红外与毫米波学报
2022, 41(6): 1102
在天基光学监视系统中,根据有限的导弹助推段观测信息估算目标的弹道参数是衡量系统性能的重要指标,对支持目标识别分类、判定威胁程度都有重要意义。本文针对单星观测条件下提高弹道参数估计精度的迫切需求,提出了天基条件下利用氧气 A吸收带被动测距提高估计精度的方法。利用 MODTRAN对不同大气模型、不同气象、不同信噪比条件下的天基被动测距能力进行了仿真分析,在此基础上深入分析被动测距技术对弹道参数估计精度的提升能力,并与传统经验方法进行对比。仿真表明本文方法能够有效提高单星观测下的弹道参数估计精度。
天基光学监视系统 助推段 弹道参数估计 被动测距 space-based optical surveillance system, boost-pha
国防科学技术大学电子科学与工程学院, 湖南 长沙 410073
现有压缩域目标检测算法取得较好检测结果的同时,有效减少了数据存储空间,但是存在背景参数估计易受噪声影响,目标检测易对邻近目标产生漏警等问题。在原有压缩域红外小目标检测算法的基础上进行改进,提出了一种基于自适应参数估计和噪声统计模型的压缩域目标检测算法。对压缩域红外数据矩阵进行自适应的低秩稀疏分解,分离并重建背景矩阵和目标矩阵,根据分解残差推导统计模型,对目标矩阵进行基于噪声统计模型的阈值分割。结果表明,此算法较原算法具有更好的抗干扰能力,并解决了邻近目标的漏警问题。
测量 小目标检测 自适应 压缩感知 矩阵低秩稀疏分解 中国激光
2015, 42(10): 1008003
国防科学技术大学电子科学与工程学院, 湖南 长沙 410073
在人类视觉系统(HVS)中,占据重要部分的是对比度值而不是亮度。现有的基于HVS的红外弱小目标检测算法可以有效提高目标信噪比和检测率,但也存在虚警率较高、易受噪声影响等问题。针对这些问题,提出一种基于空间距离改进的视觉显著性红外弱小目标检测算法。用目标所在像素块均值与其周围像素块加权和的比值来加权目标点灰度,得到一幅显著图。在计算周围像素的灰度加权和时,将视觉注意机制中关键因素之一的空间关系考虑进去,根据空间距离加权计算,较远的地方分配较小的权值。实验表明,本文算法不仅可以降低虚警率,而且抗噪能力也比较强。
机器视觉 空间距离 视觉显著性 弱小目标检测
国防科技大学 电子科学与工程学院, 湖南 长沙 410073
分析了单采样和过采样两种扫描探测体制的成像原理, 并建立了扫描图像仿真模型.在不同云层杂波场景下从目标能量收集、背景杂波抑制和弱小目标检测三个方面对单采样和过采样扫描图像进行了对比分析.理论分析和仿真结果表明: 过采样扫描探测体制更有利于收集目标能量, 杂波抑制能力较优, 对弱小目标的探测能力更强.
扫描系统 过采样 杂波抑制 目标检测 scanning system over-sampling clutter suppression target detection
国防科技大学电子科学与工程学院, 湖南 长沙 410073
针对红外单帧图像的小目标检测问题,提出基于全变分理论的背景杂波抑制的改进算法.构建以能量函数极值最优化为主体的全变分模型,结合自适应步长和非单调性线搜索条件,形成改进的全变分算法,在红外图像背景抑制方面取得良好效果.经过仿真实验测试几种算法的抑制效能,分析结果表明改进算法的检测性能较传统算法在杂波抑制、减少边缘虚警等方面均有优势,能够满足实时性要求,且适用于复杂背景的工程实现.
全变分 背景抑制 红外小目标 目标检测 total variation background suppression infrared small target target detection
国防科学技术大学 电子科学与工程学院, 湖南 长沙 410073
基于势概率假设密度滤波(Cardinalized Probability Hypothesis Density, CPHD)检测前跟踪(Track before detect, TBD)算法能有效解决未知目标数的弱小目标检测跟踪.文章深入研究了CPHD算法, 从标准CPHD滤波的粒子权重更新出发, 结合检测前跟踪的实际, 合理地推导出CPHD-TBD算法的粒子权重更新表达式; 分析了CPHD滤波目标势分布的物理意义, 实现了目标势分布更新计算在检测前跟踪的应用.将CPHD滤波和TBD进行有效结合, 提出了基于势概率假设密度滤波的检测前跟踪算法, 并给出其详细实现步骤.仿真实验证明提出的CPHD-TBD算法与现有概率假设密度检测前跟踪(PHD-TBD)算法相比, 能更详细地传递目标分布信息, 从本质上改变了PHD-TBD对目标数估计的方式, 能更准确稳定估计目标数, 实现了对目标的发现和状态准确估计, 性能明显更优.
检测前跟踪 势概率假设密度滤波 粒子更新 势分布更新 track-before-detect cardinalized probability hypothesis density particle update cardinalized probability distribution update
国防科学技术大学 电子科学与工程学院,湖南 长沙 410073
基于概率假设密度滤波(Probability Hypothesis Density,PHD)的检测前跟踪(Track before detect, TBD)技术可以有效解决未知目标数的弱小点目标检测前跟踪问题.文章针对现有PHD-TBD算法存在目标数估计不准、目标发现延时较久的问题进行研究.从标准PHD滤波出发,更为合理地推导出PHD-TBD算法的粒子权重更新计算表达式,实现对目标数的准确估计; 同时利用贝叶斯滤波理论,推导出基于量测的新生粒子概率密度采样函数,完成对目标的快速发现.仿真实验表明,与现有的PHD-TBD相比,改进算法能够适应目标扩散情况,准确估计目标数目,并实现对目标的快速发现和位置准确估计.
检测前跟踪 概率假设密度滤波 粒子更新 粒子采样 track-before-detect probability hypothesis density filter particle update particle sampling