其组合构成组合识别准则,从而进行三维目标识别。同时针对实际应用需求,进一步研究了点云空间分辨率、激光雷达测距误差以及遮挡对目标识别率的影响,为激光雷达三维目标识别系统的设计提供了参考。     

混合因子模型在雷达目标识别中的应用

高分辨一维距离像是雷达自动目标识别的重要特征之一,它对目标姿态变化很敏感,只有通过进一步处理才能够实现有效的目标识别。针对距离像的这种姿态敏感性,本文提出了一种基于混合因子建模的雷达目标识别框架,它通过对从各个姿态角下获得的目标一维距离像出发构建目标的距离像概率生成模型,然后利用该模型通过比较条件概率大小的方法判别目标类属。对5类飞机数据的实验结果表明该框架对任意姿态角距离像的目标识别有很好性能。     

Foveal automatic target recognition using a multiresolution neuralnetwork

This paper presents a method for detecting and classifying a target from its foveal (graded resolution) imagery using a multiresolution neural network. Target identification decisions are based on minimizing an energy function. This energy function is evaluated by comparing a candidate blob with a library of target models at several levels of resolution simultaneously available in the current foveal image. For this purpose, a concurrent (top-down-and-bottom-up) matching procedure is implemented via a novel multilayer Hopfield (1985) neural network. The associated energy function supports not only interactions between cells at the same resolution level, but also between sets of nodes at distinct resolution levels. This permits features at different resolution levels to corroborate or refute one another contributing to an efficient evaluation of potential matches. Gaze control, refoveation to more salient regions of the available image space, is implemented as a search for high resolution features which will disambiguate the candidate blob. Tests using real two-dimensional (2-D) objects and their simulated foveal imagery are provided.     

基于相关滤波的目标快速跟踪算法研究

在实现高精确度和快速的目标跟踪过程中,相关滤波是一个非常好的选择,但是目前所有的相关滤波跟踪方法仍然无法解决遮挡和光照变化等因素造成的干扰。因此,在传统核相关滤波器(KCF)的基础上,提出多特征图核相关滤波器(MKCF)的目标快速跟踪方法。首先,由初始化目标区域生成多个特征图,并通过对正则化最小二乘(RLS)分类器学习获得位置和尺度核相关滤波器(KCF);然后,随机选取一个特征图,寻找位置和尺度KCF输出响应的最大值,完成目标位置和尺度的检测;最后,随机选择需要在线更新的目标模型。经过试验测试,对比KCF,MKCF的平均中心位置误差(CLE)减少了5像素,平均成功率(SR)提高了10.9%,平均距离精度提高了6.7%;MKCF在目标发生尺度变化、光照变化、形态变化、目标遮挡、轻度旋转及快速运动等复杂情况下均有较强的适应性,具有重要的理论和应用研究价值。     

Multichannel fast QRD-LS adaptive filtering: new technique andalgorithms

A direct, unified approach for deriving fast multichannel QR decomposition (QRD) least squares (LS) adaptive algorithms is introduced. The starting point of the new methodology is the efficient update of the Cholesky factor of the input data correlation matrix. Using the new technique, two novel fast multichannel algorithms are developed. Both algorithms comprise scalar operations only and are based exclusively oh numerically robust orthogonal Givens rotations. The first algorithm assumes channels of equal orders and processes them all simultaneously. It is highly modular and provides enhanced pipelinability, with no increase in computational complexity, when compared with other algorithms of the same category. The second multichannel algorithm deals with the general case of channels with different number of delay elements and processes each channel separately. A modification of the algorithm leads to a scheme that can be implemented on a very regular systolic architecture. Moreover, both schemes offer substantially reduced computational complexity compared not only with the first algorithm but also with previously derived multichannel fast QRD schemes. Experimental results in two specific application setups as well as simulations in a finite precision environment are also included     

自动目标识别(ATR)可靠性研究

对同类目标畸变不变的正确识别率与不同类目标分类误识别率是衡量一个自动目标识别 (ATR)系统的两个最重要性能指标。但在实际应用中 ,ATR系统所获取的外场的目标与背景总是处于随时间不断变化的条件下 ,与系统所存储的参考目标通常都不会一致 ,从而导致相关识别SNR劣化。特别对于多目标识别与不同类目标的区分 ,常规的相关门限判决方法会造成很大的误识别 ,大大影响了ATR系统的识别可靠性。本文采用人工神经网络 (ANN)与模糊逻辑技术 ,对相关信号与噪声进行实时数字后处理 ,通过对信号与噪声强度分布等高线而不仅仅是强度的识别 ,大大提高了ATR系统的识别可靠性 ,改善了识别效率。