基于组合矩特征的舰船目标识别

针对采用一维距离像特征进行舰船目标识别时,大样本需要、算法复杂和效率较低的问题,提出一种利用组合矩特征进行舰船目标识别的方法.首先提取目标距离像的变换不变矩及小波不变矩特征,并且在考虑算法效率及分类器设计的基础上,最终选取共6维特征构造组合矩,作为分类器输入,并利用实测数据对特征进行简化.分析结果表明:经过实测舰船数据验证,所提取的特征克服了姿态、幅度敏感性等特点,能够较好地表征不同类型舰船的差异.算法分类正确率较高,具有较好的工程应用前景.     

一种基于Rough 集与SVM的目标识别方法

主要研究了基于粗糙集和支持向量机的模式分类技术,结合遥感图像中军用飞机目标识别进行了理论分析和实验研究。基于粗糙集和支持向量机算法的优势,设计了基于粗糙集和决策有向无环图的支持向量机模式识别分类器,对分类的性能进行了分析研究,利用粗糙集理论中属性约简方法去除冗余属性,降低飞机特征维数,提出使用决策有向无环图支持向量机进行训练并对待识别目标预测。     

基于模拟退火算法的空中目标识别

根据NMI特征和Jan Flusser提出的仿射不变矩的特点及各自的适用条件,提出了一种组合不变矩。利用所提取的组合不变矩的特征向量,实现了对空中目标的K-mean聚类分析识别。在此基础上将模拟退火机制引入其中,以克服K-mean聚类的局限性和对初始聚类中心的敏感性,最后提出了基于模拟退火的改进K-mean聚类算法。仿真实验结果表明,该方法具有较高的识别精度和较好的抗噪性。     

基于模糊神经网络的坦克目标识别

坦克是陆地战场上的主战武器之一,坦克目标识别是反装甲技术的基本前提,本文基于新型磁探测器对坦克目标磁场信号进行测量,结合运用模糊神经网络技术,对坦克目标进行模型化识别,并采用MATLAB的ANFIS工具箱进行测试与仿真,实现了对坦克和军用卡车的类别和运动方向的正确识别。     

基于目标特征和星点不变矩的弹道导弹中段红外图像目标检测方法

天基红外系统对弹道导弹中段目标观测过程中,可能前后帧间图像出现背景较大差异、目标短暂丢失或目标帧间剧烈位移等情况。针对此,提出一种基于目标特征和星点不变矩的弹道导弹中段红外图像目标检测方法,将模式识别中的不变矩概念与目标特征相结合,通过三次分类提取出候选恒星和弹头目标。经仿真计算分析,该方法在连续帧间变化时具有稳定的弹头目标检测效果,而且当帧间出现背景突变和星象拉长时也有较好的检测效果。     

基于神经网络的坦克目标特征提取及分类方法研究

该文着重研究应用神经网络来进行毫米波探测器坦克目标特征提取与分类问题，提出了一种基于多层前馈神经网络的特征提取方法和一种基于Ｋｏｈｏｎｅｎ网络组的特征分类方法。并利用毫米波辐射计输出波形数据对本文提出的有关方法进行检验，结果表明本文提出的方法是切实可行的，其提取的特征具有良好的稳定性，且分类的精度很高。     

战场坦克的声特征识别

该文在实验分析的基础上，提出了一种识别战场坦克的声特征方法。确定了被识目标的特征参数和识别算法。为战场坦克的侦察提供了一种新的途径。     

基于一维最大类间方差和形状连通性的图像分割新算法

提出了一种新的基于一维最大类间方差和形状连通性的图像分割算法。它首先选出未经平滑的原始直方图的所有极小值,并用一维最大类间方差法选取出类间方差较大的灰度值;然后再对这些灰度值进行形状连通性值（shape connectivity,SC）的计算。选择SC值最大的一个作为最终分割阈值。文中还在将边缘像素点划分为目标或背景点的方法上也做了一些改进．即使用二维的阅值准则对其进行划分．进一步减小了误分割发生的可能性。理论分析和实验结果都表明：该新算法较一维最大类间方差和基于形状连通性的分割算法都优越．且运算速度快、划分效果好。     

基于改进ADC模型的坦克作战效能评估

在传统ADC模型的基础上,通过分析对抗条件下战场环境的对抗效能,提出一种改进的ADC模型,建立一种效能评估指标体系;通过利用计算机仿真生成实战环境下不确定变量,使效能评估的结果更科学和接近实际;把战斗过程分解为多个子对抗,计算每个子对抗的作战效能,最后计算平均效能值,结果更符合实战的效果。     

基于模糊德尔菲法的主战坦克性能评价研究

为了对解决具有多目标和多准则评价问题，给出了模糊德尔菲法评价方法。首先将评价的对象层次化，再让专家用语言变量来评价各准则和指标，并将语言变量转化为梯形模糊数。为了保证各位专家评价结果一致性条件，采用德尔菲法来进行调整，达到一致性条件后进行综合性能集总，得到评价结果的模糊数，给出了3种主战坦克的综合性能评价结果。评价结果表明，综合性能最好的主战坦克是M1A1，评价结果与其他评价方法结果相符，说明该方法可以有效地解决这类多目标和多准则评价问题。     

