运动目标的检测技术研究

在图像跟踪系统中 ,图像目标的快速检测识别是至关重要的。基于目标的形状特性以及目标与背景的关系 ,提出了目标的四个特征量。结合序列图像中目标的运动特点 ,给出了一个目标快速识别的方案。以两类飞机为研究对象 ,对所求得的四种特征量值进行了详细的分析 ,并将所提出的识别方案在计算机上进行了模拟仿真。实验结果表明 ,该方法能有效地实现运动目标的快速检测识别 ,基本上达到了实时跟踪的要求     

基于统计学方法的目标识别技术研究

针奸典型海空目标的识别要求,介绍了一种基于统计学的目标识别方法。该方法通过对图片、视频或实时采集的图像进行预处理、目标分割、边界搜索、内部填充等处理后,提取目标的统计学特征,根据目标的特征值和数据库中的已有样本对未知目标进行识别。对5种舰船三维模型在不同方位角和俯仰角的平面投影图像进行了实验,识别概率能达到809／5以上。实验结果表明,在被测目标样本充足的情况下,该方法能达到较高的识别率。     

被动式人体太赫兹图像中的目标辅助识别

提出一种被动式人体太赫兹安检仪的图像目标标注方法,用于辅助识别被安检人员隐藏携带的违禁物品。分析了探测器中心频率为0.1THz的被动式太赫兹人体安检仪图像特点,根据其特点进行图像增强、分割、轮廓提取等处理,进而实现图像中的目标检测,将其目标位置映射在同场景同时间采集的可见光图像上。实验结果表明,该方法可以有效地提取并标示可疑目标,帮助快速发现衣物下的隐匿物品,提高太赫兹安检仪的实用性。     

基于深度卷积神经网络的红外船只目标检测方法

针对红外船只图像较模糊导致的识别率低、识别速度慢等问题,提出了一种基于深度卷积神经网络(CNN)的检测算法。首先采用标记分水岭分割算法提取红外船只图像中的连通区域,并对原图相应的目标位置进行标记和归一化处理,提取候选区域。采用改进的AlexNet(一种深度CNN模型)进行船只目标识别,将提取的候选区域送入改进的AlexNet进行特征提取和预测,得到最终检测结果。分水岭方法可大大减少候选区域检测时间,以及减少深度CNN识别时间。利用实验室自制的红外成像系统获取近千张红外船只图像数据,并对其平移缩放形成的数据集进行仿真实验。结果表明,标记分水岭与深度CNN的结合,可有效识别船只目标,所提方法具有良好的性能,能够更加快速准确地识别红外船只目标。     

基于移动分割与轻量化分类网络的红外目标实时识别方法

战场野外复杂红外场景中,由于背景灰度分布无规律、目标边缘模糊且纹理特征缺失,目标极易混淆在背景之中;由于嵌入式平台算力的限制,多数深度学习类检测算法难以应用于便携设备,无法实现快速有效的目标识别。提出一种基于运动目标提取与高效机器学习模型结合的目标识别方法:通过运动检测实现目标像素级分割,经形态学处理后,定位单体目标;根据嵌入式平台算力高低,选择轻量化深度网络特征或轮廓特征,训练softmax模型,实现目标分类识别。将算法移植于嵌入式平台,对开源红外图像序列进行目标识别实验,实现多目标同时定位与分类,处理速度达56FPS。实验结果表明,该方法可对复杂背景中的红外目标进行实时有效识别。     

基于FastICA的高光谱图像目标分割

针对高光谱图像目标识别与分类的应用背景,提出了一种基于快速独立成分分析的高光谱图像目标分割算法.通过引入虚拟维数对图像中的目标端元数量进行估计,利用基于非监督正交子空间投影的异常端元提取算法自动获取目标端元光谱,并将其作为快速独立成分分析的初始混合矩阵.采用最小噪声分量变换对原始数据进行降维,利用快速独立成分分析从降维后的主成分中依次提取出图像中的独立分量.最后,对各独立分量进行恒虚警率检测与形态学滤波,从而得到最终的目标分割结果.对AVIRIS型高光谱图像的实验结果表明,该方法可有效探测出图像中的目标,并可获得较好的分割结果.     

