一种SAR图像目标识别方法

提出了一种新的合成孔径雷达 (SAR)图像目标检测和识别方法 ,该方法根据SAR图像统计分布特性 ,结合恒虚警检测算法和小波变换提取感兴趣的SAR图像目标特征 ,检测得到目标 ,采用马氏距离从杂波背景中识别该目标。实际SAR图像测试结果表明了该方法的有效性     

一种基于神经网络的红外目标识别方法

文中介绍了一种基于神经网络的目标识别方法。该方法利用径向基函数（ＲＢＦ）神经网络,结合目标边界的形状特征,对平移、旋转及尺度变化情况下的目标进行了分类识别。实验结果表明,这种识别方法性能稳定,且具有很高的识别精度。     

复杂背景下毫米波雷达目标识别的一种方法

针对毫米波雷达工作背景复杂、回波信号信杂比较低的情况，本文在对杂波信号双谱特性进行分析的基础上，提出一种基于双谱理论与假设检验思想的适用于强杂波下的目标识别方法。首先，对回波信号作双谱估计，然后根据回波双谱估计出杂波的分布，自适应地设定门限，以对双谱作相应处理，用于特征提取、目标识别。实验结果表明，经过处理的双谱抑制了大部分的杂波，保留了丰富的目标信息；识别系统在强杂波下仍然具有良好的识别结果。     

一种有效的SAR图像分割与目标识别方法

在基于模板匹配的合成孔径雷达(syntheticapertureradar,SAR)目标识别中,一个关键问题就是如何从带有杂波的SAR图像中将目标正确分割出来,以便形成高质量的模板。针对这一问题提出了一种基于对数变换的自适应SAR图像分割方法并将其用于由美国国防高级研究计划署(DefenseAdvancedResearchProjectAgency,DARPA)和空军研究室(AirForceResearchLaboratory,AFRL)提供的实测SAR目标图像识别中。实验结果证明,经有效的目标分割后,不但提高了目标的正确识别率,还有效地提高了对假目标的拒识率,具有良好的鲁棒特性。     

一种基于低分辨雷达的目标识别方法

讨论了一种基于低分辨雷达的目标(飞机)识别方法,描述了这种识别方法所依赖的硬件平台即目标回波数据采集系统的组成及工作原理,阐述了一种基于低分辨雷达的目标粗分类(目标大、中、小等粗略属性的判别)的方法,研究了低分辨条件下目标特征描述的思路, 尝试利用这些方法进行目标属性的粗分类以及进行机群目标架次的判别。现场实验表明,这 些方法是可行有效的,对于提高常规低分辨雷达的性能有着重要的意义。     

市场供求不确定供应链的多目标鲁棒运作模型

提出了由一个制造商和一个供应商构成的多产品、多阶段供应链在原材料市场的供应和消费市场的需求均不确定条件下的多目标鲁棒运作模型.采用已知概率的离散情景描述消费市场需求和原材料市场供应的不确定性.供应链的运作模型为一个多目标规划问题,满足诸如供应链协调运作、所有供应链成员的目标利润尽可能最大、对应于不确定供求的决策的鲁棒性等多个相互冲突的目标.数值算例的结果表明,将鲁棒性运用于这些目标中,能够减少产品需求和原材料供应的不确定性对目标值的影响.     

一种通用的阵群目标队形识别方法

受传感器检测性能和观测噪声的影响,阵群成员位置观测集合往往具有不完全性和不确定性,并含有杂波。这种情况下,基于固定基准点的传统阵群目标队形识别方法不再适用。为此,提出了一种通用的阵群目标队形识别方法。该方法根据不同的队形模板和队形观测,动态选择二者队形描述的基准点,有效地抑制了漏检、位置噪声和杂波对阵群目标队形描述的影响;通过队形观测和队形模板的队形描述之间的匹配来对前者的队形进行识别。仿真实验验证了所提方法的有效性。     

