针对海天背景下红外舰船目标识别提出了一种基于机器学习的分类算法。该算法首先利用分割算法提取红外图像中的连通区域，并对原图相应的位置进行标记和归一化处理，然后利用HOG特征提取标记区域的高维特征向量，用线下样本库训练得到的SVM分类器对所提取的HOG特征进行高维特征空间的分类，识别目标和干扰。仿真实验表明，该算法具有良好的性能，在复杂海天干扰背景下能够有效地识别红外舰船目标。
SVM分类器 红外图像 HOG特征 舰船目标识别 SVM classifier infrared image HOG feature ship-target recognition 红外与激光工程
2016, 45(1): 0104004
根据复杂背景下前视红外机场目标的特点,提出了基于知识的自动目标识别算法,算法的设计以实用性为宗旨,在不影响算法性能的前提下尽量提高其实时性能:通过提取感兴趣区域来缩小处理范围,采用双阈值最大类间方差快速算法快速准确找到分割阈值,采用快速标记算法标记分割图像,利用Freeman链码描述机场的轮廓特征,根据模糊综合评判机制分析机场的目标特征.通过硬件处理平台的仿真验证,该算法对机场目标红外图像有一定的识别能力,且具有较高的实时性.
自动目标识别 知识基 红外机场目标图像 复杂背景
1 哈尔滨工业大学,哈尔滨,150001
2 天津津航技术物理研究所,天津,300192
分析了红外点目标的成像特性,介绍了带通滤波的特点和设计方法,并在对数据进行滤波处理后采用基于位置和灰度相关算法对目标进行确认,引入了海天线的计算模型.该方法适应性强,处理效果好,对海背景干扰和天空云层干扰具有较高的抑制作用.通过卷积实现的带通滤波算法计算简明,且容易由硬件实现,对运动小目标的检测具有较强的应用价值.实验结果表明该算法能够检测出海天背景下帧间移动的低信噪比的红外小目标.
小目标 带通滤波 海天线 灰度相关 位置相关 Small target Bandpass filtering Sea line Gray-level-based correlation Position-based correlation
