关于自动目标识别的体系构建,硬件及前视红外问题

国际照相与光学工程师协会于１９９３年召了题为“关于自动目标识别的体系构建,硬件及前视红外问题”的专题讨论会,会后出版了会议录,现将其中的论文题目介绍如下：。     

基于三维模型的前视红外目标匹配识别方法

针对前视红外图像中地面固定目标的识别问题,提出了一种基于三维模型的匹配识别方法.首先由场景的3D数据建立目标三维模型,并以人工标记的方式进行编号以保留交界线信息;然后根据实时观测参数进行二维投影绘制得到目标的二维模板图像;最后提取边缘加权HOG特征在观测图像中进行匹配.对大量实测数据的实验结果表明,该方法识别精度高、对...     

基于遗传算法和模糊熵的前视红外图像分割

提出了一种基于遗传算法的模糊红外图像分割方法．该方法将图像分为目标和背景，并分别建立相应的模糊隶属函数来描述图像各个灰度级属于目标和背景的模糊特性，进而给出图像模糊熵的描述．采用遗传算法对图像模糊熵的各个参数进行优化组合，根据最大模糊熵准则确定区分目标和背景的最佳门限．实验结果表明该方法效果良好，大大提高了计算速度。     

一种新的前视红外成像相关跟踪算法

针对瞄准吊舱中前视红外成像跟踪的工作状态，提出了一种新的相关跟踪算法，该算法采用一维直方图快速搜索和二维多级亚采样精确定位方案，使算法具有实时性．利用图像系列的相关性，采用隔帧修正累积误差的方法，有效地提高了系统的跟踪精度．本文的实验结果与理论值相符．     

基于纹理与特征选择的前视红外目标识别

针对前视红外(FLIR)目标自动目标识别(ATR)问题 ,提出了一种基于纹理特征的ATR方法。不同于传统基于学习、基于 模板以及基于稀疏表示的方法,从图像灰度入手,提出采用局部三值模式(LTP )描述图像纹理特征,同时结合FLIR图像的特点,对LTP进行了增强处 理;然后针对特征的高维问题,采用特征选择方法进行降维处理;最后 采用降维后的特征实现ATR。实验结果表明,本文方法取得了比传统方法 更好的效果;同时也证明,仅从纹理分析入手,也能较好地实现前视红外目标的ATR。     

低对比度前视红外坦克目标图像检测方法研究

将分形几何学用于低对比度前视红外图像的分割，分析研究了自然场景与人造物体的分形特性随尺度的不同变化，提出并构造一种新的多尺度分形特征矢量，通过Ｋ－均值算法在特征空间中对其进行类聚，从而实现了低对比度前视红外坦克目标图像的准确分割。     

前视红外系统的核心

美国前视红外系统公司在热成像技术和解决有关问题的方法方面处于世界领先的地位,前视红外系统的核心包括红外OEM摄像机芯片,短波、中波和长波红     

基于深度学习的跑道前视红外图像轮廓线提取

针对前视红外图像中的机场跑道检测问题,提出了基于深度学习的端到端的实时检测算法。算法首先利用深度学习在物体特征表达上的优点,采用当前主流端到端的YOLO（You Only Look Once）V2检测算法提取候选目标,寻找跑道所在位置;然后在已经获取跑道所在边框的基础上,在神经网络最后一层采用多尺度线段检测器(Line Segment Detector,LSD)进行精确的线段检测;最后对所检测的线段进行融合,提取轮廓线。真实实验数据表明,该算法基本上能满足机场轮廓提取实时性好、提取精度高、抗干扰性强等要求。     

前视红外成像系统的新进展

概述了美国雷声公司与夜视和电子传感器委员会合作研发的第三代前视红外成像系统.与第二代热成像系统对比,为提高系统性能,该系统使用的主要新技术有:四视场双F数光学系统,引入了可变冷光阑、高分辨率(640×480和1280×720)、双波段(中波和长波)焦平面探测器组件,内置可控温度参考源,高度集成化图像处理电路及配套系统仿真模块.对各项技术的优势、劣势、特点、应用难点作了简要的分析,最后讨论了现代红外系统的发展趋势.对国内红外成像系统的发展研究有实用价值.     

基于电磁特性SAR图像目标识别模板的建立

针对SAR图像目标识别过程中识别模板形成的缺点和难点,提出了基于电磁散射特性SAR图像目标识别模板的数学模型和成像原理。采用一种混合算法计算了复杂目标的雷达截面(RCS),由目标的散射系数σ或RCS值,通过宽带合成孔径原理求出物体散射特性的空间分布,建立了SAR图像目标识别模板。实验验证了其正确性、有效性,以及具有近实时性、目标姿态连续性和精确性等特点,为快速准确地获取SAR图像中的目标信息提供技术支持。     

基于五帧差分和模板匹配的运动目标检测识别

针对帧差法和背景差分法检测运动目标准确率低,自适应能力弱等缺陷,提出了一种改进五帧差分法与背景差分法和模板匹配相结合的运动目标检测和识别算法;通过改进的五帧差分和背景差分法融合的算法从视频图像序列中检测出运动目标;利用形态学方法去除噪声,改善运动目标提取效果;在Harris算法提取图像匹配特征值的基础上角点配准,提高图像识别的准确率,通过提取目标特征与自适应模板图像进行特征匹配的方法实现了目标检测识别和跟踪。仿真结果和实验表明该方法有噪声和部分遮挡的运动目标有良好的检测识别效果,识别率达到了95%。     

