基于压缩感知的稀疏无源雷达成像

当窄带外辐射源数目稀少且空间分布不均匀时,通常会在无源雷达成像中产生稀疏的无规则空间谱填充,使得传统快速逆傅里叶方法(inverse fast Fourier transform, IFFT)或极坐标方法难以获得良好的目标成像效果。针对这种空间谱填充的稀疏性和非均匀性,利用压缩感知理论在处理稀疏随机采样信号重构问题上的优势,提出了稀疏无源雷达成像方法。同时通过构造传感矩阵的互相关和积累相关函数,对目标图像的可重构性进行了分析。理论分析和仿真结果表明,对具有稀疏随机空间谱特点的无源雷达成像,本文提出的成像方法是有效的。     

基于空间连贯性的快速图像逆映射算法

作为基于图像绘制技术(IBR)的基础算法,图像逆映射算法克服了正向映射的诸多问题,但存在的效率瓶颈极大地妨碍了其广泛运用。提出一种用于图像逆映射的快速算法―极线模板法。该算法利用场景的空间连贯性,采用相邻参考像素的可变半径模板对极线进行裁剪,从而将单次搜索从极线复杂度降低到模板半径复杂度。而对于无法采用模板进行裁剪的像素,则根据极线几何的保序性,利用已建立映射的匹配关系,找到最近的搜索起点优化搜索。该算法简单易实现,大大降低现有算法的计算复杂度,显著提高计算效率。     

在强杂波背景SAR图像中检测动目标

针对强杂波环境提出了一种新的从SAR图像中检测动目标的方法。在搜索动目标的二次相位时,对称减去和加上同一二次相位误差修正值,在时域得到两幅图像。这两幅图像中,静止杂波的锐度处处相等。计算这两幅图像各区域的锐度比对数,可在强背景杂波环境下敏锐地检测到动目标。这种方法不但可检测有切向速度或径向加速度的动目标,而且还可检测到强反射径向慢速动目标。实测数据表明本算法有效。     

基于量子粒子群的广义模糊熵阈值法参数选取

针对广义模糊熵阈值分割法中参数m的选择问题,提出了一种结合优化算法的自适应参数选取算法.该算法依据一种图像分割质量评价指标建立目标函数,再基于量子粒子群优化搜索算法在参数的变化空间自适应地搜索最佳参数,同时依据模糊熵最大准则对S型隶属度函数中的三个参数(a,b,d)进行了全局组合寻优,从而建立了一个嵌套的优化搜索过程,实现了广义模糊熵图像阈值分割方法的自动阈值选取.实验表明,该方法对光照不均匀图像有更好的分割效果.     

一种基于粒子群优化的信息隐藏方法

针对以灰度图像为掩体信号的数据隐藏,提出了一种基于粒子群优化技术的空间域信息隐藏方法。该方法首先运用粒子群优化算法快速搜索到一个较优的映射矩阵,然后将待隐藏的信息通过该映射进行置换;最后,将置换结果嵌入到掩体图像灰度信息中。实验结果表明,与基于遗传算法的信息隐藏方法相比,该算法花费时间少,嵌入信息后的图像质量好。     

基于变尺度混沌搜索的永磁球形电机的位置检测

介绍了永磁球形步进电机的模型,在转子球面上进行随机编码,96个光电传感器的输出表示转子的方位角.根据球形电机的特殊结构和旋转特点,对位置检测系统进行数学建模,对转子球体的目标节点采用改进的变尺度混沌搜索方法,将混沌变量的动力学方程映射到位置空间.当搜索到的较优值次数或循环次数等于设置的初始条件时缩小搜索空间,搜索精度取决于传感器的分辨率与搜索终止条件.     

具有高分辨率和大视场的导引头设计方法

针对现有的红外均匀成像导引技术无法有效地处理高分辨率、大视场和实时性三者之间的矛盾,提出了一套基于空间变分辨率理论的导引头成像方案。通过使用了对数极坐标变换描述的空间变分辨率模型,将视场分为高分辨率区和低分辨率区,从而克服了三者的矛盾,并使系统具有尺度和旋转不变性。此外,为了加快目标匹配速度,提出了一种快速双投影匹配方案。通过对尺度和旋转变化后的目标进行匹配和分析,可以证明对于n×n大小的图像,新方法的运算量仅仅是原方法的2/n。     

基于立体视觉的三维曲面测量关键技术研究

利用立体视觉测量曲面有三个难点一是摄像机标定,建立图像点与空间点的映射关系;二是立体匹配,在左右图像上寻找对应点;三是测量大型物体时,需要拼接图像.首先根据人眼感知事物的原理,利用神经网络拟合图像点与空间点的映射关系,避开直接对摄像机标定;接着以光栅投影曲线为特征,利用小波边缘检测和搜索式无监督聚类,结合视觉几何不变性,实现亚像素级的立体精匹配;最后采用小波多尺度多非分辨率的特性,拼接图像,融合数据,实现曲面全方位测量,且测量精度在0.5mm/m以内.     

