基于SVM的图像特征样本集构造技术研究

针对图像的过滤、图像水印的检测等方面的研究成为一个热点,统计学习理论成为解决此类问题的一条捷径。介绍了SVM基础理论以及特征向量的意义,探讨了图像特征向量的一般选择方法以及基于粗集的图像特征选择方法,阐述了训练样本集的构造。     

复杂外形飞行器目标的射线追踪法效率改进

针对计算效率是制约射线追踪（shooting and bouncing ray, SBR）法在复杂外形飞行器目标上应用的主要因素,在射线管口面确定和反射点求解两方面给出效率改进措施。把目标面元数据变换到入射坐标系中,在入射平面上投影并划分射线带,根据所有面元投影数据找到射线带的两个端点,所有射线带的集合即为射线管口面。对复杂外形飞行器目标在每个射线带上设置多个片段,完全避免不与目标相交的废射线管的产生。坐标变换之后入射方向与一根坐标轴平行,采用分组法加速第一次求交判断。在第二次及以后的求交判断中,根据射线方向将目标所在空间分为可见区和不可见区,仅对可见区的面元进行求交判断。对具有耦合特性的复杂外形飞行器目标进行了编程计算,对比分析了两种求交判断加速方法的效果,讨论了分组边长对分组法效率的影响。计算结果显示,该方法对复杂外形飞行器目标的计算效率为普通SBR法的7~8倍。     

复杂飞行器目标强散射区求解及RCS减缩

对目标表面强散射区涂敷雷达吸波材料（radar absorbing material, RAM）是雷达散射截面（radar cross section, RCS）减缩的有效方法。基于射线追踪法（shooting and bouncing rays, SBR）提出一种确定复杂目标强散射区的方法：根据射线管出射方向与雷达接收方向的夹角判断强散射区。分析了复杂目标强散射区涂敷RAM的RCS减缩特性,并研究了判断夹角取不同值时强散射区大小和涂覆RAM后的减缩效果。计算结果显示,对强散射区涂覆RAM可以在重量增加不大的情况下有效降低目标RCS值。