北京理工大学 光电学院 “复杂环境智能感测技术”工信部重点实验室, 北京 100081
针对激光惯性约束核聚变实验中海量靶丸筛选效率低的问题, 提出一种基于改进YOLO-v5深度学习模型的靶丸快速筛选方法。方法通过控制靶丸在不同的景深处成像, 并将图像拼接在一起以获得其清晰图像; 同时引入通道注意力机制来增强模型的特征提取能力, 建立了SE-YOLOV5s深度学习靶丸表面缺陷识别模型, 并对靶丸缺陷按照缺陷种类进行了分类和评估从而实现对海量靶丸的筛选。靶丸表面缺陷检测的准确率为94.4%, 每秒可检测到约50张靶丸图像（分辨率3072×4096）, 为激光惯性约束核聚变试验提供一种快速、准确筛选海量靶丸的方法。
应用光学 聚变靶丸 目标识别 深度学习 YOLO算法 applied optics ICF capsules target identification deep learning YOLO algorithm
1 哈尔滨工业大学 物理学院，哈尔滨
2 空军装备部驻北京地区军事代表驻天津地区第三军事代表室，天津
采用时间相关单光子计数技术的激光雷达具有更高的灵敏度，而利用偏振探测技术可以增加对目标的识别能力。搭建了基于偏振检测的时间相关单光子计数成像系统，对不同材质、相同和不同深度的目标进行了成像。结果表明，在单脉冲回波光子数0.04个的情况下，能够利用偏振探测方法获得目标回波的偏振信息，且对比强度图像和深度图像，偏振图像中目标的边缘更加清晰。
偏振成像 时间相关单光子计数 光电探测 目标识别 polarization imaging time-correlated single-photon counting photoelectric detection target identification
徐州工程学院信息工程学院(大数据学院), 江苏 徐州 221018
为了提高合成孔径雷达(SAR)图像目标的识别性能,将多分辨率表示与复数域卷积神经网(CNN)联合使用。首先通过对原始SAR图像的时频域进行处理,获得其多分辨率表示图像;然后采用复数域CNN分别对原始SAR图像及其多分辨率表示图像进行分类;接着对分类结果进行线性加权融合,根据融合结果对测试样本类别进行判决;最后基于MSTAR数据集对所提方法在标准和扩展的操作条件下进行实验。实验结果表明,所提方法具有有效性及稳健性。
图像处理 合成孔径雷达 目标识别 多分辨率表示 复数域CNN 线性加权融合 激光与光电子学进展
2020, 57(24): 241007
中国人民解放军92728部队, 上海 200436
反潜目标态势评估是反潜指挥决策的重要依据, 针对反潜作战中目标信息不充分、不确定程度高的问题, 通过对直升机编队反潜的敌我对抗过程进行分析, 提出基于贝叶斯网络的态势评估算法。算法通过构建敌我对抗过程的敌我关联网络、建立因果概率表、基于贝叶斯网络进行推理, 实现目标类型和目标意图的识别。实验结果表明了网络推理的有效性。算法可以有效利用侦察到的目标信息, 结合经验模型进行推理和识别, 对指挥员的作战决策具有很好的参考价值。
反潜战 直升机编队 态势评估 贝叶斯网络 目标识别 anti-submarine warfare helicopter formation situation asscssment Bayesian network target identification
中国电子科技集团公司电子科学研究院, 北京 100041
针对海战场协同探测系统的多种传感器容易出现信息不确定、不完全、甚至高度冲突的问题, 利用DSmH融合规则和成比例的冲突再分配规则(PCR),解决证据源冲突消解问题。通过仿真对各种融合规则进行比较分析, 为航母编队舰载机群多传感器目标综合识别提供理论支撑和借鉴。
证据冲突 目标识别 多传感器证据源 evidence conflict target identification multi-sensor source for evidence DSmH DSmH PCR PCR
