基于神经网络数据融合的目标识别方法研究

综合应用图像识别、神经网络和数据融合技术是多传感器ATR系统的一个重要研究方向。设计了一种基于BP网络和多传感器数据融合的图像识别系统。从信息论的观点出发 ,在理论上探讨了BP网络数据融合用于图像目标识别 /分类的机理。以此理论对实验结果的合理解释证明了该理论的正确性。理论分析和实验结果都证明了神经网络数据融合用于图像目标识别 /分类的有效性和可行性     

地图图像数据压缩的设计与实现

本文针对地图图像数据的特点,综合利用游程编码的原理,结合计算机技术,设计出一种通用的地图图像数据压缩及解码方法,并给出具体实现步骤.最后讨论游程长度同压缩效率的关系.     

多媒体数据库及其在军事信息系统中的应用

本文主要介绍了多媒体数据库的基本概念，多媒体数据及其数据库的管理，探讨了其在军事地理系统、地图信息系统、装备、后勤、维修和科研等军事信息系统中的应用。     

图像辅助的惯性导航系统

本文提出一类利用外部信息来修正惯导系统（ＩＮＳ）的新概念和方法。机载图像传感器获得的地形图像与从机载数字地形数据库获得的地图图像相比较，其结果用来修正ＩＮＳ，消除ＩＮＳ误差随时间增长的特性。本文论述了图像辅助的惯导系统的概念，及其原理、结构、算法；实现图像辅助的惯导系统的关键技术；图像辅助的惯导系统的应用进行了研究。     

广域六角格兵棋地图构建方法与机动推演应用

兵棋推演是预演战争、模拟作战的科学方法，全球化趋势对兵棋推演的推演范围和灵活程度提出了更高要求。采用六边形全球离散格网系统建立广域多尺度兵棋地图，并在推演案例中检验了其作用。首先，提出栅格及矢量数据六角格量化方法；其次，建立环境要素与作战要素联合作用的部队机动时间效能模型，设计了最优路径规划算法；最后，构建兵棋地图，并以部队海陆两栖机动推演为例加以验证。实验结果表明，六边形全球离散格网系统兼具数据建模和分析计算功能，既可被用于构建海陆广域多尺度兵棋地图，又可作为作战推演的统一计算框架，弥补了传统兵棋地图空间范围受限、尺度变换不灵活的缺陷，具有较好的应用前景。     

一种交通流状态智能推理系统

设计一种基于模糊聚类及模式识别的交通流状态自适应神经模糊推理系统，用来研究交通流状态的分类、识别及预测。首先，对大量交通流历史特征数据采用模糊聚类的方法进行状态分类并进行模式识别，得到系统的原始输入输出数据集。然后，建立交通流状态预测的自适应神经模糊系统，以交通流特征数据及其识别结果为训练数据集进行系统参数及模糊规则的训练与确定，直到误差在控制范围内。最后，进行系统检测和复核。仿真及其检测和复核结果表明了系统良好的应用性能。     

水下航行体自导水声成像方法的仿真与实验研究（英文）

随着现代海战水下作战环境变得越来越复杂,对水下航行体自导系统的目标识别能力提出了更高的要求,它要求水下航行体自导系统不但能判断真假目标,并能实现对目标的精确定位和有效打击。通过提取水下航行体目标的本质特征,构建目标的水声图像,达到目标识别和精确制导的目的。介绍了水下航行体自导系统目标成像及处理仿真系统的组成及实现方法,采用正交解调、复数字波束形成、水声图像生成、图像内插等处理等技术,构建水下航行体目标图像。仿真及实验结果表明,采用该方法可以形成水下航行体目标的水声图像,通过该图像可以为水下航行体在复杂作战环境下识别目标关键部位并对目标实现精确打击奠定技术基础。     

基于视觉的多用户手势识别人机交互技术研究

提出了一种基于视觉手势识别的多用户输入技术,利用双手手指在显示屏幕上进行点击和拖拉完成人机交互功能.该方法使用三个摄像机从不同角度实时拍摄显示屏幕表面的图像,运用图像处理技术分析识别手势在图像中的位置,根据三副图像中的手势位置和摄像机参数计算双手手势输入的实际位置.通过手势识别训练和冗余数据平均计算等方法提高了系统的识别率和鲁棒性.实验表明,该系统具有较强的可用性和适用性.     

