太赫兹雷达在测点目标时具有极高的分辨力。然而在多目标条件下，使用经典的线性调频波形调制可能会引起错误的差频组合，从而出现虚假目标。为此，提出一种工作在0.22 THz频段的改进波形，它由梯形波与三角波两部分组成。通过梯形波的上、下扫频计算速度-距离的模糊范围，并通过恒频段检测目标的相对速度。由于速度-距离交叉点的不匹配，虚假目标仍存在，而后续的不同调频斜率的三角波则能在其基础上完全剔除虚假目标。文中给出了这种体制的太赫兹雷达系统的架构，并通过近乎现实的仿真，证明在这种新型波形体制下，太赫兹雷达差频配对的准确度将得到大幅度提升。

针对长时间目标跟踪检测不准确问题, 提出一种结合运动场景的超像素分割与混合权值的AdaBoost多目标检测(ABSP)算法。首先在动态模型中, 计算AdaBoost算法的混合权值, 检测运动目标, 确定搜索区域, 提高多目标跟踪检测能力; 在训练阶段, 采用SLIC分割与Mean-Shift聚类形成超像素图块, 构建目标外观模型; 在跟踪阶段, 结合超像素特征池生成模板直方图与置信图, 构建观测模型与运动模型, 采用粒子滤波与贝叶斯模型, 计算最大后验估计, 实现遮挡运动目标检测。结果表明: 能够有效处理数目变化多目标检测与遮挡问题, 提高了检测的实时性。

由于多舰船目标显著性检测过程容易将边界像素作为背景处理, 本文提出了应用颜色聚类图像块的多舰船显著性检测方法。该方法首先检测邻域 像素是否具有颜色相似性, 并将临近的具有相似颜色的像素聚集在一起作为一个图像块。接着, 对获得的图像块进行扩展, 使图像块包含很多其他图像块的像素以提高图像块内像素间的对比强度; 对边缘像素进行背景索引标记, 计算图像块中像素的显著性强度, 采用阈值分割方法获得目标显著性区域。最后, 基于颜色聚类的图像块存在部分重叠的特点, 利用权值对存在叠加的显著性图像进行融合, 从而获得多舰船目标整幅图像的显著性检测结果。对获得的多舰船目标图像进行了实验测试, 并对本文算法结果和当前比较先进的其它显著性检测算法进行了效果对比。结果显示: 提出的利用颜色聚类图像块的舰船显著性检测方法的查全率达到78%以上, 准确率达到92%以上, 综合评价指标Fβ≥0.7; 无论考虑单个指标还是整体指标, 本文算法均优于其他对比算法。

针对多目标的检测,本文提出一种采用多源图像分形特征的特征级融合检测方法。首先对多目标检测的特点进行了分析,对分形理论进行了介绍,然后详细介绍了该融合检测算法的思路和原理。该算法首先由红外图像阈值分割出部分目标;然后利用分维数图的统计特征可以增强分形维数的奇异性,在可见光图像的分维数图中搜索与已检测出的目标区域具有相近分形统计特征的区域,进行标记;再根据“距离相似度准则”进行目标的聚类识别,排除背景干扰,最终检测出全部目标。实验结果表明该融合检测算法能有效地进行多目标的检测与识别。