一种改进的自适应关键帧提取方法

针对关键帧提取方法中关键帧数目固定,不能根据镜头自适应调整的缺点,将帧间差法与运动变化信息熵方法相结合,提出一种自适应关键帧提取方法。根据镜头的变化确定提取的关键帧数目,采用运动信息的变化熵来提取关键帧,构建关键帧提取的数学模型,并通过实验进行验证。实验结果表明、该算法明显优于等间隔关键帧提取算法,提取的关键帧能较完整地表现序列图像的运动过程,更有利于对视频内容的理解。     

结合关键帧提取的视频-文本跨模态实体分辨双重编码方法

现有的视频-文本跨模态实体分辨方法在视频处理上均采用均匀取帧的方法,必然导致视频信息的丢失,增加问题的复杂度。针对这一问题,提出一种结合关键帧提取的视频-文本跨模态实体分辨双重编码方法（DEIKFE）。以充分保留视频信息表征为前提,设计关键帧提取算法提取视频中的关键帧,获得视频关键帧集合表示。对于视频关键帧集合和文本,采用多级编码的方法,分别提取表征视频和文本的全局、局部和时序的特征,将其进行拼接形成多级编码表示。将该编码表示映射至共同嵌入空间,采用强负样本跨模态三元组损失对模型参数进行优化,使得匹配的视频-文本相似度越大,而不匹配的视频-文本相似度越小。通过在MSR-VTT、VATEX两个数据集上进行实验验证,与现有方法进行对比,在总体性能R@sum上分别提升了9.22%、2.86%,证明了该方法的优越性。     

基于改进的MFCC战场被动声目标识别

从战场声信号与语音信号特征的相似性出发，提出基于MFCC参数的战场声目标识别方法。针对战场环境存在强噪声干扰情况，提出一种改进的MFCC特征参数（DWTMFCC）提取方法，该方法将小波分析和Mel倒谱分析结合，提高了特征参数的鲁棒性。仿真结果表明：在噪声条件下，利用DWTMFCC参数进行声目标识别，平均识别率比MFCC参数高出3．134个百分点，信噪比为5dB时．识别率仍达到93．67％。     

一种基于差帧图像融合的弱小目标增强方法

为了能够在小目标检测时更加容易和准确的检测出弱小目标,提出了一种基于差帧图像融合的弱小目标增强算法,该方法首先对视频相邻帧进行差帧处理,然后对差帧结果进行图像融合,最后把融合结果与原视频帧图像的低频分量进行差分运算获得增强图像.实验结果表明该方法的正确性,实现了对弱小目标的有效增强.     

基于CAS理论的战场目标选择

针对传统战场目标选择方法的局限性,将CAS理论运用到了战场目标选择中。在介绍CAS理论的基础上,分析了战场目标的复杂性特征,研究了基于CAS理论的战场目标选择原则和理论基础,描述了目标选择流程,最后给出了一个应用CAS理论的战场目标选择案例。     

基于时空卷积特征记忆模型的坦克火控系统视频目标检测方法

视频目标检测技术是提升坦克火控系统战场目标搜索能力的有效手段。针对面向坦克火控系统的视频目标检测任务,提出一种基于时空卷积特征记忆模型的视频目标检测方法。将时空卷积特征校准机制与卷积门控循环单元相结合,建立时空卷积特征记忆模型,同时对多个视频帧中目标的表观特征及运动信息进行建模,以传递并融合视频帧中的目标信息。在特征提取网络以及检测子网络中结合可形变卷积,在检测过程中应用视频序列非极大值抑制,提高对形变以及遮挡目标的检测能力。构建一个包含多种目标类型、尺度、遮挡等条件的坦克火控系统视频目标检测数据集,为多种目标检测方法的测试提供依据。测试结果表明,与R-FCN、 D&T以及MANet等目标检测方法相比,所提方法的平均精度均值最高,能够更好地满足装备的应用需求。     

基于AR模型和线性调频变换的一种高分辨率频谱特征提取方法

提出基于ＡＲ模型获取目标极点信息，利用该信息对线性调频变换进行初始参数的设置，雷达视频回波线性调频变换可获得高分辨率频谱特征，用这种方法对实地录取的地面目标视频回波数据进行处理提取高分辨率频谱特征，利用所构造可分性测度计算了该模式特征的可分性测度值，并与付里叶谱特征的可分性测度值比较，结果证明所提出的方法具有更好的可行性，是一种良好的高分辨率目标频谱特征提取方法。     

基于时空LBP特征的自适应运动目标提取算法

传统的运动目标检测算法主要基于像素值的统计模型,对于光照突变和噪声极为敏感。为此,提出了一种基于时空LBP建模的自适应运动目标检测算法。通过使用结合了时序信息的LBP描述视频图像序列中像素特征,通过经典的高斯混合模型对像素特征进行建模,提取出运动目标。实验结果表明,该算法能够适应光照变化,具有良好的检测性能。     

