红外目标测量图像高精度定位方法

为解决红外目标图像定位算法易受干扰而影响定位精度的问题,根据红外目标测量图像的灰度分布特性,依据测量目标定位的要求,利用红外目标图像中每层灰度质心位置恒定的特点,提出了一种基于多质心的红外目标图像高精度定位方法.通过对每层灰度质心的聚类处理,成功地避开了测量图像噪声及背景灰度非均衡的影响,有效地提高了质心算法的定位精度.实验结果表明:该方法定位精度高,抗噪声能力强,算法效率高,易于实现,已在实际图像测量中得到充分应用.     

基于图像矩和小波能量的红外目标特征提取

特征提取是目标分类和识别的基础。图像矩反映了物体灰度相对于质心的统计分布情况。目标的红外图像信息在小波域主要集中在低频部分。文章中提出了一种提取红外目标不变特征的新方法,利用该方法提取的特征向量,对红外目标图像进行了分类识别。实验结果表明:这种方法对精确制导武器的目标识别具有较高的实用价值。     

基于时空域融合的红外弱小目标检测新方法

针对复杂背景下红外弱小目标的检测问题，提出一种基于时空域融合的检测方法。在空域上．通过灰度形态学Tophat变换抑制背景、增强目标；在时域上．对红外图像序列连续四帧进行沿时间轴一维小波变换，实现目标和背景的分离。然后对时空域融合的目标增强图像进行自适应阈值分割来提取弱小目标。实验结果表明。该方法能有效地检测运动红外弱小目标。     

基于模板匹配的前视红外目标识别方法

针对固定目标红外图像中边缘模糊,难以分割和识别的情况,提出了一种基于模板匹配的目标识别方法。由高程数据和正射影像等卫星数据生成目标区参考图和基准图,在基准图中根据归一化Laplace响应确定目标区特征尺度作为目标检测的先验知识,对实时图及灰度反转实时图进行匹配滤波,检测出候选区域,再对候选区域进行基于Hausdorff距离的模板匹配,从而得到最终识别结果。实验结果显示:该算法识别精度高、速度快,对于复杂地面目标前视红外图像的匹配识别具有一定的应用价值。     

目标、背景和干扰的视景仿真与红外热图像模拟

文中介绍一种红外图像的仿真方法,通过建模软件CREATER建立目标、背景和红外干扰弹的三维模型,构建一个三维场景.根据运动学和动力学方程,使目标和干扰按照各自的运动模式运动,实时地进行目标、背景和红外干扰弹的可见光视景仿真;分析目标、背景和干扰的红外辐射特性,用红外计算模块计算出传感器路径上大气衰减,将经过大气衰减和传感器化的目标辐射强度量化为灰度图,赋予场景中的三维实体,通过视景仿真软件VEGA模拟生成红外导引头探测到的含背景、红外干扰弹的目标红外热图像的量化灰度图.     

基于粒子滤波的目标图像多特征融合跟踪方法

研究了序列图像中红外弱小目标的检测跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于粒子滤波的目标图像多特征融合跟踪方法.从红外序列图像中提取了局部灰度均值对比度、局部梯度均值对比度、局部熵和灰度分布四个典型特征,根据各个特征对弱小目标检测的贡献,自适应地进行特征融合.在粒子滤波的框架下,将融合后的特征信息转化为粒子的权值,对红外弱小目标进行跟踪.仿真试验表明,该算法有着良好的检测与跟踪性能.     

复杂背景下红外弱小目标图像增强算法

针对红外弱小目标图像人工识别困难的问题,提出了一种基于模糊C均值（FCM）聚类技术的红外图像增强算法。该算法首先对红外图像进行聚类分析,然后将各类分别赋予不同的灰度值,从而增大目标边缘梯度。实验结果表明,此算法能够在确保不损失目标信息的前提下,最大限度地增强弱小目标图像。     

基于红外目标局部灰度特性分析的管道滤波方法

提出了一种新的管道滤波方法并将其应用于红外图像序列中弱小运动目标检测。首先采用局部灰度特征分析的方法对图像序列的一帧进行逐点检测,检出候选目标;然后对每个候选目标建立管道,利用局部灰度特征的分析方法判断后续帧的管道区域内是否仍然存在目标,保留仍然存在目标特征的管道,清除不具备目标特征的管道。该方法不需要对每一帧图像都进行复杂的管道建立、维持、消除等操作,具有丢失目标后快速重新捕获能力。实测红外图像序列的实验结果证明了所提方法的有效性和抗干扰能力。     

基于对极几何学的红外目标姿态估计

通过红外导引头获得目标不同姿态的图像序列,利用数字图像分析技术提取序列图像的匹配点。采用对极几何学方法求解匹配点之间的变换关系,并解算出目标三维空间信息,进而求得目标姿态信息。本方法彻底摆脱了目标表面控制点要求,简单、可靠地实现了对红外非合作目标相对姿态的估计。     

