一种新型基于运动补偿的自适应去隔行算法

去隔行是电视图像增强处理和视频格式转换的一项关键技术，传统的去隔行算法存在着难以克服的缺陷。文章提出了一种基于运动补偿的自适应去隔行算法，其中包括双向块匹配运动估计，消除块效应和自适应插值三个处理模块，实验证明本算法能够高质量且鲁棒地将场图像重建为帧。     

基于全卷积神经网络的SAR图像目标分类

近年来,卷积神经网络(Convolutional Neural Network,CNN)在合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标分类中取得了较好的分类结果。CNN结构中,前面若干层由交替的卷积层、池化层堆叠而成,后面若干层为全连接层。全卷积神经网络（All Convolutional Neural Network, A-CNN）是对CNN结构的一种改进,其中池化层和全连接层都用卷积层代替,该结构已在计算机视觉领域被应用。针对公布的MSTAR数据集,提出了基于A-CNN的SAR图像目标分类方法,并与基于CNN的SAR图像分类方法进行对比。实验结果表明,基于A-CNN的SAR图像目标分类正确率要高于基于CNN的分类正确率。     

LFMCW雷达高速运动目标检测与估计

针对LFMCW雷达高速运动目标的检测问题,本文提出了一种二次混频与MTD处理相结合的方法。根据上、下调频差拍信号对称特点,采用二次混频处理解决多周期信号中心频率偏移问题,同时实现了距离-多普勒解耦合。MTD处理则等效地实现了多周期信号的积累,并得到目标速度估计。然后根据速度估计值对差拍信号进行运动补偿,获取目标距离信息。性能分析结果表明,与传统MTD方法相比,在输入信噪比一定的情况下,该方法的处理增益不受目标多普勒的影响,因此更适用于高速运动目标的检测。仿真结果验证了该方法的有效性。     

红外目标恒虚警率探测算法研究

依据非制冷红外成像探测系统噪声分析结果建立噪声数学模型,以二元假设与极大似然比检验为基础,提出了应用于非平稳高斯噪声下的目标恒虚警率(CFAR)探测算法.该算法的目的是在无先验知识、不稳定的噪声环境中寻找已知外形的目标.经过与固定门限方法以及高斯模型二元假设恒虚警率探测算法比较之后得出,文中的算法在探测低信噪比小目标时有较高的探测概率,并且对噪声具有自适应性能,仿真实验验证了该方法的正确性和可行性.     

粒子滤波算法在TBD目标检测中的应用

提出了基于生存概率模型的目标检测滤波器设计,实现了基于序惯Monte-Carlo采样粒子滤波方法.优化设计了目标生存概率的算法;给出了粒子滤波器的TBD算法的理论推导及数值计算过程.仿真实验表明:基于粒子滤波器的TBD算法能够检测低信噪比的目标.     

单通道扫描模式SAR/GMTI技术

首先介绍了地面动目标指示的原理,对动目标频谱进行了分析,详细讲述了单通道扫描模式地面动目标检测的原理方法,给出了动目标检测流程图。根据扫描模式下运动目标频谱特性,通过多普勒参数估计、杂波谱宽估计和抑制、帧间频道偏移估计及对齐等技术,有效解决了天线扫描引起的帧间频移问题。根据每个频道代表的频率以及所在的波位推算出动目标的运动参数,多帧分频道检测得到不同速度的动目标运动轨迹。结合实测数据,给出了单通道扫描模式下的地面动目标的检测结果。     

基于分形曲面尺度斜率特征的弱小目标检测

鉴于弱小目标检测所固有的难点及常用的检测方法不能准确、稳定地检测出目标,提出了运用分形曲面尺度斜率特征检测弱小目标的方法。通过实际数据分析可以得出:相比常用的分形维数和分形拟合误差等检测特征,分形曲面尺度斜率特征在表征人造目标与自然背景的差异上更加明显,在抗图像噪声干扰上也更为优异,有着更强的鲁棒性。该方法普遍适用于检测自然环境中的弱小目标,尤其在对空弱小目标方面,检测概率更高。无论背景、飞行姿态、目标类型发生怎样的变化,经本文算法运算后只需一步简易的分割就可以检测出微弱暗小目标。     

基于拓扑不变性的深空背景暗弱目标检测方法

通过分析深空背景图像的特点,提出一种基于拓扑不变性的深空背景暗弱目标检测方法。首先,使用基于拓扑不变性的图像匹配方法以首帧图像为基准对序列图像进行匹配;然后,进行背景滤除;最后,利用基于Hough变换的方法对图像进行暗弱目标检测,从而获取目标信息。为验证提出算法的有效性,使用STK软件制作若干幅半仿真序列图像进行实验。结果表明:提出的算法对空间碎片的检测能力超过了SMP和SBV两种算法;算法的计算效率与SMP算法相当,比SBV算法高。     

基于深度帧差卷积神经网络的运动目标检测方法研究

复杂场景中的运动目标检测是计算机视觉领域的重要问题,其检测准确度仍然是一大挑战.本文提出并设计了一种用于复杂场景中运动目标检测的深度帧差卷积神经网络（Deep Difference Convolutional Neural Network,DFDCNN）.DFDCNN由DifferenceNet和AppearanceNet组成,不需要后处理就可以预测分割前景像素.DifferenceNet具有孪生Encoder-Decoder结构,用于学习两个连续帧之间的变化,从输入（t帧和t+1帧）中获取时序信息;AppearanceNet用于从输入（t帧）中提取空间信息,并与时序信息融合;同时,通过多尺度特征图融合和逐步上采样来保留多尺度空间信息,以提高网络对小目标的敏感性.在公开标准数据集CDnet2014和I2R上的实验结果表明：DFDCNN不仅在动态背景、光照变化和阴影存在的复杂场景中具有更好的检测性能,而且在小目标存在的场景中也具有较好的检测效果.     

可用于动目标探测的新型电光扫描装置

目标探测器是导弹的重要组成部分。在对空中动目标探测时，由于导弹与目标在空中遭遇的随机性与瞬时性，要求主动光学目标探测器全方位快速扫描与探测。现有的定制扫描探测技术，不能窄波束动态扫描。技术发展需要寻求二维平面成像甚至三维立体成像高分辨率的扫描探测新体制。文中介绍了一种新型的激光扫描装置一电光扫描阵列装置。简要阐述了其工作原理，分析了器件结构、光波导效应对扫描特性的影响，研制了4光波导阵列芯片及相应驱动电源，并成功地进行了初步的试验，验证了该器件快速广角扫描的可行性。该技术必将为主动光学目标探测器的激光成像探测新体制提供新型扫描技术与器件。