单通道SAR的动目标检测

提出了一种基于单通道合成孔径雷达(SAR)进行动目标检测的新方法。该方法在详细分析SAR对动目标的回波模型的基础上,给出了进行子孔径成像、地杂波对消、相干斑抑制、动目标检测的原理和实现方法。文中首先建立了SAR的回波的数学模型,分析了动目标回波和地杂波的不同特征。在对回波做子孔径成像之后,为了抑制相干斑,对两路子孔径信号分别做平滑处理。然后进行杂波对消,通过对杂波对消后的残差图像做恒虚警处理检测出运动目标。计算机仿真结果验证了其有效性。     

机载广域监视SAR地面运动目标检测和参数估计方法

提出了一种机载广域监视SAR地面运动目标检测和参数估计方法.首先,基于斜视SAR的空间几何模型推导了地面运动目标成像的特征,得出运动目标不仅在方位向发生偏移,而且在距离向也会产生位移;然后,利用子孔径方法实现杂波抑制和运动目标的检测;最后,提出了广域监视SAR模式下运动目标的参数估计方法,并得到了该模式下运动目标的成像轨迹.计算机仿真验证了本文提出的机载广域监视SAR系统可以实现运动目标的检测和目标运动轨迹的形成.     

基于多尺寸特征叠加的SAR舰船目标检测方法

针对SAR图像中舰船目标的检测问题,单纯基于深度学习的图像处理技术难以达到检测准确性和实时性要求.SAR图像中目标尺寸较小,且易受噪声、光斑干扰,传统方法难以提取精细特征并克服复杂条件下的背景干扰.针对以上问题,设计基于YOLOv3检测框架的端到端检测模型,借鉴了残差模块结构来避免网络退化问题.同时结合深层与浅层的不同尺寸特征图检测,使用目标基础特征提取网络参数来避免重复训练初始化过程.针对SAR图像中海上舰船成像小目标的特点改进优化了神经网络结构,实现SAR海面广域舰船目标识别分类算法,并对检测模型进行轻量化压缩处理.构建SAR图像舰船目标数据集并进行了多次目标检测识别分类实验,体现了提出的检测方法在复杂场景下有可靠的抗干扰能力和准确的目标检测识别性能.     

基于极化合成孔径雷达图像的斑点滤波方法

斑点噪声是由合成孔径雷达(SAR)的相干成像原理造成的固有缺陷,为了更好地进行SAR图像地形分类、目标检测等后续处理,提出一种用于极化SAR图像的滤波方法.该方法利用新的优化函数和约束条件,在保持图像功率等于Lee滤波功率的前提下,通过最小化信号子空间向量与原始向量的欧式距离,达到降斑的目的.实验结果表明: 利用旧金山地区的真实极化SAR数据,使用该方法滤波的图像结果与原有的子空间滤波器相比,更接近原始图像的均值,并且通过滤波提高了不同类别的目标在特征空间的区分度,从而有利于不同类型地物的分类.     

一种机载重轨InSAR频域动态子孔径运动补偿方法

对于机载重轨干涉SAR系统,由于2次飞行的运动轨迹误差不一致,导致2天线间的残余误差无法相互抵消,必须通过高精度的运动补偿才能提高DEM(Digital Elevation Model)反演的高程精度。针对现有方法中仅以图像质量来衡量,不能反映干涉SAR运动补偿性能的问题,文中首先对参考轨迹拟合及方位向重采样进行了论述,然后针对常规二级运动补偿中的波束中心近似和地物定位中的平地假设两个问题,提出了一种频域动态子孔径运动补偿方法,最后在考虑残余运动误差补偿、射频干扰抑制及成像算法选取后,详细给出了机载重轨In SAR的数据处理流程,以获得精确的机载重轨In SAR图像和干涉相位。仿真统计分析和实际In SAR数据的处理及DEM反演的结果,进一步验证了文中方法和数据处理流程的有效性。     

子孔径相关算法研究

目的为了选用快速高效的自聚焦算法对机载SAR数据进行聚焦处理。方法针对子孔径相关算法（Map-Drift，简称：MD），利用中国科学院电子研究所机载L波段合成孔径雷达（SAR）的实际数据，进行了算法的可行性分析和试验研究。结果给出了精确度和地形适应性较好的点目标仿真和实际SAR图像。结论这种算法能有效地消除相位误差对成像的影响，精确度高，适于SAR图像处理。     