基于局部窗口的红外弱小目标检测方法

在分析红外图像中弱小目标检测方法的基础上,提出了一种基于局部窗口检测红外弱小目标的新方法。该方法利用图像的局部信息预测背景,直接根据当前像素点与背景像素点的灰度差及固定的分隔阀值检测目标,可以在低信噪比、强度变化剧烈的图像中获得较高的检测率与较低的虚警率。实验结果表明了该算法的有效性。     

基于图像融合的弹群对地目标识别仿真研究

针对利用导弹集群进行智能化协同作战的问题,提出一种基于视觉的弹群对地面目标识别的仿真系统。研究主要包括基于RGB图像和红外图像融合的对地目标识别、有限通信范围的分布式弹间通信以及实时可视化弹群节点的感知态势。仿真结果表明：基于图像融合的识别算法能有效提升弹群节点对地面目标的识别效果,具有较好的工程可行性,基于分布式的有限通信范围的弹间通信有助于提升弹群系统整体的鲁棒性和信息传递的稳定性。     

红外目标识别中的分形理论

以分形理论为基础,为红外目标识别建立了一种新的数学模型。将上目标功率谱曲线离散化成数据序列。结合数据处理的方法,提取出具有对具体目标基本不变的特征量－能量维,这是分形维的具体表现形式。实验表明这种数学模型是可行的,并且具有较高的识别能力的可靠性。     

基于灰色综合关联度的空中目标威胁度评估

改进灰色关联度分析的方法，并引入灰靶理论的概念，建立综合差值矩阵以提高威胁度计算时的灵敏度和精确度；然后通过威胁隶属度确定空中目标各项指标的权重，再对空中目标的威胁度进行计算并排序。实例应用该算法，评估得到的结果与遗传神经网络模型评估的结果完全一致。     

基于塔型对偶树方向滤波器组的弱小目标背景抑制方法

复杂背景抑制是红外监视告警系统探测远距离目标的一个难题,提出了一种将塔型对偶树方向滤波器组与改进的视网膜皮层理论相结合的弱小目标背景抑制方法。首先,采用塔型对偶树方向滤波器组对图像进行多尺度、多方向分解,提取图像的多尺度和方向细节特征;然后,根据目标和背景杂波信号的差异,通过应用改进的视网膜皮层理论公式调整分解后的各子带系数,从而将红外图像中弱小目标信号和背景杂波分离,达到抑制背景的目的。与二维最小均方误差和最大中值滤波方法相比较,实验结果显示该方法能有效地检测出信杂比在1.6以上的目标。     

基于区间数灰色关联决策的电力目标选择方法

针对传统方法不能很好地解决战场决策信息不确定的目标选择问题,通过对影响电力目标重要程度的评价指标进行分析,应用区间数灰色关联决策方法完成了电力目标选择模型的构建。模型中的指标权重通过组合赋权法获得。经实例验证证明,该方法是科学、合理的,对战时的指挥决策起到了较好的辅助作用。     

灰靶贡献度技术的改进与应用

针对灰靶贡献度理论存在的缺陷，提出了一套改进方法，即通过将以自然树为元素的贡献目标序列改进为以靶心度值为元素的贡献参考序列，解决了贡献度的不确定性问题。贡献度值的准确程度与所选同类方案以及影响因素的全面性均有关系。此外，还必须准确确定各性能指标的极性。通过武器系统分析的具体实例验证了改进的灰靶贡献度技术的有效性和实用性。     

基于多特征融合与粒子滤波的红外弱小目标跟踪方法

研究低信噪比复杂背景下的红外弱小目标检测和跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于多特征融合与粒子滤波的红外弱小目标跟踪方法.仿真试验表明,与单特征跟踪算法相比,该算法对复杂背景下的红外弱小目标具有更好的跟踪与检测性能.     

地面侦察雷达目标威胁度评估方法研究

根据目标状态参数和身份识别结果,对目标的威胁度进行评估是地面侦察雷达急需解决的问题。基于地面侦察雷达的目标属性集,利用隶属度函数、专家知识和贝叶斯网络构建了地面侦察雷达动态威胁度贝叶斯评估模型。经仿真验证,目标威胁度评估数据变化特征符合人的推理过程,对于多功能相控阵雷达,可根据目标威胁度自适应调度波束实现对目标的跟踪。     

一种基于灰关联的目标运动要素解算方法

针对线导鱼雷远距快攻的特点，探讨了一种纯方位条件下基于灰关联的快速获取目标运动要素的方法：将目标初距和速度进行合理划分，根据实测目标方位变化量计算舷角值，由此组合成不同的标准目标态势类，并通过仿真得到标准目标方位序列集。将实测目标方位序列作为参考序列，标准目标方位序列集作为比较序列进行灰关联分析，得出与实测目标方位序列关联度最大的标准目标态势类，将此标准类反演即可得出目标运动要素。大量的仿真试验证实，该方法能在相对短的时间内得出一定精度的目标运动要素，从而实现线导鱼雷的远距快攻。