排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
在末制导阶段,提出了基于灰度梯度分割的机头检测算法.首先利用平均梯度算子进行边缘检测,分割出目标区域和目标最亮区域,寻找各区域形心位置,通过判断目标区域形心和目标最亮区域形心位置,检测出飞机轴线,确定出候选机头信息;然后利用序列图像帧间较为稳定的相关特征进行D-S合成,对候选机头信息的可信度进行判断,得出准确的机头信息;最后利用数帧不同姿态的目标红外图像数据进行了算法验证.仿真结果表明:在末制导阶段,基于灰度梯度分割的机头检测算法,可有效地识别出机头,并具有较快的运算速度,可实现实时处理. 相似文献
2.
基于新陈代谢GM(1,1)模型的质心预测跟踪算法 总被引:1,自引:0,他引:1
针对红外成像制导跟踪系统转入预测跟踪状态,提出基于新陈代谢GM(1,1)模型的质心预测跟踪算法:首先采用目标丢失前的数帧目标质心坐标作为预测的原始数据序列;其次采用GM(1,1)模型进行预测;用预测出的新信息替换掉老的信息,对原始序列进行新陈代谢.该质心预测跟踪算法采用普通PC机在Matlab7.1仿真环境下进行仿真,用实际挂飞数据进行验证,其次还基于TMS320F2812DSP硬件平台进行了单帧仿真.仿真结果表明:新陈代谢GM(1,1)预测模型预测精度优于GM(1,1)预测模型. 相似文献
3.
在亚成像阶段,当目标持续释放多组诱饵且间隔极短时,提出了基于区域划分的绝对关联度抗复杂干扰算法.当通过诱饵出现检测算法检测出目标后,首先通过比较目标横、纵坐标突变率判断出目标的突变方向;其次,结合目标模板的长度和高度,根据突变方向对目标和诱饵的粘连区域进行区域划分,其中一块子区域必然包含目标的绝大部分:再次,计算各子区域与目标模板的面积的绝对关联度,通过比较绝对关联度的大小确定目标所在的子区域;最后,根据目标模板的长度和高度,对目标所在子区域进行二次划分,标定出目标.仿真结果表明:基于区域划分的绝对关联度抗复杂干扰算法正确识别率高,算法实时性好. 相似文献
1