基于目标模型的红外弱小目标预检测

为解决高空背景中低信噪比运动点目标的检测问题,本文提出了一种利用红外弱小目标和背景的不同模型来实现检测小目标的预检测方法。根据在同一帧图像中红外弱小目标与噪声点在局部图像中特性的不同,提出检测局部图像中一个点与目标模型的相似程度来判断是否为红外弱小目标的预检测方法。实验表明,该方法可以有效提高单帧目标的信噪比,可用于噪声环境的红外弱小目标检测。     

提高沿航向干涉法性能的最小二乘图像对补偿方法

沿航向干涉法是对合成孔径雷达（SAR）功能的一种扩展,通过对两幅SAR复图像（称为图像对）进行比较可以对洋流进行测速、对动目标进行检测．在陆地图像中,动目标常和静止地物混在一起,难以自动检测,通常要依靠两幅复图像相消来抑制静止场景的图像（称做杂波）,提高信号和杂波的功率比．文中分析了SAR图像对存在的4种基本形式的误差,提出了不同类型的误差应该在不同的域进行补偿的观点和一种基于最小二乘的二维相位补偿算法,并给出SAR图像补偿的方法流程．由于对每一种误差都在恰当的域进行补偿,该方法可以明显提高系统对杂波的抑制能力,获得更高的信杂比,从而提高对运动目标的检测性能．机载雷达实测数据处理的结果证实了该方法的有效性．     

SOAMST目标跟踪算法的改进应用研究

基于视觉图像的飞行器目标跟踪中,一般要面临目标严重遮挡和目标大尺度形变等问题。为了实现这种情况下的准确目标定位和目标跟踪,提出采用融合卡尔曼滤波器的改进SOAMST算法:一方面利用卡尔曼滤波的递推与估计能力来解决目标运动过程中目标被遮挡的问题;另一方面使用基于大津阈值的改进SOAMST算法来处理运动目标的大尺度形变以实现目标的准确定位。实验结果表明,该算法能够处理运动目标的严重遮挡,实现对运动目标进行准确的定位和跟踪。     

基于单极化SAR图像的舰船目标检测与分类方法

 SAR是一种主动式微波成像传感器,具有全天时全天候高分辨率对地观测能力,被广泛应用于海洋舰船目标检测与分类。随着SAR成像技术的发展,SAR图像的分辨率越来越高,数据量也越来越大,研究鲁棒高效的海洋舰船目标检测与分类方法对于军事及民用领域具有重大意义。总结了现有的针对单极化SAR图像的舰船目标检测及分类方法,分析了各类方法的特点以及存在的问题,展望了未来SAR图像舰船目标检测及分类方法的发展趋势。     

基于曲线拟合的无线传感器网络目标定位算法

针对无线传感器网络的目标定位精度问题,提出了一种基于曲线拟合的目标定位算法.采用最小二乘法对目标经过的各个位置进行拟合,计算出近似目标运动轨迹的曲线参数;进而通过分段曲线拟合的方式,引入更多位置信息参加目标定位,从而减少定位过程中的误差因素,最终实现对网络中运动目标的定位与跟踪.实验结果表明,该算法具有比一般曲线拟合方法更高的目标定位精度,有效提高了无线传感器网络目标定位的准确性.     

一种新的虹膜定位算法

提出一种新的虹膜定位算法.首先根据虹膜图像的灰度分布特征进行粗定位,用阈值分割和二值图像形态学的方法提取瞳孔的圆心和半径,然后用边缘检测的方法提取虹膜的外边缘,最后用圆梯度灰度检测算子进行小范围的精确定位.实验结果表明,该算法提高了虹膜定位的速度,减少了传统虹膜定位算法中搜索的盲目性.     

一种基于小波系数投影的快速模板匹配算法

根据粘片机晶元的结构特征,提出一种改进的基于小波变换系数投影的算法.该算法将局部有剧烈变化的信号点的位置顺序记为特征点,使用匹配小波系数直方图之间的相似性进行图像匹配,通过改进的多分辨率结构分析,减少了约70%的计算量,并将晶元定位的运算速度提高至10ms左右.该算法不仅可以精准匹配和定位,显著降低系统的总体计算复杂度,也具有更快的晶元搜索速度,可以应用在其他自动化场景中,进一步提高机器性能.     