基于Hu矩与改进PNN的飞机姿态识别算法

在军事领域,为了快速准确识别出飞机飞行过程中的姿态,提出一种基于Hu矩与改进的概率神经网络(IPNN)的新方法。该方法对于无噪声灰度化图片,先进行二值化处理,再计算图像的Hu矩特征。将飞机飞行的360°姿态按三视图分为三个类别,即正视图、侧视图、俯视图。四维Hu矩作为PNN输入,三个视图代表的三个类别作为PNN输出,构建PNN网络。实验结果表明,对于无噪声图片平均识别率可以达到91.2%以上;对于有噪声图片平均识别率可以达到87.0%以上,可见训练后的网络具备良好的泛化能力。     

基于角点特征不变量的红外图像匹配研究

在红外目标识别过程中,针对系统实时性要求高的场合,提出了一种基于角点的特征不变量,证明了该不变量具有平移不变性、旋转不变性和比例不变性.将该不变量作为匹配因子,运用动态规划的方法把目标的不变量与模型中的不变量进行匹配,并与三角形边长匹配法进行了比较.实验证明,该方法有效地降低了匹配误差,提高了识别的实时性,效果较好.     

基于Mworks的坦克随动系统建模与仿真研究

为准确拟合坦克随动系统的动态特性,优化综合性能,获得更好的控制跟踪效果,建立了坦克随动系统轴间耦合负载非线性动力学数学模型、方位子系统驱动端数学模型、俯仰子系统驱动端数学模型.采用基于Modelica语言的仿真软件Mworks建立坦克随动系统的仿真模型库,并进行仿真研究.结果表明:基于Mworks建立的模型能够准确地对...     

基于不变性模糊特征融合的红外目标识别方法

研究了将平移、缩放与旋转变化(TSRI)的不变性模糊特征信息融合技术用于红外目标图像识别分类的方法,通过提取红外目标图像奇异值与不变矩的平移、缩放与旋转变化(TSRI)的不变性特征,结合模糊特征融合的模式识别方法,并应用模糊判决准则进行分类。实验结果表明,基于红外图像的TSRI不变性多特征信息融合的目标识别方法比不具有TSRI不变性多特征信息融合的识别方法具有更好的稳定性、准确性和可靠性,能够有效地提高红外成像末制导识别系统的精确度,并增强了系统的容错性能。     

基于灰色系统理论的某坦克炮初速修正研究

坦克炮作为直瞄武器,其初速的下降对射击精度影响很大,因此在射击前需要通过火控系统对初速加以修正。通过对目前几种火炮初速的修正方法进行归纳,指出方法的不足之处。提出了基于灰色系统理论的坦克炮初速修正方法,鉴于身管磨损量属于随机振荡序列,需要对模型进行优化,变换处理磨损数据,建立了适用于坦克炮身管磨损量的 GM （1,1）灰色预测模型,通过某型坦克炮试验数据验证了预测模型的准确性,并利用拉格朗日插值的方法计算相应磨损量下的坦克炮初速减退量。     

基于三维建模的坦克假目标示假性能仿真技术

为提高假目标在可见光波段的示假性能试验效率、降低试验风险,以假坦克示假性能试验为研究背景,运用三维建模技术和仿真技术,实现用仿真坦克代替真实坦克的目的。利用三维建模技术采集真坦克的三维点云数据,选取合适方式对坦克的各主要部件进行建模,采用灵活的贴图方法将数码迷彩图案映射到三维仿真模型上,完成仿真坦克构建。通过坐标变换、透视投影变换将三维坦克模型与二维背景合成,得到仿真实验图像。仿真实验图像中真坦克与仿真坦克的相似度计算结果及判读员判读统计结果表明,仿真技术应用于装备试验是可行的。     

基于双向概念格的坦克驾驶模拟训练关联规则挖掘

利用坦克驾驶模拟器进行模拟训练是提高装备操作技能的重要方法。针对以往模拟训练采用统计分析方法难以从复杂训练数据中发现知识和规律的不足,提出基于双向概念格的关联规则挖掘方法,对坦克驾驶模拟训练结果进行分析。采用矩阵布尔化操作将原始数据表转化为单值形式背景,完成对坦克驾驶模拟训练多值数据处理;定义内涵秩和外延秩,实现从概念格的顶层、底端双向搜索概念节点,同时结合支持度阈值约简冗余节点;设计规则后件固定作为约束条件,过滤不相关的频繁项集,提取满足用户挖掘目标的关联规则。实验结果表明,基于双向概念格的关联规则挖掘方法在运行时间和生成频繁项集上有明显优势,将其应用于某型坦克驾驶模拟器的训练结果分析中,提取了有价值的约简关联规则,进一步验证了该方法的可行性与有效性。