一种基于协方差估计的均值偏移对象跟踪算法

针对现有运动目标跟踪算法对目标大小、形状变化的适应能力较差,且不能对目标的旋转进行跟踪的问题,提出一种改进的目标跟踪算法.该算法是均值偏移算法的进一步扩展和延伸,在估计目标位置的同时用协方差矩阵来描述目标形状,结合色彩直方图,处理对象的角度和形状、大小发生变化时的跟踪问题.实验结果表明:改进的算法在不同环境下跟踪目标的鲁棒性很好,极大地提高了跟踪精度,具有很强的实用性.     

一种混合的机动群目标分离检测跟踪算法

为了改善雷达对分离后群目标的跟踪性能,提出了一种混合的群目标分离检测与外形估计算法。该算法首先利用单个随机矩阵计算群外形尺寸,然后根据其数值变化分析群的态势;当检测到群分离后,利用k-均值聚类算法对各分群进行聚类,采用最小二乘法将各分群的有效量测拟合成多个椭圆,最后进行航迹关联。该算法的特点是:基于聚类思想处理分群量测,并采用多个椭圆描述群目标的形状;相比于传统随机矩阵算法,估计结果收敛较快。仿真结果表明,相比于传统单个随机矩阵,该混合算法能够估计分离后的群目标形状;相比于半正定规划求解群形状参数,该混合算法的单次蒙特卡洛仿真时间减少了2个量级,证明了算法的有效性。     

基于超分辨ISAR成像的飞机目标SVM分类算法

利用最大熵谱估计方法对4种飞机目标数据进行外推处理,并在此基础上进行拟合成孔径(ISAR)成像.采用了ISAR图像的几何矩、基于几何矩的不变量、形状和量化能量带4个特征,研究了支持向量机的线性和非线性算法原理,提出了基于SVM的飞机目标识别和分类算法,采用了针对多目标分类的M-ary法对飞机进行分类,选取了每个目标的40个不同数据段进行成像,通过与几种常见的BP神经网络算法和RBF神经网络算法比较分析,验证结果表明此方法达到了较好的识别效果,识别率达到97%.     

基于角点匹配的几何形状定位

针对常见的几何形状匹配算法对目标遮挡较为敏感,提出了一种基于角点匹配的几何形状定位.该方法首先根据边缘曲率提取图像的角点,然后采用基于改进的投票策略的角点匹配算法对检测图与模板图进行匹配,最后通过Ransac算法去除错匹配.实验表明,该算法定位效果良好,有效地解决了目标部分遮挡问题.     

一种基于形状特征与SVM的列车故障连接件识别方法

针对货车故障图像检测系统中连接件定位、缺失的问题,提出了一种基于形状特征支持向量机学习模型的定位、识别方法。该方法首先采用门限阈值对灰度化后的列车图像进行处理,以减少外界环境对目标轮廓提取的影响。然后以目标形心为基准,生成识别算法的目标形状描述子,并用直方图对其进行量化处理。最后引入支持向量机完成连接件正/负样本的训练与判别。实验结果表明,该识别算法能够在复杂环境中判别连接件的定位与缺失信息,定位识别的效果几乎不受伸缩、旋转、平移等几何变换的影响,具有一定的稳定性。     

基于模式匹配的目标点数算法

开发了基于模式匹配的目标点数算法.算法通过对图像中的目标进行模式匹配处理,自动识别目标,实现目标的点数功能.该算法避免了傅立叶变换滤波等计算量较大算法的使用,适用于利用图像处理进行目标实时点数的领域.     

基于图论的目标群的分布特性分析

在军事领域中对群体目标的分布特征的分析能够为精确武器制导提供强有力的数据支撑,而实现群体目标分布形状的实时分析是群体目标分布特征分析中的关键环节。为此本文提出了基于图论的聚类分析算法对阵地目标群的分布特性进行分析,并计算目标群的分布参数(分布范围、分布形状、分布密度)。通过仿真实验验证了本文所提出的算法对于描述目标群的分布特征具有很好的适用性。     

序列图像中运动区域的检测与几何特征提取

提出了一种基于色度的运动区域检测算法,利用像素的色度分量进行检测,克服了亮度变化和阴影的影响,并利用形态学方法对检测结果进行后处理,对处理后的运动区域进行标记,提取每个区域的面积、周长、形状因子等几何特征参数,为运动目标后期的分析和跟踪奠定了基础.最后给出了实验结果和数据,证明了算法的有效性.     

一种基于改进帧差法的运动目标检测

针对视频中的运动目标离摄像头较近时由于形状的变化而导致目标边界测定不准确的问题,在帧间差分法的基础上,提出了一个求精运动目标边界的算法。先用得到边界值计算目标中心点,再对视频中的运动目标进行运动距离和速度的检测,并在Matlab中进行仿真。实验结果表明,该算法对帧差法的结果进行求精后,得到的运动目标的状态值更接近于实际情况,改进的算法更适合于视频中运动目标形状变化较大的情况下进行运动目标状态的检测。     

基于多特征的洞库类目标识别方法

针对洞库类目标自动识别研究较少、识别率较低、识别方法成本较高等问题,设计了基于多种特征的洞库类目标识别算法.探讨了典型洞库类目标的模型并总结其主要特征;其次利用HOG特征对输入图像进行初步筛选,筛选出包含有洞库类目标的图像;然后基于洞库类目标的灰度特征提出了一种图像局部自适应阈值生成算法Wiblack提取图像中的疑似目标;最后搭建了洞库类目标的数学模型,并提出了基于形状相似度的目标判别算法,采用圆形相似度与椭圆形状相似度二次相似度判别方法,最终得出识别结果并描述目标轮廓,完成目标识别.实验结果表明该方法在洞库类目标的识别应用中有效可行,基于本文实验数据的识别准确度为92.6%.      

