基于稀疏字典分解的窄带雷达自旋目标干涉三维成像

空间微动目标干涉三维成像技术研究中,最关键的是对各散射点进行保相分离。当脉冲重复频率（PRF）不满足奈奎斯特采样定律时,基于图像处理的成像方法无法有效分离目标各散射点。提出了一种基于稀疏字典分解的窄带雷达自旋目标干涉三维成像方法,该方法能够直接从回波数据中分离出各散射点。首先,根据自旋目标回波信号特性构建稀疏字典,利用稀疏分解算法分解回波,得到各散射点子回波,其次通过时频分析并利用其保相性,获得各散射点的微动曲线,并提取出它们在时频平面上经过位置的干涉相位差,最后根据干涉相位差与坐标之间的关系重构散射点坐标,对空间自旋目标进行三维成像。仿真结果表明,在PRF不小于0.25倍奈奎斯特频率时,所提方法均能有效实现自旋目标三维成像。     

组网雷达弹道目标三维微动特征提取

研究弹道目标中的滑动型散射中心三维微动特征提取问题。分析滑动型散射中心的特点,介绍一种基于半周期时延相乘的散射中心微动特征提取方法,建立滑动型散射中心和理想散射中心微动的数学联系,利用组网雷达的多视角特性,从回波信号中提取参数,通过构造多元非线性方程组,以提取的参数作为变量,求解目标三维微动参数和部分结构特征。仿真实验验证了该方法的有效性。     

弹道目标雷达微动特征提取与识别研究综述

弹道目标雷达微动特征提取与识别是雷达目标识别领域的重要研究方向之一。在简要阐述弹道目标识别重要研究价值的基础上，结合国内外研究现状，从点散射模型、滑动散射模型、属性散射中心模型等出发，总结了现有的弹道目标微动回波建模方法，进一步分别从单基、双基、多基等不同雷达观测视角出发，梳理了弹道目标微动特征提取与成像方法，对基于人工特征和传统分类器、及基于深度学习的弹道目标分类识别方法进行了总结，最后对弹道目标雷达微动特征提取与识别方向的技术难点和未来发展趋势进行了分析与展望。     

窄带雷达网弹道目标微动特征提取

目标微动特征是弹道中段识别的有效特征之一。针对单部雷达获取目标微动信息的局限性,提出了一种利用窄带雷达网进行弹道目标进动特征提取的方法。首先,建立了锥体进动模型和窄带信号模型,得到了散射点微多普勒表达式。然后,在锥体非理性散射点转化为理想散射点的基础上,通过频谱分析,实现了不同视角下散射点的匹配关联。最后,利用锥顶微多普勒信号对锥底进行补偿,在雷达视角方差最小时求得补偿系数。再联立2部雷达的微多普勒信息即可求出参数。仿真结果表明该方法能够精确提取微动参数和结构参数。     

基于三维坐标的运动目标跟踪

基于二维坐标的多运动目标跟踪,在跟踪过程中由于目标相互遮挡,算法无法分清各个运动目标,导致跟踪目标失败。而三维坐标具有深度信息,利用目标遮挡前后坐标的不突变性能很好地分清各个目标,为此提出基于三维坐标的运动目标跟踪方法。首先,采用背景差法进行目标检测;其次使用sift算法对目标特征提取,运用极线约束对目标特征点进行立体匹配以及三维重构并使用模糊C均值聚类算法(FCM),确定运动目标中心三维坐标;最后结合Kalman滤波实现目标跟踪。实验和分析结果表明,算法能够较好地适应目标遮挡下的跟踪,具有良好的准确性、鲁棒性。     

基于宽窄带微多普勒融合的锥体目标三维重构

目标三维特征包含更为精细的结构和微动信息,以锥体弹头为研究对象,提出了一种基于宽、窄带混合体制雷达组网的锥体目标三维重构方法。首先建立锥体目标进动模型,详细分析了目标在不同体制雷达回波中的微多普勒调制特性,然后,使用改进的viterbi算法和最小二乘法对各散射中心的幅相信息进行提取和估计,并通过灰色关联度分析实现非理想散射中心的匹配。在此基础上,构建宽、窄带微多普勒信息融合方程组,解算出锥体目标的进动和结构参数,进而确定目标空间位置,实现三维重构。仿真结果表明,在信噪比为5dB情况下,目标的三维重构精度在91%左右。     

基于距离最近原则的微多普勒曲线分离和特征提取

为了分离微动目标的微多普勒曲线,提取有效的特征参数,提出了一种基于距离最近原则的微多普勒曲线分离和特征提取方法。首先建立了双基地雷达滑动散射点的微动模型,分析了微多普勒特性,然后采用Hough变换剔除锥顶正弦曲线,通过距离最近原则分离出锥底散射点的非正弦微多普勒曲线,对分离出的非正弦曲线求最大值和最小值计算出振幅。通过仿真,验证了该方法的有效性。     