一种基于复杂地物背景图像的目标识别方法

为解决复杂地物背景目标识别问题,提出一种基于复杂自然场景图像的目标识别方法。首先,进行多视点多尺度目标动态特征描述和目标轮廓特性视图制备;然后,采用灰度级顶帽形态学重构运算对输入图像进行处理,对处理后的图像进行分割,获得感兴趣区;最后,通过感兴趣区轮廓提取和基于Hausdorff距离匹配识别目标。实验结果表明,提出的方法能有效地从复杂自然场景中识别出目标。     

一种基于D-S推理的异源信息目标识别方法

讨论了多帧异类信源的目标识别问题,将D-S证据推理应用于多传感器的数据融合,将异类辨识框架下的证据体组合得到新置信指派,利用多个传感器共同或联合操作的优势来提高目标识别的有效性和精确性。同时给出基于基本概率赋值决策的目标识别时序累积方法。最后通过仿真验证了该方法的有效性,可信度及准确性得到提高,具有比累积前更可信的特点。     

基于子类划分的SVM及水声目标识别应用

针对目标类空间的可分离性特点,研究了动态聚类与支持向量机相结合的基于子类划分的支持向量机.提出了以子类中心为基点度量训练样本惩罚度的方法.在采用动态聚类将目标类划分为子类的基础上,综合考虑训练样本与所属子类的距离、子类对所属目标类的隶属度及目标类间的关系,以度量不同训练样本的惩罚度.并应用于水声目标识别中,对两类舰船目标的识别情况进行了比较,实验表明效果好于经典支持向量机.     

基于子像空间的雷达目标一维距离像识别

提出了一种基于子像空间的雷达目标一维距离像识别方法。该方法一方面通过建立目标子像空间,改善了对输入目标为库属目标的识别率;另一方面基于假设检验理论,在分类判决中引入判决门限,能够有效地对库属目标和非库属目标进行判别。模拟实验结果表明该方法的有效性。     

噪声中目标距离剖面像识别的修正特征子空间法

以噪声背景下高分辨雷达目标的距离剖面像为测量矢量 ,提出了基于修正特征子空间而进行特征抽取的目标识别方法。对每类目标 ,由训练样本矩阵经奇异值分解 (SVD) ,建立各自的特征子空间 ,并提取相应的降噪算子。对未知目标 ,其距离剖面像在各特征子空间中的投影 ,经相应降噪算子作用后 ,以能量最大为准则进行识别。模拟实验结果表明了所提方法的有效性     

基于多散射中心模型的雷达目标识别方法

针对宽带毫米波雷达目标识别要求 ,提出了一种基于目标光学区多散射中心模型进行目标匹配识别的新方法。该方法首先基于多散射中心理论建立待识别目标的模型、利用遗传算法的全局优化能力进行目标识别。与常规的全姿态角匹配识别方法比较 ,具有需要的存储量、计算量较少的特点。仿真试验验证了该算法的有效性。     

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     

基于目标一维距离像的雷达目标识别方法

讨论了马氏距离的性质,利用目标的一维距离像,提出了一种雷达目标识别方法.对雷达回波进行快速傅立叶变换,得到目标的一维距离像,计算其马氏距离,得到目标的稳定特征向量,根据相关算法进行目标识别.3种不同类型飞机回波的实测数据的识别结果,表明该方法是切实可行的.     

含噪远距离运动目标图像自动识别的技术途径与方法的研究

本文主要研究含噪远距离运动目标即运动点目标图像自动识别问题，提出了利用点目标运动特性与能量辐射特性来进行目标识别的新技术途径，讨论了点目标运动轨道与速度参数以及其能量辐射特性参数的获取方法和多层前馈二阶神经网络分类器的设计方法。在微机上以三类含噪运动点目标图像识别为例，对文中有关点目标特征参数的获取与分类方法进行了仿真实验，结果表明，本文提出的含噪运动点目标图像自动识别的途径与方法是可行和有效的。     

目标跟踪中的混合多模方法：综述

研究了用于多目标多传感器跟踪的混合多模方法,对目标跟踪中现有的各种IMM方法,从其产生的理论基础和适用的具体环境入手,详细阐述了这些算法的优越性和面临的各种困难,比较了主要多模算法的跟踪性能。通过一些工程应用实例的研究,表明混合多模方法在目标跟踪中具有广阔的应用前景。