基于FastICA的高光谱图像目标分割

针对高光谱图像目标识别与分类的应用背景,提出了一种基于快速独立成分分析的高光谱图像目标分割算法.通过引入虚拟维数对图像中的目标端元数量进行估计,利用基于非监督正交子空间投影的异常端元提取算法自动获取目标端元光谱,并将其作为快速独立成分分析的初始混合矩阵.采用最小噪声分量变换对原始数据进行降维,利用快速独立成分分析从降维后的主成分中依次提取出图像中的独立分量.最后,对各独立分量进行恒虚警率检测与形态学滤波,从而得到最终的目标分割结果.对AVIRIS型高光谱图像的实验结果表明,该方法可有效探测出图像中的目标,并可获得较好的分割结果.     

多波段红外图像的海面舰船目标检测

现有的基于单个红外宽波段的海面舰船目标探测系统在面对复杂海天背景、岛岸背景、恶劣天气、亮带干扰或诱饵弹干扰等情况时,系统的探测率、虚警率、探测距离等性能指标均会受到严重的影响;为此,开展了基于多波段红外图像的海面舰船目标检测方法的研究。通过中波红外多波段数据采集系统实际采集107组五个中波红外波段的图像;波段1-5分别为3.7～4.8,3.7～4.1,4.4～4.8,3.7～3.9和4.65～4.75 μm;对多波段图像进行手动标注构建样本数据集,其中,正样本舰船目标298个,负样本非舰船目标353个。对于多波段红外图像,首先进行PCA降维并采用选择性搜索算法生成初始目标候选区域;针对候选区域中存在大量明显的非舰船目标区域的问题,利用积分图像计算候选区域的局部对比度,依据红外舰船目标的几何和灰度特征从初始目标候选区域中筛选出舰船目标可能性大的区域作为舰船目标候选区域。然后对舰船目标候选区域进行拓展以融入局部上下文信息,对于候选区域对应的5波段红外图像,分别提取每个波段图像的稠密SIFT特征,并将128维SIFT特征向量降为64维,融入SIFT特征的空间和波段位置分布信息得到新的特征向量,基于高斯混合模型对候选区域的特征向量集合进行编码融合得到舰船目标候选区域的费舍尔向量表示,最后利用线性SVM分类器识别出舰船目标。对多波段图像进行舰船目标候选区域生成实验,所提出的基于红外舰船目标的几何和灰度特征的约束方法可以有效地克服选择性搜索算法的不足,从初始目标候选区域中快速定位出舰船目标候选区域,对25组多波段图像进行实验,舰船目标候选区域生成的整体耗时为0.353 s,定位舰船目标区域耗时0.005 s。对100个正负样本进行目标识别测试,所提出的目标识别算法融合了目标的多波段图像特征信息,通过引入费舍尔向量挖掘了多波段图像梯度统计特征的深层次信息,算法的识别率达到了0.97,显著高于单波段红外图像的目标识别率。对25组多波段图像进行舰船目标检测实验,所提出的舰船目标检测方法能够在海天背景、岛岸背景以及亮带干扰等不同场景下完成海面舰船目标的检测工作,舰船目标定位准确,舰船目标召回率达到了0.95,每组多波段图像的平均检测耗时为1.33 s。研究结果表明,充分考虑海面舰船目标在红外图像中与局部海洋背景的辐射差异以及有效地融合舰船目标在多个红外波段图像中的辐射特征,可以增强舰船目标的可分性,提高舰船目标的识别率以及检测率,为基于多波段红外图像的海面舰船目标检测提供了新的技术支持。     

一种基于GAN和自适应迁移学习的样本生成方法

研究了基于生成式对抗网络(GAN)和跨域自适应迁移学习的样本生成和自动标注方法。该方法利用自适应迁移学习网络,基于已有的少量可见光图像样本集,挖掘目标在红外和可见光图像中特征内在相关性,构建自适应的转换迁移学习网络模型,生成标注好的目标图像。提出的方法解决了红外图像样本数量少且标注费时的问题,为后续多频段协同目标检测和识别获得了足够的样本数据。实验结果表明:自动标注算法对实际采集的装甲目标图像和生成的装甲目标图像各1 000张进行自动标注测试,对实际装甲目标图像的标注准确率达到95%以上,对生成的装甲目标标注准确率达到83%以上;利用真实图像和生成图像的混合数据集训练的分类器的性能和使用纯真实图像时基本一致。     

