High-Temperature Target Recognition Based on Spectral Radiation Information

Based on the principles of optics and radiometry, the imaging mathematical model is established and the factors of the contrast （signal-noise-ratio） of high-temperature target and the scenery are given. By analyzing not only the differences in spectral properties between objects in the scene, but also the CCD spectral response theoretically, a new method of enhancement of contrast is given. By optimizing the initial image capture stage, using liquid crystal light valve to make a simple modification of the imaging system, the goal of high-temperature object recognition is achieved. The experimental results agree with the theoretical predict.     

基于蚁群神经网络的目标图像识别

该文提出一种基于蚁群优化与人工神经网络相结合的识别算法。该方法能够防止BP网络陷入局部极小点,且收敛速度快。针对飞机图像目标识别,提取图像三阶相关量特征、不变矩特征和图像边界的Fourier描述子特征,形成特征向量作为神经网络的输入向量。仿真实验表明,新算法能够有效缩短网络训练时间,提高目标识别精度。     

CCD影像中高温目标的甄别

通过摄像影像中景物和高温目标辐射光谱功率分布的理论分析,结合Si型CCD的光谱响应特性,提出高温目标红外积分甄别法,并采用液晶光阀在技术上予以巧妙实现,形成既能正常监视、又可对影像中高温目标实现实时甄别的液晶光阀型CCD摄像机.     

基于几种不变量融合信息的缺损目标识别

论述了基于３种不变量的融合信息识别缺损目标的方法,该方法采用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据推理方法作为决策层的融合工具,将拐点,线矩,高阶神经网络的分类结果进行信息融合,分类实验证明,该方法可以有效地提高系统的识别精度。     

利用极化信息研究目标识别

极化特征用于目标识别的一项主要研究是将极化信息与高分辨率雷达技术相结合．提出了利用回波中的极化现象对目标进行识别的方法,得出了有关目标识别特性的结论．     

利用高分辨率和极化信息进行目标识别的研究

极化特征用于目标识别的一项主要研究是将极化信息与高分辨率雷达技术相结合.在研究了目标特定的极化变换作用后,提出了基于一维距离像,利用目标回波中的极化现象对目标进行识别,并得出了有关目标识别特性的结论.     

基于隐马尔可夫模型的舰船辐射噪声目标识别

将隐马尔可夫模型引入到舰船噪声目标识别中。选择MEL频率倒谱及其差值参数作为模型的观察序列,分别采用Baum-Welch算法和Viterbi算法对模型进行训练和识别。对这一模型进行了计算机模拟,并利用潜艇、鱼雷和水面舰3类目标的海上实录噪声对其识别性能进行了测试,正确识别率为87%。实验表明,用隐马尔可夫模型对舰船辐射噪声进行目标识别可以取得较好的效果。     

基于多分辨率分析的舰船辐射噪声频域特征提取

为提高舰船目标识别率，采用小波多分辨率分析法对舰船辐射噪声进行多尺度调制谱和噪声谱特征提取及融合研究。并用提取的特征对三类舰船目标辐射噪声进行了分类识别实验，结果表明所提特征具有很好的分类识别效果。     

基于倒谱特征的舰船辐射噪声识别算法研究

研究了舰船辐射噪声的倒谱信息．倒谱可以避免连续谱特征的不稳定性，基于此，将倒谱代替连续谱作为舰船辐射噪声识别的特征，并对实测的海上数据进行了仿真实验．结果表明，该方法可以有效地达到识别舰船辐射噪声的目的，且识别率高．     

利用高分辨率和极化信息进行目标识别的研究

极化特征用于目标识别的一项主要研究是将极化信息与高分辨率雷达技术相结合。在研究了目标特定的 极化变换作用后,提出了基于一维距离像,利用目标回波中的极化现象对目标进行识别,并得出了有关目标识别特 性的结论。     

用极化信息实现雷达目标的分类与识别

利用极化信息，提取表征雷达目标的五个特征参数，并给出了这五个特征参数的显式表达式。运用BP神经网络技术，对选定雷达目标进行学习并分类计算。计算机模拟结果表明，这种利用极化信息和BP神经网络技术对雷达目标进行分类和识别的方法是可行的。     

无人机多光谱影像的几何与辐射校正

为了使无人机多光谱影像能够真实地反映地面目标的光谱特征和实际地理位置,需要对无人机多光谱影像进行几何与辐射校正.结合摄影测量方法和经验线性定标法对多光谱影像进行几何与辐射校正,并基于地面实测数据对几何与辐射校正精度进行评价.结果表明:基于上述方法处理后的无人机多光谱遥感影像与地面实测数据一致性良好.基于摄影测量方法处理...     

基于目标分群的目标信息分发控制研究

现代战争通常需要地面指挥控制中心将目标信息通过数据链分发给作战飞机。为了减少数据链的负载和削弱战争炫目的不利影响,提出了一种基于目标分群的目标信息分发控制方法。重点对目标自动分群问题进行了研究,提出了基于聚类分析的两阶段目标分群方法。仿真结果说明了该方法的有效性。     

利用辐射压强下产生的角偏移量进行目标识别研究完善

采用物理光学模型,对大气层外运动的空间目标在辐射压强作用下产生的角偏移量进行了详细的计算,并与Mie理论结果进行了比较,验证物理光学模型的正确性。分别给出了角偏移量随入射平面波能量密度、目标质量,及其波入射方向与目标初速夹角的变化曲线。并利用计算结果分析了目标角偏移量的可探测条件。提出了一种空间运动目标识别的新方法。     

基于信息融合理论的空间点目标识别实验结果分析

提出一种三级融合的多传感器信息融合空间点目标识别方法,将BP网络和D—S证据推理有效地结合起来.第一级融合采用神经网络进行识别,第二和第三级采用D—S证据理论进行识别.仿真结果证明,本文提出的方法能较好地解决复杂目标和诱饵的识别问题.     

背景对目标双波段辐射比影响的研究

目的 研究影响双波段辐射比的各种因素,重点研究背景的影响,并为其应用提出理论根据,方法 采用理论与实际相结合的方法,导出了背景对红外双波段绝对辐射比和辐射并比的影响公式,计算了几种特定情况下的３－５μｍ的８－１４μｍ双波段的辐射比,结果 背景大小对绝对辐射比影响较大,而对辐射差比影响较小;辐射差比受背景辐射率的影响较大,背景温度对二皆有较大影响。结论在实际应用中要根据背影的具体情况确定采用哪种辐     

基于粗集神经网络的目标识别

研究了粗集和神经网络方法在信息融合目标识别中的应用,提出将神经网络学习机制引入到粗集系统,同时通过粗集的条件和决策属性构造神经网络结构,并针对三种不同谱段下的三种不同目标图像进行了实验,试验表明,粗集神经网络相结合的识别算法的识别率要明显高于单独使用一种融合算法的识别率,训练时间也大大缩短。     

基于D-S证据理论的修正融合目标识别模型

在分析D-S证据理论中证据合成规则的局限性之后,根据合成证据中集合大小、相交程度以及证据间的相关性和互补性,引入一个合成因子λ,并给出了λ的经验值,这种新规则对于证据之间完全冲突的情况也能给出合乎直观的合成结果.应用于实际的红外/毫米波融合目标识别系统,也取得了满意的正确识别结果.