基于酉 ESPRIT 的多频带融合ISAR成像

基于散射中心参数化模型和反向传播（back propagation, BP）神经网络,构建了一种针对目标全角度、宽频段下的远场电场预测网络,该网络将利用目标的位置、幅度、频率等数据信息实现远场电场实部与虚部的快速预测. 首先,将对目标强散射点的位置以及强度等参数进行提取;然后,对二维角域以及频域进行区域划分,构建并联式的智能网络架构,从而建立散射中心参数化模型与高精度远场电场间的关系. 该方法能够通过新型并联网络的训练,减小传统散射中心模型的频率、角度依赖性的影响,实现目标远场电场的快速获取. 由于在网络设计时,充分借鉴了现有的模型中各散射参数对目标电场的影响,因此该神经网络具有清晰的物理意义以及突出的泛化能力. 与传统的基于几何绕射理论（geometrical theory of diffraction, GTD）模型的电场重构方法相比,本文方法具有更高的准确性,实验结果表明提出的并联网络使得预测电场误差下降了18％以上,同时针对目标后向远场电场的预测,其相对均方根误差能够小于5%.

     

低信噪比下随机交织器识别

针对Turbo码随机交织器参数识别问题,充分利用信道截获数据的软判决信息,提出了一种基于对数符合度的交织映射关系识别算法。该算法从计算总的编码方程成立概率出发,定义了能很好衡量概率大小的对数符合度概念,极大地简化了计算复杂度,使得计算量仅与截获码块数目和交织长度的平方有关,计算方式仅为大小比较与符号提取;再利用正确交织位置能够使总的编码方程成立的概率达到最大这一特性,依次实现各个位置的交织关系的识别。与现有算法相比,所提算法识别性能稍差,但计算复杂度更低。仿真结果表明,在信噪比为0 dB、交织长度为200时,仅需要截获码块数目为500,其正确识别率就能达到100%。     

基于D-S证据理论的空中目标识别

提出了一种基于D-S证据理论的空中目标识别方法.该方法首先对目标特征进行提取,然后根据提取的特征利用模糊C均值聚类的方法进行基本概率分配,最后利用D-S组合公式进行融合识别.实例验证了算法的有效性.     

基于局部特征的猫眼效应目标识别方法

为了提高猫眼效应目标识别的准确性和速度,提出了一种基于局部特征的猫眼效应目标识别方法。该方法充分利用图像中猫眼效应目标区域的特征,去除背景干扰,识别出效应目标。试验结果表明,与基于压缩感知的猫眼效应目标识别方法相比,该方法在近距离识别时有更高准确性,识别速度更快。     

基于可变形模板匹配的变形字体识别

针对变形字体的识别问题,提出了一种基于形状上下文和模糊推理相结合的度量机制的变形字体识别方法。首先,在分析现行字体识别方法的基础上,提出了薄板样条曲线TPS与模糊推理相结合的相似性距离度量机制的总体思路;其次,描述了基于形状上下文的变形字体图像的特征提取过程;而后讨论了薄板样条曲线TPS与模糊推理相结合的相似性距离度量机制,并将其应用在变形字体的识别算法中。实验结果表明所提出的方法是有效的。     

低信噪比下两种点目标检测算法的研究

红外图像中点目标检测技术是近年来信息处理研究的热点和难点之一。当红外图像传感器和目标之间距离很远时,目标在焦平面上成像面积很小,一般不超过探测器像元的大小,因此目标在图像中表现为点目标,且信噪比极低,目标被噪声（杂波）所淹没,给目标的检测带来了极大的困难。这一领域,前人已经进行了大量的研究工作,并提出了一些检测算法。文中也研究设计了两种红外图像点目标检测算法,并对其进行了计算机仿真实验和分析,结果表明这两种算法具有较好的检测能力。     

滑窗加权泽尼克矩特征的雷达目标识别技术

合成孔径雷达(SAR)图像的方位敏感性和相干噪声,影响SAR图像目标识别效果,针对此问题,提出了一种新的滑窗加权矩特征的雷达目标识别方法。利用三角剖分与生长切割算法得到将目标和阴影从相干噪声中分割出来的图像。根据泽尼克(Zernike)变换,计算Zernike矩,并提取滑窗加权Zernike矩作为特征不变量。最后,利用最近邻准则进行分类识别。仿真结果表明:利用滑窗加权Zernike矩作为特征向量,克服了SAR图像对方位的敏感性,有效地提高识别率,对SAR图像识别是有效的和稳健的。     

基于SNR估计的MQAM信号调制识别算法

针对现有多进制正交幅度调制(MQAM)信号调制方式的不足,提出了一种改进的MQAM信号调制识别算法。该算法对通信系统中信号的信噪比(SNR)进行估计,通过计算MQAM信号矢量图的最小环带的方差,得到不同调制类型的QAM最小环带的方差,最后根据估计的SNR与信号求出合适的参考门限,与之前求出的最小环带的方差进行比较,完成调制方式的识别。该算法运算量小,识别率高,且适用于实际工程应用。仿真结果表明在SNR≥-1?dB时,5种不同阶数的QAM信号的识别概率≥96%。