基于特征级融合的多波段舰船目标识别方法

针对复杂情况下海上舰船目标单波段特征识别能力不足的问题,研究可见光、中波红外和长波红外三波段特征图像融合技术,重点解决图像融合方法中存在的算法耗时和融合策略选择的问题,提出了一种新的基于区域协方差矩阵的多波段特征级融合方法,针对可见光图像和红外图像分别设计11维和5维特征向量,协方差矩阵可以将多个特征进行融合,既保证了不同目标之间的区别性,同时又减小计算量。该方法首先利用显著性检测,快速定位图像中的目标区域,然后,针对不同波段图像设计的特征向量定义协方差阵的距离计算公式并进行匹配,通过对图像的一次遍历操作获得积分图像,在协方差计算时达到快速计算的目的,最后利用k-阶最近邻算法对多种舰船目标进行分类识别。利用实拍的3 400余张三波段舰船目标图像作为测试数据。实验主要分为两部分,首先对比单波段和三波段融合识别的识别率,验证所提出的融合方法具有更广的应用范围;然后,在计算效率上对比多种传统的像素级方法,验证采用的特征级融合在计算时间上的优势。实验结果表明,该方法可达到95.1%的识别率,单帧计算耗时约为0.5 s,在实时性和检测率方面都有明显提高。     

对固定平台红外单站被动定位技术研究

介绍了一种基于红外成像和序列图像处理技术的对固定平台红外单站被动定位新算法.该算法通过对红外成像目标的实时测量信息求解出目标相对测量基站的距离,它适用于匀速、匀加速和变加速等各种运动模型,具有定位精度高、体积小和便于机动的特点.该算法对可见光成像单站被动定位同样有效.     

Target location accuracy analysis on loitering missile platform北大核心CSCD

不同于普通弹药,巡飞弹能够在目标上空进行“巡弋飞行”,获取目标位置信息,并传送至指挥中心,用于战场态势分析及火力布局。受限于巡飞弹载机负载能力和成本要求,巡飞弹光电系统目标定位能力无法与大型无人机媲美。为提高巡飞弹目标定位精度,从巡飞弹目标定位的原理和流程出发,分析影响目标定位精度的误差源。在典型工况下,研究了卫星定位系统经度和纬度误差、惯性导航系统（INS）航向误差、测角误差和测距机测量误差等主要影响因素对目标定位精度的影响程度,可作为提升目标定位精度的设计依据。针对卫星定位系统经度和纬度误差对目标定位精度的影响结果,进行外场试验,验证上述分析结论。试验结果表明:当卫星定位系统经度和纬度精度由5 m提升至1 m时,目标定位的圆概率误差（CEP）下降约31.5%,与理论分析基本吻合。     

基于近红外光谱技术的土壤参数BP神经网络预测

利用BP神经网络预测方法,建立了基于近红外光谱技术的土壤有机质含量和土壤全氮含量的分析模型。试验共测量了150个田间土壤样本的近红外光谱,首先采用局部加权散点图平滑滤波法对光谱曲线进行了平滑处理,然后根据对目标参数进行的聚类分析结果进一步平均了输入光谱,最后将反射光谱数据进行对数转换后与目标数据一起进行了归一化处理。对预处理后的光谱数据首先进行主成分分析,然后提取贡献率超过99.98%的主成分建立BP神经网络模型。对土壤有机质含量的分析结果：模型拟合精度为0.999,预测精度达到0.854。对于土壤全氮含量的分析结果：模型的拟合精度近似为1,预测精度达到了0.808。研究表明,基于近红外光谱技术的土壤参数BP神经网络预测模型具有较高的鲁棒性和较强的容错能力。     

Ricci Curvature-Based Semi-Supervised Learning on an Attributed Network

In recent years, on the basis of drawing lessons from traditional neural network models, people have been paying more and more attention to the design of neural network architectures for processing graph structure data, which are called graph neural networks (GNN). GCN, namely, graph convolution networks, are neural network models in GNN. GCN extends the convolution operation from traditional data (such as images) to graph data, and it is essentially a feature extractor, which aggregates the features of neighborhood nodes into those of target nodes. In the process of aggregating features, GCN uses the Laplacian matrix to assign different importance to the nodes in the neighborhood of the target nodes. Since graph-structured data are inherently non-Euclidean, we seek to use a non-Euclidean mathematical tool, namely, Riemannian geometry, to analyze graphs (networks). In this paper, we present a novel model for semi-supervised learning called the Ricci curvature-based graph convolutional neural network, i.e., RCGCN. The aggregation pattern of RCGCN is inspired by that of GCN. We regard the network as a discrete manifold, and then use Ricci curvature to assign different importance to the nodes within the neighborhood of the target nodes. Ricci curvature is related to the optimal transport distance, which can well reflect the geometric structure of the underlying space of the network. The node importance given by Ricci curvature can better reflect the relationships between the target node and the nodes in the neighborhood. The proposed model scales linearly with the number of edges in the network. Experiments demonstrated that RCGCN achieves a significant performance gain over baseline methods on benchmark datasets.     