一种基于运动目标识别的智能视频监控系统

针对武器试验现场飞行目标降落中事故多发的现状,设计一种基于运动目标识别技术的智能视频监控系统。系统采用采集前端-服务器端-决策模型。利用背景差分法和帧间差分法检测运动目标图像,从而实现视频运动目标的自动分割;采用轮廓提取和边缘检测技术进行目标识别;最后用特征算法提取目标的特征参数,从而判断目标的参数信息是否会对降落安全构成威胁,做出进一步决策。对实现系统功能所需的关键技术进行详细介绍,在Visual C++6.0中用OpenCV实现相关算法的设计,并给出部分关键代码。仿真实验结果表明:该系统能满足智能监控的基本要求,精确显示运动目标在靶面上的位置,可根据客户需求识别运动目标。     

AR谱结构特征提取及其对车辆目标的识别效果分析

针对车辆噪声识别问题,在对实测的４种车辆噪声进行预处理和ＡＲ谱估计的基础上,提取了谱重心,谱面积和卓越频率成分等几个特征量。实测的车辆噪声数据检验表明,基于ＡＲ谱结构提取的这几个特征具有良好的稳定性,且对车辆目标具有良好的识别效果,这对最终完成战场声目标模糊模式识别具有重要的参考价值。     

海上联合作战战场态势估计关键技术

为了得到客观和准确的海战场态势,从目标识别技术、海战场态势信息检验技术和预测技术3方面对海战场态势估计关键技术进行了探讨,并从完备性、准确性和时效性3方面对联合作战海战场态势信息的检验进行检验,并建立矢量型的时空数据模型和面向对象的时空数据模型对海战场态势进行预测,给出了具体方法。该研究可为海军通用联合作战海战场环境态势估计技术的研究提供参考。     

逼近理想排序法在海战场目标威胁评估中的应用

逼近理想排序法被用于对海战场威胁目标进行评估.此方法先定义正理想和负理想方向,并将二者作为理想化的最具威胁和最不具威胁的基点.由此权衡各威胁目标对于正理想方向的靠近程度.再对空中、水面和水下各威胁目标进行排序,从而完成其威胁评估.仿真表明该方法能适应现代海战场的要求.     

复杂网络在战场Ad Hoc网络攻击目标选择中的应用

为确定对战场Ad Hoc网络e目标打击的排序,运用复杂网络方法,构建了战场Ad Hoc网络模型,分析了网络的基本特征,并对网络特征参数进行了计算;依据不同中心度的攻击方式,通过计算网络效率的变化情况,分析打击策略的有效性,并以节点中间中心度作为主要依据,确定了目标打击顺序。     

改进的YOLOv3算法及其在军事目标检测中的应用

复杂环境下军事目标检测技术是提高战场态势生成、分析能力的基础和关键.针对军事目标检测任务在复杂环境下传统检测算法的检测性能较低问题,提出一种基于改进YOLOv3的军事目标检测算法,通过深度学习实现复杂环境下军事目标的自动检测.构建军事目标图像数据集,为各类目标检测算法提供测试环境;在网络结构上通过引入可形变卷积改进的R...     

一种基于犹豫模糊决策的战术目标分析方法

针对作战中如何利用模糊信息进行指挥决策的问题,提出一种基于犹豫模糊决策的战术目标分析方法。 根据目标信息和人工分析特点,利用多个分析人员的知识经验进行判断,将犹豫模糊决策的相关方法引入目标分析 中,采用模糊多属性决策的相关算法分析确定战术目标的性质类型,得出最佳分析结果。计算结果表明：该方法可 为战场态势分析决策提供依据,同时也为目标决策辅助系统的开发提供良好的算法支撑。     

无人机协同作战的目标分配算法研究

针对当前无人机作战能力不强、实战经验不足、不能进行高强度空战的问题,对无人机所处的战场态势进行评估。在综合考虑了我机攻击态势和敌方抗击能力2个主要因素的基础上,采用威胁指数法,以单机对敌的优先权为基础,选择打击威胁度高的目标。增加了地面目标的威胁,并根据基于态势的目标分配方法实现目标分配,最大限度地保证我方无人机的安全。仿真结果表明:该方法较好地解决了当前无人机协同作战的目标分配问题,最大限度地发挥了无人机协同作战的效能。     

应对战场电磁干扰的自适应动态指标配置方法

在敌我双方对抗中,持续性电磁冲突和干扰可能导致用频装备效能下降甚至瘫痪,如何在电磁干扰环境下实现快速响应并精确配置元器件参数,已成为打赢现代化战争的关键能力之一。针对战场电磁干扰具有不确定、动态、多维等特点, 在指标属性权重和时序权重未知的决策环境下,提出一种基于灰色靶心决策理论的自适应动态指标配置方法。以靶心度为衡量标准,纵向给出多时序区间的自适应灰靶决策模型,横向给出采集区间时序的自适应调整方法,以实现对策指标自适应调整和确定。结合战场电磁干扰类型及原理,构建了自适应动态指标配置模型。仿真实验结果表明,与标准算法对比,该改进算法具有可行性与精确性,可为决策者科学合理配置装备指标参数提供参考。