空军勤务学院航空弹药系, 江苏 徐州 221000
为提高反辐射导弹近炸引信目标识别能力, 提出了一种融合导引头信息与激光近炸引信信息的目标识别方法。在分析导引头与引信信息的一致性与冲突基础上, 应用D-S证据理论综合利用导引头与引信信息判定导弹从目标上方掠过或落于目标前方; 对于导弹掠过目标的情况, 采用Dempster规则融合导引头与激光近炸引信测得的目标信息, 以正确识别出目标雷达。研究结果表明, 基于D-S理论的制导与引信信息融合方法, 可以有效地判别弹目交会情况并以较高的概率识别出目标。
反辐射导弹 近炸引信 目标识别 D-S证据理论 anti-radiation missile proximity fuze target identification Dempster-Shafer evidence theory
1 中国科学院长春光学精密机械与物理研究所空间机器人工程中心, 吉林 长春 130033
2 中国科学院大学, 北京 100049
3 北京控制工程研究所成像事业部, 北京 100081
为了通过视觉测量的方法实现小型空间机器人协同位姿的求解, 设计了基于单目视觉的协同位姿测量系统。针对复杂的太空工作条件, 设计了作用范围广、精度高且稳健性强的合作靶标; 设计了利用图像梯度法提取单像素边缘的算法, 并通过中心匹配等约束完成了靶标识别; 推导了特征点距离与位姿测量精度的关系, 在此基础上提出了基于分区处理的特征点提取策略, 实现了复杂条件下特征点的分区提取和准确编号, 并扩展了工作距离, 改善了位姿求解精度。实验结果表明, 针对640 pixel×480 pixel图片, 在Matlab环境下处理速度约为84.3 ms/frame, 在2.2 m距离范围内位姿测量误差在5 mm、1°以内。设计的单目视觉位姿测量系统满足小型空间机器人协同工作的任务需求。
机器视觉 单目视觉 合作靶标 靶标识别 位姿测量 精度分析 激光与光电子学进展
2017, 54(12): 121505
1 河南师范大学电子与电气工程学院,河南 新乡 453007
2 河南省高等学校电磁波特征信息探测重点学科开放实验室,河南 新乡 453007
利用雷达探测弹道导弹特有的微多普勒特征是进行目标识别的新方法,而目标体上散射点的选取是影响微多普勒特征参数提取的关键因素之一。首先建立弹道导弹弹头运动模型并简要给出基于时频分析法的弹头目标的微多普勒特征参数提取方法,然后根据散射点位置不同将目标体上散射点分4类,而后通过仿真微多普勒特征参数的提取,进而研究特征参数随散射点的变化特性。仿真结果表明: 在导弹锥形的顶部、底部边沿、锥形面上选择总量小于9的散射点,可以有效地提取导弹的微动特征参数。随着散射点数量的增加,提取微动特征参数的难度也相应增加,甚至无法提取微动特征参数。
目标识别 弹道导弹 微多普勒特征 特征参数 散射点 target identification ballistic missile micro-Doppler characteristics characteristic parameter scattering point
长春理工大学 光电工程学院, 吉林 长春 130022
大孔径仿生复眼光学系统兼顾了凝视大视场的同时, 克服了生物复眼孔径小、视距短的缺陷。通过对仿生复眼视场拼接方法的分析, 研究了实际阵列周期与理论计算周期数的关系, 并提出了降低子眼系统密度的填补子眼法。通过研究球面固定本体设计中的几何关系, 建立了本体径向半径d与曲率半径R的数学关系, 提出了球面固定本体的设计方法, 完善了之前提出的仿生复眼视场拼接理论。通过实际的装调实验, 验证了设计方法的正确性。利用该方法可提高仿生复眼系统的集成性, 减小系统尺寸, 推动了仿生复眼光学系统的实际应用。
仿生复眼 目标识别 视场拼接 设计方法 bionic compound eye target identification fields stitching design method 红外与激光工程
2017, 46(6): 0602001
