随着新概念**及信息化弹药的研制进展, 海上射击试验对弹着点的测量精度要求逐渐提高, 针对该现状提出了基于海上模拟靶区利用无人机摄录, 完成对弹着点的精确测量。通过对计算过程分析, 并对弹着点分布对弹着定位精度的影响进行仿真计算, 结果表明测量精度在 100m范围内可满足优于 5m的需求, 证明了测量原理的可行性, 对海上弹着点测量方案设计具有指导意义。

在场景复杂、干扰较多的情况下,传统的火灾烟雾识别方法的识别性能不高。针对该问题,提出了一种基于目标区域的卷积神经网络火灾烟雾识别方法,构建两层的火灾烟雾识别模型,利用目标区域定位层的运动检测算法对火灾烟雾图像进行烟雾目标区域的提取,快速去除复杂场景的大量无关干扰信息,并将提取的烟雾目标区域输入火灾烟雾识别层,通过卷积神经网络精细提取烟雾的深层特征后进行分类,完成火灾烟雾的识别。实验结果表明,所提方法在复杂环境下的数据集中,抗干扰能力较强,能够有效降低误检率,提高烟雾识别的准确率。

特征提取和特征匹配是合成孔径雷达(SAR)目标识别中的两个关键步骤。提出了一种基于SAR目标区域匹配的目标识别方法。首先提取SAR图像中二值化目标区域；然后将其与模板库中对应的目标区域作差得到残差图像，采用欧氏距离变换对残差图像进行处理；最后利用距离变换后的残差图像构建相似度度量标准，计算当前待识别图像与各类目标的匹配度并根据最大匹配度原则判定目标类型。目标区域残差可以体现待识别目标与其他类目标之间物理尺寸的差异，因此可以根据残差的面积大小以及形状分布计算匹配度。欧氏距离变化可以较好地体现出目标区域残差的形状分布特性。基于欧氏距离变换后的残差可以更有效地反映目标区域的匹配度。采用MSTAR数据集进行了目标识别实验，验证了方法的有效性。

对图像进行面向自动目标识别(Auto Target Recognition,ATR)的压缩其关键是快速而准确地检测到目标感兴趣区域ROI(Region-of-interest),并将其与背景区域分别进行不同比特率的压缩。本文将形态Haar小波法与数学形态学方法相结合来实现目标ROI的检测,设计了新的目标ROI检测算子。对采集图像进行二维形态Haar小波分解,结合目标ROI检测要求的特点,仅在尺度信号域内应用设计的目标ROI检测算子,最终完成目标ROI的检测。仿真实验表明,该方法对目标ROI的检测率最高可达到1.000 0,而最低虚警率仅为0.001 2;对含像素级别为102×102的图像,所需运算时间仅为10-1 s。与传统方法相比,本文算法对目标ROI检测效果好,运算简单,节省了运算时间和硬件资源。