宽带雷达弹头目标遮挡效应建模与微多普勒仿真分析

微多普勒特征是弹道导弹目标识别的重要依据。高频雷达体制下，弹头目标与雷达的位置关系直接影响雷达回波生成及后续的微多普勒特征提取，因此必须考虑遮挡效应的影响。首先，使用3D-Max软件对锥体弹头进行几何建模，得到三维网格模型；其次，对于弹头顶点和尾翼散射点，在计算机图形学面消隐算法的基础上，采用平均法向量法进行遮挡判断，得到较为真实的目标仿真回波，对遮挡条件下的弹道目标回波建模与微动特征分析进行了初步探索。仿真结果表明，该方法可以完成弹头目标的遮挡效应建模。     

点迹-曲线关联算法的旋转对称群目标分辨

基于微多普勒效应分析的弹道目标识别得到了广泛研究,然而传统的微多普勒特征提取技术大都难以解决空间群目标的分辨与识别。针对这一问题,提出了一种基于点迹-曲线关联算法的空间群目标分辨方法。在以旋转对称群目标为研究对象的前提下,建立了具有滑动散射特性的目标模型并分析推导了散射点的微动表达式,利用点迹凝聚处理抑制了一维距离像旁瓣,在此基础上,提出了点迹-曲线关联算法分离出混叠的群目标微多普勒曲线,通过各曲线的极值包络特性差异实现了旋转对称群目标分辨。实验仿真验证了本方法的正确性和可行性。     

曲线合成孔径雷达中散射点三维特征提取方法

为了减少曲线合成孔径雷达(syntheticapertureradar,SAR)的成像算法计算复杂度,提出一种有效的目标三维特征提取方法。该方法基于松驰思想逐个提取散射点的三维特征,并利用散射点的距离参数与垂直于距离方向上参数(方位和高度)之间的弱耦合性将散射点位置估计解耦为顺序估计。由于采用了一系列的低维优化过程来获得所有散射点的参数估计,该方法具有较低的运算代价。仿真结果表明:该方法可以有效地对三维目标成像,且参数估计性能与其他曲线SAR成像算法相当。所以该算法在降低计算复杂度的同时并未造成性能上的损失。     

基于FDD-OFDM信号外辐射源双基雷达的低空目标微动特征提取

作为当前一种广泛使用的民用移动通信信号,LTE信号是低空目标探测的一种重要外辐射源信号。开展基于LTE信号的低空目标特征分析与提取研究,对于低空监视与要地防护等具有重要意义。LTE移动通信信号的核心技术之一是多载频正交频分复用技术, OFDM,分为时分双工TDD和频分双工FDD 2种模式。针对FDD-OFDM信号,首先建立了带旋翼低空目标雷达回波模型,推导了目标散射点的多普勒和微多普勒参数化表达,并分析了其微多普勒频率的影响因素。在此基础上,使用时频分析和Hough变换结合的方法对目标的微动特征参数进行提取,验证基于FDD-OFDM信号外辐射源双基雷达的低空目标微动特征提取的可行性和有效性。     

足球正脚背射门动作的三维姿态重构方法研究

足球正脚背射门动作实时变化,不同时刻目标二维图像存在很大差异,当前三维姿态重构方法可得到的动作信息非常有限且具有姿态敏感性,导致重构结果不可靠、连续性不高。为此,提出一种新的足球正脚背射门动作的三维姿态重构方法,依据足球正脚背射门动作图像中所有像素的平均梯度平方矩阵获取Harris算子,通过Harris算子对足球正脚背射门动作特征进行提取。通过矩阵因式分解方法从观测矩阵中分解出三维姿态位置矩阵,实现足球正脚背射门动作三维姿态重构。实验结果表明,所提方法具有很高的重构精度,且连续性较高。     

基于循环自相关/平均幅度差函数的弹道目标微动周期估计

雷达微多普勒(m-D)是弹道目标的突出特征,为弹头识别提供了重要手段.然而,当弹道目标的微动伴随平动时,时频分布不再表现为正弦调制曲线,此时基于时频分布正弦假设的微多普勒特征提取方法可能失效.针对这一问题,提出了一种循环自相关函数(CACF)和循环平均幅度差函数(CAMDF)相结合的估计算法,来获取时频分布的循环系数矩阵和该矩阵的平均循环系数,从而估计出弹道目标的微动周期.该算法以时频分布的循环周期性代替正弦调制的周期性,不需要假设目标平动已被准确补偿,有效克服了传统微动周期估计方法的不足.理论推导论证了该算法的可行性,仿真实验验证了该算法的有效性和抗噪性.     