复杂维修场景下飞机机号的定位识别方法

针对在复杂维修场景下飞机数量较多且体积庞大,无法实现准确高效的识别跟踪目标飞机的问题,提出基于YOLOv4目标检测的飞机机号识别算法,该方法首先利用YOLOv4检测算法获得飞机机型和预测框图像信息,然后通过图像处理算法实现飞机骨架细化,并依据机型获取飞机机号位置信息,最后利用OCR(optical character recognition)识别出目标飞机机号信息。实验结果证明,该算法实现了对飞机机号的识别,准确率为75%,帧率为30帧,可达到实时性的目的。     

基于径向基神经网络的目标识别研究

本文讨论了传统的径向基(RBF)神经网络聚类算法的基本原理,针对其选取初始中心矢量的不足,提出了一种新的选择初始中心矢量的方法,给出了新的学习算法,并将其应用于目标识别.仿真结果表明,新算法比传统的RBF算法具有更强的聚类能力,使目标识别更加准确.     

基于I860的目标识别系统

建立了一个基于Ｉｎｔｅｌ Ｉ８６０ＲＩＳＣ芯片的自动目标识别ＡＲＴ系统。实现了对监测块状目标和线状目标的智能识别，并在此平台上模拟了多种人工神经网络模型用于对数据信息的处理。介绍了系统硬件的组成结构，工作原理和所能达到的性能指标，并对在此基础上开发的目标识别软件系统作了详细说明，实验结果表明，该系统能对目标进行实时性的智能识别，是一种较先进的图象处理系统，并在实际应用中发挥了重要的作用。     

基于深度学习的复杂气象条件下海上船舶识别

为提高复杂气象条件下海上船舶的识别效果,本文通过暗通道先验去雾算法减少云雾遮挡对目标识别的影响,使用基于深度学习的YOLO改进算法提高目标识别效果。结果表明：本文采用的算法在中国航天科工四院指挥自动化中心的模拟海事数据集上,4类船舶目标识别的mAP (Mean Average Precision)达到89.98%,超过了对比的其他目标识别算法;针对数据集中的云雾遮挡图像,暗通道去雾处理后,目标识别的mAP从53.25%提升到69.35%。可见本文提出的算法可以满足复杂气象条件下的海上船舶识别的需求。     

基于动态规划的红外小目标检测与识别

研究了天空背景下红外运动小目标的检测与识别．对序列红外图像进行增强处理,通过模板滤波去除弱噪声;运用分割算法和聚类分析把目标和强噪声从背景中分离出来,根据所定义的一种距离,运用动态规划的方法找出目标,并得出目标的运动轨迹;给出整套处理方法的实验结果和分析．     

一种改进的Zernike矩的雷达图像目标识别方法

针对Zernike不变矩目标识别算法计算复杂,计算复杂度高的不足和雷达图像乘性噪声严重和识别率不高的问题,提出了一种快速计算Zernike矩目标识别算法.该算法通过利用Zernike矩对称性和反对称性对雷达图像进行快速计算求得不变矩,然后通过加权求得新的特征向量,最后通过支持向量机进行目标识别.实验结果表明,提出的算法不仅解决了计算过于复杂的问题,还降低了噪声且提高了目标识别率.     

基于Cortex-M0微处理器的靶位识别装置设计

以数字图像处理技术为基础,对靶位识别装置进行了深入研究,设计了一套基于Cortex-M0微处理器的自动报靶系统,阐述了该系统的硬件选型、性能指标、器件连接设计等问题,说明了图像的几何校正、二值化、靶环线的识别、弹痕提取与环值判定算法,并根据设计的算法,用TKStudio编制程序,成功地实现了自动报靶。     

基于卷积神经网络的低分辨雷达目标一步识别技术

现有低分辨雷达目标识别通常采用先特征提取、再进行目标分类的两步识别算法,存在识别率难以提高和方法泛化性不足的问题,因此提出了一种基于卷积神经网络(CNN)的低分辨雷达目标一步识别算法。该算法直接将采样数据作为输入,利用设计的一维CNN,通过卷积池化等操作自动获取数据深层本质特征,无需特征提取,实现对目标的一步识别。仿真实验结果表明:基于CNN的低分辨雷达目标一步识别方法的识别率较传统基于提取特征的两步识别方法提高了10.31%,识别时间较传统两步识别方法减少了0.142 s,充分证明了一步识别方法的有效性,为低分辨雷达目标识别问题提供了新的解决途径。     

基于局部线形嵌入算法的雷达目标识别

维数约减问题出现在信息处理的许多方面,非线性方法主要有局部线性嵌入LLE (Locally Linear Embedding) 、拉普拉斯特征映射(Laplacian Eigenmap) 、基于Hessian 矩阵的LLE 等,它们通过在高维空间中设计数据集所在流形的拓扑、几何等特性,很好地弥补了线性降维不能发现数据集非线性结构的不足.其中局部线性嵌入这种非监督学习算法应用广泛,在此基础上将其用于作为雷达目标识别的五种飞机数据,取得了很好的效果.