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。     

自动目标识别中的图像序列质量评价方法

图像质量评价是自动目标识别(ATR)性能评估中的重要组成部分。传统的评价指标如目标信噪比(SNR)等针对的皆是单幅图像,而对于图像序列质量评价的研究尚属空白。针对该问题,该文首次提出了帧间目标变化程度的概念,利用其定量描述图像序列的质量。该指标融合了3部分信息：图像序列中帧间目标区纹理变化的信息,帧间目标大小变化的信息以及帧间目标位置不规律的信息。为验证所提指标的有效性,设计了用于分析帧间目标变化程度和ATR算法实际效果关系的实验,实验用样本为真实的目标图像序列。实验结果表明,帧间目标变化程度与ATR算法性能具有很强的相关性,基本呈现单调关系,是一种有效的图像序列质量评价标准。     

地面战车红外图像自动目标识别关键技术研究

瞄准未来高技术战争,选择地面战车为研究对象,系统地研究了红外图像自动目标识别的若干关键技术。首先比较了三种建立红外图像数据集方法的性能。接着分析了传统红外图像分割技术的缺陷,提出了一种针对地面背景中战车红外图像的分割技术,该方法有效地克服了过分割和欠分割的问题。然后讨论了红外目标的七大类特征,提出了一种确定最优特征向量的方法。最后以支持向量机作为分类器,讨论了核函数、核参数以及惩罚因子对识别率的影响,并运用网格搜索法确定最优的参数组合。     

基于红外多光谱图像相关性的自动目标识别算法

提出了一种基于红外多光谱图像相关性的自动目标识别新算法．根据目标、背景和干扰物的红外多光谱特征信息(辐射强度、光谱分布)构造出目标场景的红外多光谱特征矩阵；采用最大距离法分割图像，融合空间和光谱信息重构出研判目标的红外多光谱特征矩阵；根据研判目标的光谱辐射差异特性建立了红外多光谱图像相关识别准则．实验表明，该识别算法正确可行．     

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。     

红外图像目标识别的预处理技术研究

红外图像目标识别系统,由图像预处理、特征提取及模式分类组成,红外图像目标识别的图像预处理包括滤波降噪、图像增强、图像分割等。滤波降噪有邻域平均、中值等滤波方法,图像增强可通过微分、Butterworth高通滤波和形态学高低帽变换完成,图像分割采用阈值分割技术和形态学方法实现。综合比较各种处理方法,采用中值滤波进行降噪、高低帽变换进行图像增强、阈值分割与形态学处理结合进行图像分割,较好地实现了红外图像目标识别的预处理。     

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.     

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。     

海面船目标红外图像的计算机模拟

在海面船目标独立红外图像理论模拟研究的基础上，探索了船目标与海天背景合成的红外图像计算机模拟原理和方法。理论模拟采用将大气海面组成的背景与船目标分离成像，然后进行图像合成技术方案。讨论了相关的原理和计算方法，用编制的计算和显示软件对典型实例进行了计算。     

基于分形理论的红外图像机场跑道自动目标识别

针对红外机场跑道航空图像特点,提出一种新的基于纹理结构的机场目标自动识别方 法。根据红外图像中机场目标的灰度和分形几何特征,利用先假设后检验方法对感兴趣区域进行分割;然后利用形态学滤波完成机场跑道潜在目标的进一步分割;最后,根据机场跑道的几何特征,连接图像边缘点寻找机场跑道的两条平行直线;根据纹理图像直方图统计特征完成机场目标的自动识别。实验结果证明:该方法有较高的自动目标识别率和计算实时性。     

嵌入式红外目标识别跟踪系统的研究

本文研究的嵌入式红外目标处理系统基于ATR技术,它可以用来实现对动态红外目标的自动识别与跟踪。根据功能的要求,设计了一个包括红外信号采集处理模块、自动目标识别跟踪模块和嵌入式主控模块三部分的嵌入式处理系统。该系统可高速实时地处理动态目标,具有友好的人机交互界面;对提高目标识别的速度,实现系统的小型化有着积极的意义。文章重点介绍了系统各功能模块软硬件的具体实现。     