海上小目标检测的视知觉方法

针对海上小目标检测问题，提出采用基于视觉非线性的图像分割方法，同时结合最佳分割区域自动调整算法，获得海上小目标的优良分割结果，并利用目标背景间存在较强反差这一先验知识，从分割所得二值图像中确定真实目标．算法中同时考虑了对亮、暗目标的处理，因而对目标的灰度变化不敏感．大量海上小目标检测的实验结果证实了本方法的有效性．     

免疫进化机制及其在时序模式挖掘中的应用研究

针对目前动态数据挖掘中存在的问题,提出基于数据增量的动态挖掘进程概念;在动态挖掘进程和生物免疫进化过程的相似性基础上,提出了知识发现中的免疫进化机制的基本内涵;给出了基于免疫进化机制的时序模式挖掘算法及其实验分析,以验证理论的正确性和有效性。     

面向遥感图像的小样本目标检测改进算法研究

针对传统的遥感图像目标检测中面临的小样本以及目标样本分布不均衡等问题, 提出了一种基于改进的卷积神经网络(convolutional neural network, CNN)的遥感图像小样本目标检测算法. 首先, 该算法利用 $K$ 近邻($K$-nearest neighbor, kNN)回归分别对每个点和卷积层提取特征构建局部邻域; 同时, 通过最大池化聚合所有局部特征进行全局特征表示; 最后, 采用全连接层与缩放指数型线性单元(scaled expected linear unit, SELU)激活函数计算各类别对应的概率并分类. 实验结果表明, 该算法能够更有效地融合局部特征, 提高了遥感图像小样本目标识别与检测的精度, 同时保持信息的非局部扩散.     

聚束式SAR斜视模型子孔径CS算法

提出一种适合于大场景的聚束式合成孔径雷达(SAR)成像算法.该算法对经典的chirp scaling(CS)算法进行了改进,将雷达回波数据在方位向分为多个子孔径进行成像处理,对每个子孔径采用斜视等效距离模型,通过对回波信号在距离压缩过程中引入距离尺度变化,合理选择变尺度因子,消除了子孔径间距离拉伸尺度的差异.修正了相位补偿因子,使距离向压缩结果体现出方位时间.方位向压缩后,将各子孔径数据按时间先后排序拼接、运算,合成出全孔径分辨率图像.计算机仿真实验证明了该算法的有效性.     

基于YOLOV3改进的虹膜定位算法

针对传统虹膜定位算法定位不准确的问题,利用改进的YOLOV3虹膜定位模型对虹膜定位的准确率加以提高,使其更好应用于生产实践.使用Densenet-121模型作为特征提取模块,并在此基础上通过复制骨干网络得到辅助网络的方式使其更有利于检测小目标,用Non-local注意力机制增强图片获取特征语义信息.采用基于DarkNet-53的YOLOV3模型、Daugman模型及Wilde模型进行对比实验.实验结果表明:本文的实验模型在虹膜定位中的准确率高达97.1%,与其他虹膜定位模型相比具有明显优势.     

基于颜色特征的漂浮机器人三点定位系统

针对现有机器人全局相对定位方法的局限性,研究和提出了一种带有颜色特征的漂浮机器人定位算法.首先,在机器人表面标定3个红色标记点,利用CCD摄像机和图像采集卡采集全局视图,并将采集到的视图用HSI模型描述,从而增强颜色特征的鲁棒性,减少光照等外界因素的影响.然后,通过对HSI模型图像全局扫描、滤波和除噪,确定机器人表面3个标记点的位置,再根据三点定位法找出机器人在图像中具体的像素位置和像素姿态.最后,按照微分坐标转换法,根据已知的机器人像素位置和像素姿态数据,求得其在工作台上的实际位置和姿态,以达到精确定位的目的.与同类方法相比,该方法可以显著提高算法的效率和精度.     

红外序列图像点目标检测的一种方法

针对红外图像中点目标的特点和实际应用条件,提出了一种基于红外序列图像和过抽样小波变换的点目标检测方法,它先对单帧图像进行预处理,提取可能的目标点,然后根据序列图像的帧间相关性和目标运动的连续性来实现运动点目标检测,实验结果表明,此方法对检测红外图像中的点目标效果较好。