一种基于GAN和自适应迁移学习的样本生成方法

研究了基于生成式对抗网络(GAN)和跨域自适应迁移学习的样本生成和自动标注方法。该方法利用自适应迁移学习网络,基于已有的少量可见光图像样本集,挖掘目标在红外和可见光图像中特征内在相关性,构建自适应的转换迁移学习网络模型,生成标注好的目标图像。提出的方法解决了红外图像样本数量少且标注费时的问题,为后续多频段协同目标检测和识别获得了足够的样本数据。实验结果表明:自动标注算法对实际采集的装甲目标图像和生成的装甲目标图像各1 000张进行自动标注测试,对实际装甲目标图像的标注准确率达到95%以上,对生成的装甲目标标注准确率达到83%以上;利用真实图像和生成图像的混合数据集训练的分类器的性能和使用纯真实图像时基本一致。     

运动目标的检测技术研究

在图像跟踪系统中 ,图像目标的快速检测识别是至关重要的。基于目标的形状特性以及目标与背景的关系 ,提出了目标的四个特征量。结合序列图像中目标的运动特点 ,给出了一个目标快速识别的方案。以两类飞机为研究对象 ,对所求得的四种特征量值进行了详细的分析 ,并将所提出的识别方案在计算机上进行了模拟仿真。实验结果表明 ,该方法能有效地实现运动目标的快速检测识别 ,基本上达到了实时跟踪的要求     

一种图像敏感对象的识别方法

针对现有的图像识别方法识别某一指定对象,提出了一种图像敏感对象的识别方法,该方法改进了现有目标识别的局限性;首先通过计算得到图像中对象的敏感度值,然后对图像对象进行纹理、色彩、形状和显著特征提取,最后结合敏感度值识别出图像中敏感度大的对象,并与经典的敏感度检测方法比较;实验结果表明该方法敏感信息丢失少,且能精确得到图像对象敏感度值,通过敏感度的不同,识别出人眼感兴趣的对象信息。     

基于多通道Gabor滤波器的高鲁棒灰度图像目标识别新方法

提出了一种针对低质量的灰度图像的基于多通道Gabor小波滤波器的高鲁棒目标识别新方法。主要是利用Gabor小波设计了滤波器,滤波器的中心频率是一个从低到高的范围。滤波器采用不同方向、不同尺度,从而组成多通道滤波器。对灰度图像直接进行小波变换,用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的灰度图像目标的特征,并对获得的小波特征归一化后输入到改进的BP神经网络分类器中进行分类识别。对四种不同的飞机灰度图像目标进行了分类识别仿真实验。结果表明,这种特征提取方法能有效地提取灰度图像目标纹理特征,并且对噪音和形状的变化具有强鲁棒性。在应用灰度图像对目标进行识别时,神经网络的训练时间减少到10min,识别率达到94%。     

基于特征级融合的多波段舰船目标识别方法

针对复杂情况下海上舰船目标单波段特征识别能力不足的问题,研究可见光、中波红外和长波红外三波段特征图像融合技术,重点解决图像融合方法中存在的算法耗时和融合策略选择的问题,提出了一种新的基于区域协方差矩阵的多波段特征级融合方法,针对可见光图像和红外图像分别设计11维和5维特征向量,协方差矩阵可以将多个特征进行融合,既保证了不同目标之间的区别性,同时又减小计算量。该方法首先利用显著性检测,快速定位图像中的目标区域,然后,针对不同波段图像设计的特征向量定义协方差阵的距离计算公式并进行匹配,通过对图像的一次遍历操作获得积分图像,在协方差计算时达到快速计算的目的,最后利用k-阶最近邻算法对多种舰船目标进行分类识别。利用实拍的3 400余张三波段舰船目标图像作为测试数据。实验主要分为两部分,首先对比单波段和三波段融合识别的识别率,验证所提出的融合方法具有更广的应用范围;然后,在计算效率上对比多种传统的像素级方法,验证采用的特征级融合在计算时间上的优势。实验结果表明,该方法可达到95.1%的识别率,单帧计算耗时约为0.5 s,在实时性和检测率方面都有明显提高。     

基于Gabor小波纹理特征的目标识别新方法

给出了一种基于Gabor小波纹理特征的目标识别新方法．主要是利用Gabor小波设计了一种多通道小波滤波器。对图像目标直接进行小波变换，用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的图像目标的特征，把获得的小波特征归一化后输入到改进的BP神经网络分类器进行分类识别．最后。进行了一系列的仿真实验，结果表明，这种特征提取方法能有效提取图像目标纹理特征，并且对噪音和形状的变化具有鲁棒性．在应用于目标识别时，神经网络的训练时间减少到lOmin，识别率达到94％．     

