基于多模态平稳序列建模的雷达高分辨距离像有限样本目标识别方法

为了解决雷达高分辨距离像识别系统对训练样本需求量过大的问题,提出了一种有限样本条件下的目标识别新方法。分析了距离像频谱幅度的统计特性,从其广义平稳性和多模态分布特性出发,定义一种线性混合高斯状态空间模型对其统计建模,利用期望最大化算法进行了模型参数估计。实验结果表明:即使在很少的训练样本条件下,该方法仍能获得较高的正确识别率和良好的拒判性能。     

基于统计特性的激光雷达距离像噪声抑制算法

激光成像雷达在工作时会受到噪声干扰,因此需要滤除距离像中无法反映真实信息的异常点。根据激光成像雷达距离像噪声的分布,推导出距离像中非异常值的分布特性,并提出了一种距离像异常值的判定条件。将判定条件表示为小范围内抽样分布的函数,利用稳健统计中的中位值法可估算出判定条件的取值,从而可以移除异常点得到噪声抑制后的距离像。利用该算法分别对激光雷达距离像进行仿真和实际获得的激光雷达距离像进行处理并进行数学分析,并与中值滤波进行了比较,结果表明基于统计特性的噪声抑制算法同时具有很强的噪声抑制能力和保护目标细节信息能力,可以满足激光成像雷达距离像噪声抑制的要求。算法充分利用了激光成像雷达较高的测距精度,可以应对多种场景下的需求,具有很强的实用性。     

基于粒子群分类器的雷达目标一维像识别

设计了一种用于雷达一维像识别的粒子群分类算法.新算法首先对数据样本预处理,利用粒子群优化算法通过训练数据进行分类规则的提取,根据提取得到的规则对雷达一维像进行分类识别.基于Bayes定理和随机状态转移过程对新算法的收敛性进行分析.通过对三种飞机缩比模型的实测数据的识别实验,验证了新算法对实测数据和加噪数据均具有较高的识别率.     

目标激光脉冲一维距离成像研究

根据激光雷达方程及粗糙面脉冲波束散射理论,提出了目标激光脉冲后向散射回波功率即激光一维距离像的计算表达式,并获得斜板、球和圆锥一维距离像的具体形式.数值计算结果与粗糙平板和圆锥激光脉冲回波强度实验数据比较,两者符合良好.数据分析表明,激光一维距离像曲线能够较好反映目标的纵向几何外形信息.我们着重讨论了入射激光脉冲宽度与目标径向尺寸对距离像的影响.上述研究可为激光波段的目标特征提取和识别提供理论依据.     

基于相干探测的目标激光一维距离像特性分析

为了实现对空间目标的远距离、高分辨率激光一维距离像探测及特性分析,在建立点目标激光一维距离像光外差探测模型的基础上,进一步通过三维建模的方式获取了三维目标的激光一维距离像。比较了圆锥体目标光外差探测获取的一维距离像与其距离分辨激光雷达散射截面、脉冲激光一维距离像之间的区别和联系,分析了目标尺寸、姿态、调频带宽以及表面材质对目标激光一维距离像的影响。实验结果验证了目标一维距离像能够反映目标外形特征,可为目标特性分析及识别提供参考。     

基于小波高频距离像的红外小目标检测

针对远距离复杂背景下红外小目标检测问题,本文提出了一种基于小波高频距离像的方法。该方法首先将处理空间变换到小波域,通过分析残留背景、目标和噪声系数在高频子带的差异,定义基于邻域均值的子带系数表达形式,构造高频子带系数的中心向量,对小波高频图像进行综合形成距离像,得到红外复杂背景的抑制结果。在此基础上,利用恒虚警率算法将单帧背景抑制图像分割成候选目标、残留背景和噪声像素点。最后,在时间域基于目标运动的相关性,利用管道滤波实现红外小目标的最终检测。仿真实验结果表明,相对于经典算法,本文方法可以实现对红外复杂背景的有效抑制,增强目标信号的强度,准确稳定的从红外复杂背景中检测出小目标。     