基于神经免疫生长可免域网络的红外光谱图像分割算法

管道运输对远距离输送石油天然气有着较大优势,而与之伴随的管道安全问题使得管道安全检测至关重要。为确保任何时间下管道状况的有效检测,红外成像技术由于其根据对象的热辐射信息反映目标特征的特殊性,能够忽视可见光的影响检测管道状态,因而在管道检测领域有重要意义。但由于户外环境的多样性,交错的管道和复杂环境使得采集的红外管道图像具有目标特征分布不均匀,目标遮挡和背景类目标干扰等问题。这些问题增加了提取管道目标的难度,不利于管道的分割和检测。生物免疫系统在抗原检测、提取和消除上表现出识别、学习、记忆、耐受和协调配合等目前复杂系统优化策略所缺乏的优异特性,借鉴生物神经系统调控免疫系统的机理,设计一种基于神经免疫网络的复杂背景下红外管道目标的检测与提取算法。根据生物神经网络在免疫系统中的调控机制,利用基础管道形状特征模型构建用于红外管道目标定位的神经网络,并将最优神经免疫可免域和区域种子生长结合,解决管道遮挡影响提取目标完整性的问题。选择三种典型的红外管道图像,将传统目标检测算法与基于神经免疫网络的算法进行了效果对比分析。结果表明,传统算法的平均真阳性率为40.56%,Jaccard相似性指数为27.18%,绝对误差率为11.75%,而基于神经免疫网络算法的真阳性率为98.05%,Jaccard相似性指数为94.44%,绝对误差率为1.18%。对比可知,神经免疫网络算法的真阳性率比传统方法高57.49%,绝对误差率则低10.57%,验证了复杂背景下,本文算法相比传统方法能够更加准确地提取完整的红外管道目标,这对管道安全检测效率的提高有着重要意义。     

无人机光电设备对地目标单站无源定位方法北大核心CSCD

光电侦察设备已广泛应用于中小型无人机对地侦察,为实现无激光测距信息的无人机光电设备对地目标单站无源定位,提出了基于虚拟椭球的单站无源定位方法,构建了对地目标单站无源定位模型。利用空间射线与虚拟椭球交汇原理,通过等效方位角和等效俯仰角解算、目标高度估计和目标定位解算等步骤,实时获取目标的大地坐标。仿真结果表明,高度估计误差低于500 m条件下,单站无源定位方法可实现经纬度定位精度为10−3°、高度定位精度为150 m的三维目标定位,可实现高于50%置信度的优于10%R无源定位精度的相对定位。     

The application of neural networks to forecast fuzzy time series

Fuzzy time series models have been applied to handle nonlinear problems. To forecast fuzzy time series, this study applies a backpropagation neural network because of its nonlinear structures. We propose two models: a basic model using a neural network approach to forecast all of the observations, and a hybrid model consisting of a neural network approach to forecast the known patterns as well as a simple method to forecast the unknown patterns. The stock index in Taiwan for the years 1991–2003 is chosen as the forecasting target. The empirical results show that the hybrid model outperforms both the basic and a conventional fuzzy time series models.     

Research on atmospheric refraction correction of airborne electro-optical system target location北大核心CSCD

目标定位精度是评判机载光电系统性能的一项重要指标。对于高空机载光电系统,目标定位精度除受传感器、测距仪、载荷平台稳定精度、飞行平台稳定精度和位置精度等综合因素影响外,还受大气折射的影响,对于高空机载光电系统远距离对地观测,大气折射对目标定位的影响尤为严重。该文从大气折射对目标定位的影响机理出发,给出大气模型,分析大气折射的影响因素,并基于介于圆球体和参考旋转椭球体之间的地球模型给出了大气折射误差模型;基于该文提出的近似参考旋转椭球体地球模型,仿真分析了大气折射对目标定位的影响结果。分析结果对于机载光电系统远距离目标定位大气折射修正具有重要指导意义。     

人体组织相位畸变模型仿真研究

为研究医学超声成像中的相位畸变模型,通过Westervelt方程的时域有限差分方法,仿真比较了近场相位屏模型、全局声速误差模型以及分层介质模型在聚焦发射过程和回波信号接收过程的特点,并参考理想均匀介质与人体非均匀介质的结果,发现几种相位畸变模型都难以准确模拟人体腹壁对发射声场的影响,同时近场相位屏模型相对其他两种模型虽然能够较好地描述出非均匀组织的相位畸变特点,但无法表现出全局声速误差模型及分层介质模型中相位误差跟随目标方位变化的关系。