汉字的S—E坐标提取及其骨架重构

本文从手写印刷体汉字的计算机光学输入的离散模式出发,提出一种称为S-E坐标的特征提取的新方法。S-E坐标的特征提取及基于S-E坐标的汉字骨架重构在快速实时、数据压缩、畸变消减以及抗干抗性等方面优于通常的细化算法。最后简介基于S-E坐标的汉字识别法。分析与实验表明,S-E坐标为进一步的特征提取和汉字识别提供了一种有效的工具。     

基于局部密度聚类的雷达目标散射中心区域分割

散射中心是描述雷达目标高频散射机理的重要特征,准确提取雷达目标散射中心参数对解析雷达目标有着极其重要的研究意义。为了提高散射中心参数计算速度,通常将整幅SAR图分解为多个包含散射中心的小区域,对每个小区域分别进行特征提取和参数计算。根据雷达目标散射中心的特点,本文提出了一种基于局部密度聚类的雷达目标散射中心区域分割技术。首先,首先对雷达图像进行Frost滤波、LSM图像分割和面积滤波的一系列图像预处理获得目标ROI区域,然后对预处理后的图像利用局部密度聚类算法检测散射中心并进行区域分割。实验中,采用模拟数据和真实数据对本文方法和传统图像分割算法展开数值实验,实验结果验证了本文方法在雷达目标散射中心区域分割的有效性和优越性。     

基于三维重建的人脸姿态估计

人脸姿态估计是计算机视觉及人脸识别领域的一项关键研究内容.将三维模型应用于估计人脸图像姿态参数,提出了基于三维重建的人脸姿态估计算法.根据人脸正面图片上的特征点计算出形状参数,实现三维人脸重建.基于三维人脸模型,由姿态图片上提取的特征点信息推知等姿态下模型上对应特征点的信息,针对照模型正面姿态,运用线性回归估计姿态参数.实验表明,重建的三维人脸具有较好的真实感,在较大的姿态变化范围内,该方法也能够取得较好的估计精确并具有鲁棒性.     

基于稀疏转稠密机制的仿射不变特征匹配算法

提出一种基于稀疏、稠密特征转换的仿射不变特征匹配算法,其中稀疏特征包括坐标,尺度,仿射模拟参数等,稠密特征指基于图像局部区域内光学属性的局部描述符.本文算法在Affine-SIFT算法基础之上,针对在特征提取阶段仅使用稀疏特征提取的缺陷做出了改进.由于稠密信息只有在稀疏参数满一定足检测条件时才能提取到特征,导致本可以匹配到的特征(包括稀疏、稠密参数)无法提取,将通过使用稀疏特征构造新的模拟图像,通过将稀疏特征重新稠密化,并在模拟图像基础上进一步提取稀疏特征,同时可检测到原始图像中检测不到的可匹配特征,最终达到增大特征建立匹配的概率,提升正确匹配数量的目标.经实验验证,本文提出的稀密特征转换算法相比于ASIFT算法能大量增加特征匹配的数量.除针对ASIFT方法提供扩展外,该方法也可用于扩展具有充分稀疏特征参数的其它特征提取和匹配方法,并适用于目标识别、目标分类和三维重建等问题.     

基于SURF-RANSAC配准的三维重建

为了提高三维重建中双目特征匹配的匹配效率和重建质量,在基于传统的加速鲁棒特征(SURF)匹配算法基础上,提出了一种基于SURF-RANSAC配准的三维重建算法。利用左右两幅图像来进行三维重建,首先通过Hessian矩阵来获取目标图像的初始特征点,并用邻近快速搜索算法完成初步的特征点匹配,然后融合随机抽样一致性算法(RANSAC)来优化匹配,最后利用三维坐标和纹理映射来完成三维重建。在Open CV上对该算法进行验证。结果表明,本文算法比传统的三维重建算法具有更高的精确度和更快的速度。     

超分辨率数字图像特征提取及重构方法研究

当前超分辨率数字图像特征提取及重构方法容易受到外界环境的干扰,导致重构结果不可靠,重构图像质量较低。为此,提出一种新的超分辨率数字图像特征提取方法,通过BRISK描述子对超分辨率数字图像特征进行提取,以提高重构图像质量。详细分析了重构约束的构建过程;在此基础上,通过低分辨率数字图像与平滑性求解获取高分辨率数字图像,从而实现超分辨率数字图像的重构。实验结果表明,采用所提的新的超分辨率数字图像特征提取及重构方法对图像进行重构,不仅匹配性能高,而且重构图像质量优、效果佳。     

基于唇重构与三维耦合CNN的多视角音唇一致性判别

针对传统音唇一致性判别方法主要对正面唇动视频进行处理,未考虑视频采集角度变化对结果的影响,且容易忽略唇动过程中的时空特性等不足,文中以唇部角度变化对一致性判别的影响为研究重心,结合三维卷积神经网络在非线性表示和时空维度特征提取上的优势,提出了基于正面唇重构与三维耦合卷积神经网络的多视角音唇一致性判别方法。该方法先通过在生成器中引入自映射损失来提高正面重建效果,并采用基于自映射监督循环一致性生成对抗网络（SMS-CycleGAN）的唇重构方法对多视角唇图进行角度分类及正面重构;然后设计两个异构三维卷积神经网络,分别用来描述音频和视频信号,并提取包含长时时空关联信息的三维卷积特征;最后引入对比损失函数作为音视频信号匹配的相关度鉴别度量,将音视频网络输出耦合到同一表示空间,并进行一致性判别。实验结果表明,文中方法能重建出更高质量的正面唇图,一致性判别性能优于多种不同类型的比较方法。