基于混合高斯模型的运动目标检测方法研究

为了能够及时检测到图像场景中的运动目标,提出一种基于混合高斯模型的运动目标检测方法。借助把图像的像素值看成是前景高斯分布和背景高斯分布的组合,进行了背景估计和自适应背景更新;通过对背景差分后的图像进行多目标分割,进行了多个运动目标的检测。实验发现:随着图像序列的背景不断变化,基于混合高斯模型算法能够准确估计出变化的背景,通过将场景图像和背景图像进行差分,检测到感兴趣的运动目标。     

相位补偿算法对提高太赫兹雷达距离像分辨率的研究

介绍了0.2 THz频率步进雷达系统以及获得一维距离像的方法,并利用0.2 THz雷达对角反射器进行距离像分辨率实验,分析了频率步进信号相位不一致对一维距离像以及分辨率的影响,提出了回波相位补偿的方法.经过相位补偿后,目标距离像分辨率和信噪比都显著提高,分辨率达到了厘米量级.仿真和实验结果表明,宽带太赫兹频率步进雷达经过相位补偿,可以对目标进行高分辨率成像,从而为太赫兹雷达二维和三维成像奠定了基础.     

相干激光雷达距离像的噪声抑制算法研究

激光雷达能同时成距离像和强度像,较其他的成像体制给出更多的有用信息。距离像的去噪是激光雷达图像处理的关键步骤,去噪的好坏直接关系激光雷达在跟踪、定位等方面的精确性。根据距离像噪声来源,采用结合强度像的多级中值滤波对实际的雷达图像进行了去噪处理。首先利用强度像3×3邻域均值和图像平均值消除失落信息影响,然后采用多级中值滤波消除逸出值。分别给出了各步处理结果,最终获得了较清晰的距离像。研究结果表明运用结合强度像的多级中值滤波方法能够有效地抑制相干激光雷达距离像的噪声。     

基于改进高斯混合模型的运动目标检测与跟踪算法

针对传统高斯模型存在的不足,为了搞高运动目标跟踪精度,提出一种基于改进高斯混合模型的目标检测与跟踪算法。首先提取目标特征建立目标分类器,并将目标从前景是标记出来;然后通过多目标跟踪将目标为多种运动模式;最后采用高斯混合模型对跟踪与分类的结果进行融合,获得最终目标的位置。结果表明,本文方法不仅提高了目标检测与跟踪精度,而且可高斯模型以较好的满足目标跟踪的实时性要求。     

一种新的激光雷达距离像噪声抑制方法

主要针对激光雷达距离像的距离反常噪声抑制问题,阐述了激光雷达距离像的噪声原理,分析了应用传统中值滤波方法抑制距离反常噪声的缺陷,提出了基于包围准则的自适应中值滤波算法。该方法首先根据包围准则检测噪声,对5×5滤波窗口内的像素值进行排序差分;然后选择低于门限长度最长的连续差分值对应的像素值作为距离正常值;最后运用中值滤波和加权均值滤波进行噪声抑制。实验结果表明,该方法有效抑制了距离反常噪声,且较好地保护了距离图像中目标的边缘细节,均方根误差分别比3×3和5×5窗口中值滤波法减少了27.1%和9.1%。     

一种光谱识别的新方法

提出了一种对光谱信号识别的新方法。针对光谱信号的特征 ,我们设计了基于径向基函数神经网络组成的统计混合模型 ,并构造了识别系统的代价函数。通过优化系统的代价函数 ,导出了类EM算法去估计混合模型的参数 ,从而构建对光谱特征识别的识别器。利用实际的拉曼光谱 ,对本文所提出的估计模型参数的算法与建立的光谱识别器进行了检验。我们还讨论了利用特征波长与相应的光谱强度 ,以及利用主分量分析组成输入特征矢量 ,及其这些输入特征矢量对光谱识别器应用的效果。实验结果表明 ,所提出的算法可以有效地估计模型参数 ,其建立的光谱识别模型具有较高的识别准确率。所提出的对光谱信号识别的方法通用性强 ,因此具有较为广阔的应用前景。     