基于改进R-FCN的SAR图像识别

由于深度学习在目标识别方面取得了显著的成绩, 为提高合成孔径雷达(synthetic aperture radar, SAR)图像目标识别的精度与速度提供了新的思路。本文将区域全卷积网络(region-based fully convolutional networks, R-FCN)结构应用于SAR图像目标识别中, 取得了良好的效果。对于数据集较小和数据相似度较高的问题, 提出了基于迁移学习的R-FCN模型用于SAR图像目标识别。对更快的区域卷积神经网络(faster region convolutional neural networks, Faster R-CNN)和R-FCN进行模型训练及优化, 并与所提出的基于迁移学习的改进R-FCN模型实验结果进行对比。结果表明, 所提方法对SAR图像具有更好的识别效果和更快的识别速度。     

弹道中段雷达目标识别仿真系统的关键模型及实现

雷达是弹道中段的主要传感器,在中段目标识别中发挥着核心作用.根据弹道目标雷达识别仿真系统的要求及弹道目标识别的特点,建立了弹道目标雷达特征数据产生、雷达目标识别特征提取、识别算法融合等多个关键模型,设计并实现了弹道中段雷达目标识别仿真系统.进行了典型战情下的雷达目标识别仿真,仿真结果表明所设计的仿真系统稳健可行,系统可以为弹道中段雷达目标识别研究提供仿真支撑.     

基于卷积神经网络与注意力机制的SAR图像飞机检测

在合成孔径雷达(synthetic aperture radar, SAR)图像应用领域, 对SAR图像中飞机目标的检测备受关注。针对现有检测算法模型运算复杂度高、检测性能较低的问题, 提出一种基于深度可分离卷积神经网络与注意力机制的SAR图像飞机检测算法。首先使用深度可分离卷积神经网络提取图像特征, 同时在网络中引入逆残差块, 以有效防止通道数压缩引起的特征信息丢失问题; 其次在网络中引入多尺度空洞卷积—空间注意力模块和全局上下文通道注意力模块, 通过重新分配显著区域和各特征图更有代表性的权值, 以更好地捕捉空间有效信息和通道间语义相关性, 提高模型特征表达能力; 最后在SAR飞机数据集(SAR aircraft dataset, SAD)上进行对比实验验证。实验结果表明, 所提算法具有更好的检测效果, 平均准确率达到86.3%, 检测速度达到22.4 fps/s。     

基于梯度域导向滤波器和改进PCNN的图像融合算法

为解决当前融合后图像存在的光晕伪影现象以及不利于视觉感知的问题, 提出了一种基于梯度域导向滤波(gradient domain guided filtering, GDGF)和改进的脉冲耦合神经网络(pulse-coupled neural network, PCNN)的图像融合算法。首先, 利用图像结构、清晰度以及对比度显著性的图像特征构建图像融合模型。其次, 采用梯度域导向滤波取代传统优化方法, 通过像素间相关性优化初始决策图。然后, 将优化决策图作为外部输入刺激改进PCNN模型, 得到融合权重图。最后, 对源图像和融合权重图进行加权操作得到最终融合图像。实验结果表明, 所提方法更好地保留图像边缘、纹理和细节信息, 避免目标边缘的光晕伪影现象, 且利于视觉观察。     

稀疏描述与结构特征融合的极化SAR斑点抑制算法

提出一种稀疏描述与结构特征相结合的极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像斑点抑制算法。首先利用图像的极化信息对原图像按结构特征分类,形成分类标记图;然后采用正交匹配追踪(orthogonal-matching-pursuit,OMP)算法对图像进行稀疏分解,利用K奇异值分解 (K-singular value decomposition, K-SVD)算法对过完备字典进行训练更新,得到图像相应的训练字典和稀疏系数,重构图像;最后在重构图像中按分类图增强相应的点线目标。利用美国AIRSAR系统采集的半月湾地区数据进行实验表明:该方法在实现图像去噪的同时,能够有效的保持地物的散射特性。     

面向变化检测的SAR图像超像素协同分割算法

针对面向对象的合成孔径雷达(synthetic aperture radar, SAR)图像变化检测中存在的多时相图像边界和空间对应关系不一致的问题,提出了一种面向变化检测的SAR图像超像素协同分割算法。首先,分别计算两幅不同时相SAR图像中两个像素点之间的强度相似度,并进行加权组合得到新的像素强度相似度。其次,对两幅不同时相的SAR图像及其对数比值图分别进行边缘提取,以同一像素位置的最大边缘值构造二值边缘图。最后,以融合了像素强度、空间距离和边缘信息的相似度代替CIELAB彩色空间相似度,利用改进简单线性迭代聚类算法对多时相SAR图像进行超像素分割,得到边界准确、空间对应的协同分割结果。基于一组仿真和一组实测多时相SAR图像的协同分割实验结果表明,该方法的边缘贴合率、欠分割误差和可达分割准确率均优于其他4种经典方法。     