基于均匀设计的多目标遗传算法在柔性工作车间调度中的应用

采用均匀设计技术合成多个适应度函数以提高搜索方向的空间均匀性,并针对多目标柔性工作车间调度问题的特点,设计了基于工序顺序和基于机器分配两种交叉变异的操作以及小生境技术、精英保留策略和遗传操作自适应调整策略来提高种群的多样性和搜索的效率。实验证明,本文提出的算法所得结果比较理想。     

一种增强型基于失败者淘汰的多模态烟花算法

提出一种增强型基于失败者淘汰制的多模态烟花算法。该算法采用一种新型的考虑位置特征的映射规则,把超出爆炸空间上边界的爆炸火花映射到爆炸空间上边界附近的区域、把低于爆炸空间下边界的爆炸火花映射到爆炸空间下边界附近的区域。所提算法引入了自适应调整爆炸火花数量参数的策略,以更好地平衡算法的全局和局部搜索能力。选取CEC2013标准测试函数集中的28个函数进行测试,实验结果表明所提算法具有更优的搜索性能。     

面向高分辨率遥感影像敏感目标识别的局部特征描述算法

提出了一种用于高分辨率遥感影像中敏感目标识别的局部描述算法--归一化像素分布直方图局部描述子。首先提取目标边缘,将目标边缘上每一像素点依次作为坐标原点构建“对数-极坐标”坐标系,规格化所有像素点的像素值,利用当前坐标原点以外的目标边缘像素点的分布来构建局部描述子。用提出的局部描述算法对敏感目标提取局部特征,构建敏感目标局部特征数据库。同时对待识别目标提取局部特征后与敏感目标局部特征数据库中的特征使用一种“分步匹配”的策略进行匹配,完成目标识别。     

基于自适应上下文信息的目标相对定位方法

针对成像末制导中地面固定目标识别难度大的问题,基于最稳定极值(maximally stable external region, MSER)区域提出一种新的相对定位识别算法。提取基准图中目标周围具有尺度和仿射不变特性的MSER特征,根据权重指数自适应选取一定数量的MSER特征作为上下文地标。提取实时图中的MSER特征,与上下文地标基于规则化互相关准则进行特征匹配,利用双层匹配矫正策略减少误匹配,得到匹配特征对。提取匹配特征对的中心点作为参考点求解基准图与实时图之间的空间映射关系,进而利用最小二乘拟合一次多项式计算实时图中目标的位置坐标。实验结果表明,针对复杂地面场景,该方法的最大相对定误差不大于3个像素。基本满足成像末制导对自动目标识别算法稳健性好、识别精度高、抗干扰能力强等要求。     

基于快速模型匹配的飞行目标三维姿态角估计算法

采用动态模型匹配的基本原理,提出了一种基于二维图像序列的飞行目标三维姿态角估计算法。算法根据目标机动特点和姿态角约束关系,建立了降维动态模型库,在保证模型库完备性的同时减小了规模。根据相似性矩阵的分布规律提出了十字搜索法,加快了最佳匹配模型的搜索速度。仿真表明,该算法具有较好的准确性和实时性,对提高机动目标跟踪性能具有一定的理论意义。     

基于奇异值分解的复杂转动目标成像

目标在三维空间复杂转动时,传统的逆合成孔径成像算法得不到聚焦的二维像。通过对复杂转动目标等效散射中心相位变化的分析,提出了一种基于奇异值分解的成像算法。该算法首先估计多个散射中心的相位历程,获得相位矩阵|然后对相位矩阵进行奇异值分解,并根据奇异值之间的关系对目标是在三维空间转动还是在二维平面内转动进行判断。根据判断结果分别进行处理：当目标在平面内转动时得到目标的二维像|当目标在三维空间转动时得到失真的三维散射中心模型。仿真及实测数据处理结果验证了所提算法的有效性。     

用于多传感器目标跟踪的数据时空对准方法

分布在不同平台的不同类型、不同精度的传感器,对同一个目标进行观测所得到的目标观测数据差别很大。在进行多传感器目标跟踪时,首先必须把来自不同平台的多传感器数据进行时空对准。针对这个问题,通过建立参心空间直角坐标系和归一化采样间隔的方法对多传感器数据进行了空间统一和时间统一,解决了多传感器目标跟踪的基础问题。其结果具有普遍适用性,具有广泛的使用价值。基于该方法的技术已经应用到实际中,并取得了良好的效果。     

Bidirectional Texture Mapping

Texture mapping is an important technique for high -quality image generation in computer graphics. In this paper, the shortcoming of the traditional texture mapping approaches is analysed and a general bidirectional texture mapping method is proposed. Based on the bidirectional mapping, an algorithm for mapping an image to an arbitrary polygon in 3D space is given.     

双向纹理映射

在计算机图形学中,纹理映射是高质量图像生成技术中的一个重要内容,本文分析了传统的纹理映射方法的不足之处,提出了一种通用的双向纹理映射方法。并且,根据双向映射的思想,给出了一幅图像映射到三维空间任意平面多边形上的映射算法。     

基于改进型YOLOv3的SAR图像舰船目标检测

传统合成孔径雷达(synthetic aperture radar, SAR)图像目标检测的方法依赖于人工设计特征且易受复杂背景干扰, 泛化能力较差。深度学习的方法可以自动提取特征且具有良好的抗干扰特性, 对于未来雷达智能感知具有重要意义。不同于其他只能对固定区域进行检测的常规卷积神经网络, 本文提出一种改进型YOLOv3的SAR图像舰船目标检测方法, 该方法基于舰船尺寸与形状自适应采样的可变形卷积、ResNet50变体特征提取器和ShuffleNetv2轻量化思想等设计YOLOv3模型。通过SSDD数据集验证, 在检测效果方面, 相较于原YOLOv3模型, 平均精度从93.21%提高至96.94%, 检测概率从95.51%提高至97.75%;在模型大小方面, 轻量化设计模型仅为原YOLOv3模型的八分之一, 可实现嵌入式的使用。     

一种利用快速2D熵阈值算法的目标图像分割方法研究

目标图像分割是自动目标识别(ATR)的重要环节,其性能对ATR系统具有显著影响。本文利用二维(2D)熵阈值进行目标图像分割,提出一种快速2D熵阈值算法,大大缩短了处理时间,减少了所需存储空间。另外,为了进一步改善分割效果,采用中值—平滑滤波进行图像预处理。实验结果表明,本方法具有很好的分割效果。