高频信息矢量匹配实现异源图像配准

介绍了一种通过提取红外与可见图像高频信息形成矢量模型的方法,该模型可用于可见和红外两种不同波段相同场景图像的配准。分析了红外与可见图像的共同特性,即边缘高频特性,并在作为模板的图像中提取这类高频信息。利用人工干预的方法形成矢量模型,该矢量模型可通过实时姿态信息进行实时三维变换,并重新投影为二维图形,据此可在另一图像中进行特征搜索,达到两者匹配的目的。利用实际数据进行了实验分析,结果显示,利用本文算法提取的矢量模型,经变换后能可靠地实现异源目标自动识别;实验证明此方法有效可行,并可推广应用于各种异源图像间的自动目标识别和配准处理。     

高频信息矢量匹配实现异源图像配准

介绍了一种通过提取红外与可见图像高频信息形成矢量模型的方法,该模型可用于可见和红外两种不同波段相同场景图像的配准。分析了红外与可见图像的共同特性,即边缘高频特性,并在作为模板的图像中提取这类高频信息。利用人工干预的方法形成矢量模型,该矢量模型可通过实时姿态信息进行实时三维变换,并重新投影为二维图形,据此可在另一图像中进行特征搜索,达到两者匹配的目的。利用实际数据进行了实验分析,结果显示,利用本文算法提取的矢量模型,经变换后能可靠地实现异源目标自动识别;实验证明此方法有效可行,并可推广应用于各种异源图像间的自动目标识别和配准处理。     

基于轮廓匹配的夜晚环境下猫眼目标识别方法

为了解决“猫眼”目标在夜晚环境下难识别的问题,提出了一种基于归一化中心矩的轮廓匹配“猫眼”目标识别方法。首先利用中值滤波对图像进行去噪,采用固定阈值分割完成了对图像的分割,使得“猫眼”目标与部分背景分离,使用Roberts边缘检测提取出了所有物体的边缘,最后采取了基于归一化中心矩的轮廓匹配算法,该算法不受平移和放缩的影响,提取出了图像中的所有圆形目标,并利用面积判别识别了真实目标,对识别出的目标绘制最小外接圆,利用圆心坐标对其定位。通过对不同光照强度下的“猫眼”图像进行实验与对比,验证了该方法的可行性,并通过目标识别评价指标验证了该方法的有效性。实验结果表明,该方法的全局准确率可达92.1%,可以在夜晚环境不同光照强度下成功地对“猫眼”目标进行识别。     

基于光谱信息的空间目标模式识别算法研究

在观测空间目标时,往往会受到地基观测仪器等因素的制约,导致无法利用目标图像信息从外形上进行识别。根据不同空间目标表面组成材料不同,其产生的反射光谱会存在差异这一特性,可利用空间目标特有的光谱信息进行识别分类。基于此,从光谱学角度对空间目标识别算法进行研究,在K最近邻算法(KNN)的基础上,采用了一种自适应权重局部超平面方法(AWKH),算法主要在计算预测样本与超平面距离时加入对特征权重的考虑,构建了以样本特征组间差与组内差的比值作为特征权重值的超平面模型,从而提高了分类效果和分类效率。为验证算法的分类效果,本文进行了四组验证实验,第一组实验将美国地质勘探局数据库中提取出的九种常用材料光谱随机选出三种混合成多类进行识别;第二、三组实验将四种常用空间目标材料的光谱作为纯物质光谱,分别从可见光和近红外波段对其混合物质进行分类;第四组实验通过实测四个方形模型样本六个面的光谱对其进行识别分类。实验过程中将实验结果与目前常用的支持向量机(SVM)进行对比,对比结果表明改进后的AWKH算法在识别精度和样本适用范围上具有更高的优越性。     

基于机器视觉的离散傅里叶变换目标识别方法

提出了一种基于机器视觉与离散傅里叶变换的目标特征识别方法。利用计算机图像技术采集和处理图像信号;利用离散的傅里叶变换对图像数据提取特征,能够更好的辨别数据细节,从而可通过图像的比对来实现目标的识别。该方法在对实际的静止图像进行处理与计算后,能够很好的对图像的细节变化进行识别。     

图像序列中目标关键帧快速搜索算法

在目标测量时所获得的图像序列中,如何定位目标关键帧(最有利于目标测量的图像)的位置,对目标识别的效率和测量设备的性能有着显著的影响.针对具有复杂特性的目标图像序列,提出了一种基于帧间像素灰度差值来定位目标关键帧的快速搜索算法.该算法仅仅利用像素灰度值这一最基本的特征,将图像序列中相邻两张图像的同一像素的灰度差值与给定阈值相比较,统计高于阈值的像素个数,再与另一给定阈值相比较,进而确定目标关键帧的位置.实验结果表明,该算法对目标大小不同、形状不同,环境不同,信噪比较高的图像序列都具有快速、稳定的搜索效果.     