基于复杂度的自适应门限弱小目标检测方法

针对红外弱小目标检测问题,提出了一种基于图像复杂度的自适应门限目标检测方法.讨论了天空中四类不同区域的图像信息熵.图像信息熵虽然较好地表达了图像的平均信息量,但对图像的突变点不敏感.将它改进得到图像方差加权信息熵,其较好地反映了图像的复杂度特征.将图像方差加权信息熵作为图像复杂度的定量描述,用两种特定的分析模板对图像复杂度进行分析.在目标区域中,两种分析模板得到的复杂度差异较大,而非目标区域的两种复杂度则基本没有差异.算法获取两种分析模板下的复杂度图像,再对两种复杂度图像做差,得到复杂度差值图像.对差值图像建立指数模型得到自适应分割门限完成目标检测.实验结果表明,该方法对低信杂比的红外云层背景弱小目标图像具有良好的检测效果.     

基于复杂度的自适应门限弱小目标检测方法

针对红外弱小目标检测问题,提出了一种基于图像复杂度的自适应门限目标检测方法.讨论了天空中四类不同区域的图像信息熵.图像信息熵虽然较好地表达了图像的平均信息量,但对图像的突变点不敏感.将它改进得到图像方差加权信息熵,其较好地反映了图像的复杂度特征.将图像方差加权信息熵作为图像复杂度的定量描述,用两种特定的分析模板对图像复杂度进行分析.在目标区域中,两种分析模板得到的复杂度差异较大,而非目标区域的两种复杂度则基本没有差异.算法获取两种分析模板下的复杂度图像,再对两种复杂度图像做差,得到复杂度差值图像.对差值图像建立指数模型得到自适应分割门限完成目标检测.实验结果表明,该方法对低信杂比的红外云层背景弱小目标图像具有良好的检测效果.     

基于高斯函数假设的图像频谱恢复特性分析方法

为了对图像复原算法频谱恢复特性进行分析和评价,提出了一种基于高斯函数假设的分析新方法。该方法假设光学传递函数H和退化图像频谱函数G为高斯函数,采用方差以及提出的方差比作为频谱宽度指标,对图像复原算法的频谱恢复特性进行定量分析和评价。分析中对H和G曲线设定两组方差,分无噪声和有噪声两种情况,计算出约束最小平方滤波法(CLS)和最大似然法(PML)等图像复原算法复原的图像频谱曲线及其方差和方差比,采用计算结果对复原算法进行定量的分析和评价,获得良好的效果。分析指出,最大似然法的频谱外推能力和噪声抑制特性均明显好于约束最小平方滤波法。对两种算法的分析评价实验表明,高斯函数假设分析方法是一种简便有效的图像频谱恢复特性分析方法。     

A New Method for Rotation and Brightness Invariant Pattern Recognition Based on Modified Multiple Circular Harmonic Expansions

A new method for rotation and brightness invariant pattern recognition was proposed by applying multiple circular harmonic expansions to the joint transform correlator. The amplitudes of the multiple orders of circular harmonic expansions made from a detecting image were synthetically modified to respond to the same auto-correlation peaks. These modified circular harmonic expansions were arranged in the input plane as reference patterns together with an arbitrary target pattern, and the correlation signals between them were calculated in the subtracted joint transform correlator. The fraction of the correlation-peak intensities between the target and the references were extracted as a new discrimination parameter. This new parameter performs pattern recognition under rotation and brightness invariance with good discriminability. Its high discriminability has been proved in computer simulations using the face image patterns of many individuals.     

基于谱线检测的发射线星自动识别方法

针对我国即将建成的大型巡天项目(LAMOST),给出了一种基于谱线检测的发射线星自动识别方法.主要步骤:1)通过获取谱线特征匹配值进行恒星谱线整体估计;2)利用提取出的恒星谱线特征检测恒星的巴耳末(Balmer)线;3)对获取的特征匹配值采用阈值法,并结合恒星Balmer线的检测结果,进行发射线里判别.通过对SDSS DR4所有光谱进行识别,共获得了242条具有恒星发射线的特殊天体.根据星表查询结果,这些天体包括发射线星、激变变星和一些未知特殊天体等.大量真实光谱数据实验表明,本文方法可有效识别发射线星.