基于线性回归的SAR目标方位角估计方法

方位角估计是合成孔径雷达(SAR)图像自动目标识别研究中的一个重要问题。一般而言,基于SAR图像的目标方位角估计方法应满足精度高、速度足够快、对目标部署条件的变化具有一定的稳健性。文中在分析现有的SAR图像目标方位角估计方法优缺点的基础上,给出了一种有效的基于线性回归的SAR图像目标方位角估计方法,并通过对大量实测MSTARSAR图像目标方位角的估计试验,详细分析了该方法对SAR图像目标方位角的估计性能。     

对红外序列图像中小目标分割的研究

针对在云天背景下运动红外小目标的分割,对目标在图像序列表现出来的特性进行了分析.根据目标不仅在单帧图像中有自己的灰度分布特性,而且它们的灰度在相邻图像中也具有连续性,提出了一种新的分割方法.该方法把单帧图像的处理结果与相邻多帧图像滤波结果相结合,大大提高了目标的分割的精度.实验证明,该分割方法十分有效.     

红外图像中快速运动目标的检测与跟踪方法

红外热成像图像具有分辨率较低,细节模糊,对于快速运动目标适应性较差的特点.本文提出了一种结合目标检测算法,目标跟踪算法的红外图像中快速运动目标的检测与跟踪方法.该方法根据红外图像特点,使用ViBE算法检测运动目标,检测出图像中显著运动目标后,触发跟踪器,使用fDSST目标跟踪算法对显著运动目标进行跟踪.测试结果表明,该方法对于快速运动的红外图像目标能够高效检测、快速跟踪.检测与跟踪效果相对传统方法具有检测率更高、鲁棒性更好、实时性更强的优势,对于红外图像中目标检测与跟踪具有很强应用价值.     

基于分形特征的机场跑道识别算法的研究

典型目标的检测识别是精确制导武器的关键技术之一.根据红外图像中机场跑道的分形维特性,文章提出并实现了一种利用目标分形几何特征检测机场跑道区域,并进一步分割、识别潜在目标的新算法.仿真实验结果证实该算法成功地识别出了机场跑道.本文的算法运算量较小、适合于实时处理,适用于人造目标的自动识别.     

红外图像识别跟踪初探

简单介绍了红外图像识别跟踪的流程.对实时图像信号处理器的硬件结构采用了模块化设计,使之能完成背景杂波抑制、目标特性分析、威胁鉴别与分类、主跟踪目标选定以及目标跟踪与预测等功能,提高目标跟踪的精度.     

红外图像序列中运动弱小目标检测的方法研究

研究在红外图像序列中检测运动弱小目标的方法.首先通过高通或形态学滤波进行图像预处理,进一步用似然比检测分割出候选目标,考虑到环境干扰造成的目标在某一帧暂时消失的情况,提出了利用目标运动特征通过选择合适的邻域判决条件并结合图像流分析提取运动弱小目标的一种方法.模拟实验表明该方法能够准确高效地检测出运动弱小目标.     

基于压缩感知的SAR图像目标识别

提出一种基于压缩感知的合成孔径雷达图像目标识别方法,将目标识别问题转化为稀疏表示的近似求解问题。该方法利用测试样本在全体训练样本基下的稀疏性,实现样本间的近似稀疏表示。通过考察稀疏系数主要集中于样本真实类别之上的分布特性,研究了稀疏系数本身对目标类别具有的可区分能力,最后基于稀疏系数的分布特性设计分类算法完成目标识别。基于MSTAR数据中三类目标的实验证明,与目前已有的几种典型方法相比,该方法可以取得更高的识别率,是一种有效的合成孔径雷达图像目标识别方法。     

基于(A)Trous算法的红外序列图像中运动目标的检测与跟踪

主要研究了红外图像中运动点目标的检测及跟踪问题.在复杂背景下,根据小目标在红外影像中容易丢失的特性,利用Atrous小波变换对图像非抽取(变换后图像数据未损失)的优点对红外图像进行了背景抑制与增强.通过聚类分割算法分割出了可疑目标,并采用八邻域分析算法准确跟踪并提取出了运动小目标.试验结果表明,本文算法在对红外序列图像中的运动目标进行检测与跟踪时具有较强的实用价值.