低空高射武器观瞄系统的图像处理技术

初步探讨和分析了一种用于高射武器系统的自动跟踪、瞄准系统 ,并根据高射武器系统服务目标的特点 ,提出了一种适用于该条件下的目标识别方法 :利用峰值跟踪的特点找出视场中目标上的一点 (当视场中有目标存在时 ) ,以此点为生长点 ,按照一定的生长规则 ,寻找出目标区域 ,并对目标区域进行统计 ,解算出目标的几何中心。实验结果表明 :该算法能够平稳地跟踪图像中的目标 ,而且可以很容易地滤除图像中噪声的影响而不增加额外的时间     

纹理分析在红外目标识别中的应用

若背景有雾时，红外图像中的目标会受到影响而变得比较模糊。雾的纹理是一种比较典型的自然纹理，利用灰度共生矩阵提取纹理特征图像的方法，对雾天获取的红外图像进行分析。通过实验证明了该方法对红外图像中（背景有雾时）目标的提取和识别有积极的作用。     

基于结构张量的变分多源图像融合

提出了可以保持源图像特征和细节信息的基于结构张量的变分多源图像融合算法. 首先叙述基于结构张量的融合梯度场, 然后测量每幅源图像的特征图, 根据特征图为源图像的每个梯度构造一个权值, 将携带明显特征的梯度在融合的梯度场中凸显出来, 从而使源图像的特征和细节得到保持, 最后应用变分偏微分方程理论从目标梯度场重建出融合的图像. 实验结果表明, 本文算法融合图像的灰度平均梯度和信息熵均高于小波变换算法、塔分解法和直接梯度融合算法, 视觉效果上,融合图像很好的保留了源图像的特征和细节, 为图像目标检测和识别提供了高质量的图像信息. 关键词： 图像融合 梯度场 结构张量 变分法     

军用目标识别系统的研究与应用

介绍了目标识别系统的组成和工作原理,阐述了其关键技术和主要技术途径,通过收集目标各种角度下的图像,建立了军用目标图像模板库和目标识别系统,并进行了试验验证,目标识别结果证明了该技术方案的正确性和可行性。建立的目标识别系统能较好地弥补现役红外系统的缺陷,适应各种复杂的气候条件,提高我国舰船对军事目标的识别能力,满足舰船对光电设备应具有的目标识别能力的迫切需求。     

基于兴趣区域掩码卷积神经网络的红外-可见光图像融合与目标识别算法研究

建立权重独立的双通道残差卷积神经网络,对可见光与红外频段下的目标图像进行特征提取,生成多尺度复合频段特征图组.基于像点间的欧式距离计算双频段特征图显著性,根据目标在不同成像频段下的特征贡献值进行自适应融合.通过热源能量池化核与视觉注意力机制,分别生成目标在双频段下的兴趣区域逻辑掩码并叠加在融合图像上,凸显目标特征并抑制...     

多光谱分离算法在目标识别中的研究

针对野外工作时机械扫描式的光学系统抗震性差、目标识别率低、实时性差等问题,设计了采用多光谱分离算法实现非扫描目标识别遥感系统。采用非扫描的M-Z干涉具提供空间光程差,由红外CCD采集干涉条纹信息,经CUP处理得到混合光谱,结合可见光视频图像提供的坐标系实现识别目标。其中采用遗传算法优化选择特征波长,然后由粗糙集分类提取未知目标谱的属性,取前1/3可信度的相应属性反演待测目标种类,相比传统算法减少约9倍的运算量。在不同天气、不同背景条件下做实验,得到系统在各种情况下的探测极限及识别概率。由实验数据可知,采用遗传算法和粗糙集分类相结合的多光谱分离算法可以快速、有效地识别未知目标的种类。     

基于超椭圆拟合的水下小目标分类*

水下小目标分类技术在海底探测、水下考古等方面应用广泛,在实际的水下声图像中,小目标投影产生的阴影区域通常在形状和尺寸方面显著于目标本身产生的亮区,故阴影分析算法对于目标的检测、识别和分类均有重要的研究意义。本文采用超椭圆曲线拟合算法拟合目标阴影区域,通过控制超椭圆函数的几个参数变化,实现不同的超椭圆曲线拟合不同的目标阴影形状,并将控制超椭圆曲线尺寸、形状和位置的参数作为特征向量输入到分类器,通过对比多个分类器得出分类结果,证明了以拟合参数为特征的分类方法有效。     

High-resolution imaging of a long-distance target with a single-slit streak-tube lidar

Streak-tube lidar (STIL) is an excellent laser-imaging system, which can provide a high-resolution 4D-image. Compared to multi-slit STIL (MS-STIL), single-slit STIL (SS-STIL) can offer much higher image resolution using beam compression. This advantage is important for identification of a long distance target. We propose a method for increasing the SS-STIL-system resolution and perform an experiment on high-resolution imaging of a long-distance target. Since the beam-compression rate is limited due to the resolution of the streak-tube photocathode, we propose a method for defining the proper laser-beam shape in the STIL-system design.