基于SNIC的双时相SAR图像超像素协同分割算法

针对面向区域的合成孔径雷达(synthetic aperture radar, SAR)图像变化检测方法中存在的双时相图像边缘和空间对应关系不一致的问题, 提出了一种基于简单非迭代聚类(simple non-iterative clustering, SNIC)的双时相SAR图像超像素协同分割算法。首先, 构造一幅包含双时相SAR图像特征的融合图像, 计算待处理像素点到聚类中心的像素强度相似度和空间距离相似度。其次, 采用一种高效的多尺度弱边缘检测算法, 对双时相SAR图像分别进行边缘检测并融合边缘检测结果。最后, 将像素强度相似度、空间距离相似度和边缘信息进行加权以替代原始SNIC算法中的距离测度, 实现对SAR融合图像的超像素分割, 得到与双时相SAR图像中真实地物边缘均贴合的协同分割结果。基于一组仿真和一组实测双时相SAR图像的超像素协同分割实验结果表明, 该算法的边缘贴合率、欠分割误差和可达分割准确率均优于其他7种经典方法。     

一种双层情感图像检索模型

随着信息技术的迅猛发展,情感信息处理已成为21世纪人工智能领域所面临的重要挑战之一。借鉴认知心理学、绘画艺术和服装设计的研究成果,本文提出了一种双层情感图像检索模型。在该模型中,借鉴心理学中的“维量”思想,建立情感空间;同时,抽取图像中较容易引起情感变化的特征作为图像的视觉特征,建立图像的特征空间;另外,本文还提出了情感注释的思想,采用支持向量机的方法建立图像的低层特征空间到用户的高层情感空间之间的映射,自动注释用户未曾评估的图像,实现了图像情感注释,在情感空间进行公共情感检索,快速获得用户情感信息,在此基础上,采用可视化交互式遗传算法实现因人而异的个性化情感检索,该模型应用于风景和服装图像的情感检索,取得了较好的实验结果。     

基于PSTN的远程图像监视系统的软件实现

提出并实现了一种基于PSTN的远程图像监视系统。该系统的主要功能模块均是在Windows操作系统下的Visual C 6.0编程环境中开发的,用以实现通过图像采集卡采集外部的视频信息,然后对其进行编码压缩,将压缩后的码流发送到和本地计算机建立拨号连接的任意一台远程计算机;远程计算机则对接收到的码流进行实时解码显示和存储。     

融合边缘检测模块的自然地貌语义分割模型研究

针对遥感图像自然地貌边缘的像素点归类问题,提出融合边缘检测模块的多通道融合模型与解码器端模块模型.边缘检测模块以Canny算子为基础进行闭运算及均值滤波处理得到精确化的图像边缘.语义分割网络以DeepLabV3+为基础,分别从编码器及解码器端并联边缘计策模块.实验结果表明,改进后的2种网络相比原DeepLabV3+网络...     

基于SVM与Mean-Shift的非刚性目标跟踪框架

针对动态背景下,序列图像中的非刚性目标跟踪问题,提出了一种基于支持向量机(support vector machine,SVM)和均值移动(Mean-Shift)的序列图像目标跟踪框架。在初始图像中选择跟踪目标所处的矩形框,将目标框周围一定范围的像素作为背景。以目标和背景数据训练SVM二值分类器。运用得到的分类器对下一帧图像相同区域内的像素分类,得到二值的置信图(confidence map),在置信图范围内运用Mean-Shift算法求得当前目标位置,移动目标框和背景框的中心到目标位置,以10%的比例缩放目标框并选择最优者以适应目标尺度变化。以此时的目标像素和背景像素训练新的SVM分类器,进行下一幅图像的跟踪,直至完成整个序列图像跟踪任务。实验证明,该方法适用于动态背景及非刚性目标的跟踪,且实时性较好。     

基于去噪光子图的光子映射

光子映射是产生高质量的照片级图像的有效方法。基于内存中有限的M个光子,提出基于去噪光子图的光子映射,即通过光子能量传递,得到若干个包含M个去噪光子的光子图保存到外存中;在光照估计阶段,将外存中这些去噪光子图依次读入内存,进行光照估计而得到相应的图像,最终的图像为上述图像的平均。这大大减少了光照估计的噪声,通过设置较小的光照估计的最近光子数目,可以得到噪声和偏差都很小的图像,并且视点切换时无需重新进行光子跟踪,即绘制时间非常少。实验表明只需较少的去噪光子图,就能得到很好的光照估计的效果。