卷积神经网络在飞机类型识别中的应用

为提高现代战争过程中对敌军飞机的识别能力,针对军用飞机样本量少、不同视角条件下形变明显的特点,提出一种融入center loss的卷积神经网络与ANN分类器结合的飞机类型识别方法.首先利用3Dmax软件制作的6000张5类飞机图片对构建的多层CNN模型进行训练,并利用这些图片的CNN特征训练ANN分类器,然后用训练好的网络模型和分类器对真实飞机样本进行预测分类.实验结果表明:在样本量少且目标形状复杂的情况下,该方法对5类军事飞机的识别精度可达到97.17％,是一种切实可行的飞机类型识别算法.     

基于局域网的拨号上网管理方法的设计与实现

文中通过对Windows API中网络服务函数(RAS)的调用,深入Windows内核,实现了应用程序对系统"网络与拨号连接"的直接控制.并利用VC++将其封装在动态连接库中,然后再通过Delphi的套接字机制在局域网内服务器和客户机之间建立起一种通信模式,最终实现了用户在客户端对服务器拨号连接的间接操作和自动管理.     

基于相关系数拟合的亚像素定位方法

亚像素技术是一种用软件方法来提高数字图像测量精度的方法,而基于相关系数拟合的方法又是亚像素方法中精度较高的方法之一,将其用在相关模板匹配中,将相关模板匹配的整数像素的定位精度进一步提高到亚像素.实验结果表明,基于相关系数拟合的亚像素定位方法可以很好的提高数字图像中相关匹配的定位精度到0.1～0.2个像素.     

基于改进高阶相关法的弱小目标检测

针对白天强光背景下强杂波图像序列,提出一种基于改进高阶相关法(modified high order correlation method,MHOCM)的杂波抑制和弱小目标检测方法.改进后的方法提出隔帧相关的组合方式,利用目标在连续多帧间具有持续强相关性的特点,通过迭代相关运算有效地抑制杂波,能在保持良好杂波剔除率的前提下将运算速度提高了两倍以上.在后续处理中,以形心代替原待识别目标进行识别,有效简化了识别过程并能快速剔除虚假目标.试验结果表明,改进高阶相关法能快速有效地抑制强杂波并检测出弱小目标.     

基于梯度统计特性的自动红外舰船目标检测

红外舰船目标检测是舰船目标识别与跟踪的重要基础。针对典型复杂海天场景下的红外舰船目标检测,本文提出了一种基于多尺度局部边缘梯度统计特性的目标检测算法。算法改进了传统的基于ROI的红外舰船目标检测方法I并0用多尺度局部边缘梯度的统计特性,自适应的检测出完整的舰船目标。实验结果表明,该算法能够有效准确地检测出多种复杂海天场景下的红外舰船目标,且算法简单易于实现。     

基于纹理特征分析的海天线检测方法

为抑制海空背景干扰和提高舰船检测速度,提出一种基于纹理特征分析的海天线检测方法。分析了典型红外海空背景下海天线区域的纹理分布特征,建立了适用于海天线检测的纹理模型。通过梯度特征计算和聚类分析找出图像中的候选直线位置,比较其纹理参数并准确检测出海天线。对多种复杂背景红外海空图像的实验表明,该方法适应面广,计算简便,具有很好的抗干扰能力。     

基于多尺度局部边缘梯度的红外舰船目标检测

由于红外图像本身对比度和清晰度都较低,再加上海天场景的复杂多变,极大增加了海天背景下的红外舰船目标检测难度。为实现对多种复杂海天背景下的红外舰船的有效检测,提出了一种新的基于局部边缘梯度特性的舰船目标检测算法。对多种红外复杂海天场景图像进行仿真测试,实验结果表明:该算法能有效地检测出多种复杂海天背景下的红外舰船目标,适应性广,计算简便。     

基于融合技术的图像边缘检测方法

提出一种融合柔性形态学方法与Sobel算子的边缘检测方法。利用全方位结构元素对图像进行重复柔性形态学处理，提高了运算速度并抑制了大量的噪声。建立相应的融合原则，对形态学运算获得的边缘和Sobel算子检测的边缘进行融合，得到清晰、连续的边缘图像。该方法对噪声具有很好的鲁棒性，处理含噪声图像能得到准确可靠的边缘检测结果。     

采用稀疏特征选择的红外运动目标跟踪方法

复杂场景下的红外运动目标对比度低且缺乏细节信息,难以实现稳定持续跟踪.分析了典型红外运动目标的特性,提出一种稀疏编码与特征选择的改进跟踪算法.采用Logistic回归模型,通过对正负样本的监督学习,计算得到最佳权重特征矢量,并将原始特征模板和粒子采样对象均向该特征矢量投影,削弱了背景成分对运动目标跟踪的影响并降低了运算量.在模板更新策略上采用了每帧更新的方法以适应运动目标的机动性.文中给出的方法与其他两种经典方法的实验比较,证明了本方法对运动目标跟踪的有效性.