摘要 运动目标检测方法是研究如何完成对视频图像序列中感兴趣的运动目标区域的“准确定位”问题。光流场指图像灰度模式的表面运动，它可以反映视频相邻帧之间的运动信息，因而可以用于运动目标的检测。MATLAB这种语言可移植性好、可扩展性强，再加上其中有丰富的图像处理函数，所以利用MATLAB 软件来用光流法对运动目标的检测中具有很大的优势。本设计主要可以借助matlab软件编写程序，运用Horn-Schunck算法对图像前后两帧进行处理，画出图像的光流场。而图像的光流场每个像素都有一个运动矢量，因此可以反映相邻帧之间的运动，分析图像的光流场就可以得出图像中的运动目标的运动情况。 关键字：光流法；Horn-Schunck算法；matlab
目录 1光流法的设计目的 (1) 2光流法的原理 (1) 2.1光流法的介绍 (1) 2.1.1光流与光流场的概念 (1) 2.1光流法检测运动目标的原理 (2) 2.1.1光流场计算的基本原理 (2) 2.2.2基于梯度的光流场算法 (2) 2.2.3Horn-Schunck算法 (3) 2.2.4光流法检测运动目标物体的基本原理概述 (5) 3光流法的程序具体实现 (6) 3.1源代码 (6) 3.1.1求解光流场函数 (6) 3.1.2求导函数 (9) 3.1.3高斯滤波函数 (9) 3.1.4平滑性约束条件函数 (10) 3.1.5画图函数 (10) 4仿真图及分析 (12) 结论 (13) 参考文献 (14)
1 光流法的设计目的 数字图像处理，就是用数字计算机及其他有关数字技术，对图像进行处理，以达到预期的目的。随着计算机的发展，图像处理技术在许多领域得到了广泛应用，数字图像处理已成为电子信息、通信、计算机、自动化、信号处理等专业的重要课程。 数字图像处理课程设计是在学习完数字图像处理的相关理论后，进行的综合性训练课程，其目的是：使学生进一步巩固数字图像处理的基本概念、理论、分析方法和实现方法；增强学生应用Matlab编写数字图像处理的应用程序及分析、解决实际问题的能力；尝试所学的内容解决实际工程问题，培养学生的工程实践能力。 运动目标检测是数字图像处理技术的一个主要部分，近些年来，随着多媒体技术的迅猛发展和计算机性能的不断提高，动态图像处理技术日益受到人们的青睞，并且取得了丰硕的成果，广泛应用于交通管理、军事目标跟踪、生物医学等领域。 因此，基于光流法，实现运动目标的检测是本文的研究对象。结合图书馆书籍、网上资料以及现有期刊杂志，初步建立起运动目标检测的整体思路和方法。 2 光流法的原理 2.1 光流法的介绍 2.1.1 光流与光流场的概念 光流是指空间运动物体在观测成像面上的像素运动的瞬时速度，它利用图像序列像素强度数据的时域变化和相关性来确定各自像素位置的“运动”，即反映图像灰度在时间上的变化与景物中物体结构及其运动的关系。将二维图像平面特定坐标点上的灰度瞬时变化率定义为光流矢量。视觉心理学认为人与被观察物体
目标识别技术 摘要： 针对雷达自动目标识别技术进行了简要回顾。讨论了目前理论研究和应用比较成功的几类目标识别方法：基于目标运动的回波起伏和调制谱特性的目标识别方法、基于极点分布的目标识别方法、基于高分辨雷达成像的目标识别方法和基于极化特征的目标识别方法，同时讨论了应用于雷达目标识别中的几种模式识别技术：统计模式识别方法、模糊模式识别方法、基于模型和基于知识的模式识别方法以及神经网络模式识别方法。最后分析了问题的可能解决思路。 引言： 雷达目标识别技术回顾及发展现状 雷达目标识别的研究始于"20世纪50年代，早期雷达目标特征信号的研究工作主要是研究达目标的有效散射截面积。但是，对形状不同、性质各异的各类目标，笼统用一个有效散射面积来描述，就显得过于粗糙，也难以实现有效识别。几十年来，随着电磁散射理论的不断发展以及雷达技术的不断提高，在先进的现代信号处理技术条件下，许多可资识别的雷达目标特征信号相继被发现，从而建立起了相应的目标识别理论和技术。 随着科学技术的飞速发展，一场以信息技术为基础、以获取信息优势为核心、以高技术武器为先导的军事领域的变革正在世界范围内兴起，夺取信息优势已成为夺取战争主动权的关键。电子信息装备作为夺取信息优势的物质基础，是推进武器装备信息化进程的重要动力，其总体水平和规模将在很大程度上反映一个国家的军事实力和作战能力。 雷达作为重要的电子信息装备，自诞生起就在战争中发挥了极其重要的作用。但随着进攻武器装备的发展，只具有探测和跟踪功能的雷达也已经不能满足信息化战争的需要，迫切要求雷达不仅要具有探测和跟踪功能，而且还要具有目标识别功能，雷达目标分类与识别已成为现代雷达的重要发展方向，也是未来雷达的基本功能之一。目标识别技术是指：利用雷达和计算机对遥远目标进行辨认的技术。目标识别的基本原理是利用雷达回波中的幅度、相位、频谱和极化等目标特征信息，通过数学上的各种多维空间变换来估算目标的大小、形状、重量和表面层的物理特性参数，最后根据大量训练样本所确定的鉴别函数，在分类器中进行识别判决。目标识别还可利用再入大气层后的大团过滤技术。当目标群进入大气层时，在大气阻力的作用下，目标群中的真假目标由于轻重和阻力的不同而分开，轻目标、外形不规则的目标开始减速，落在真弹头的后面，从而可以区别目标。 所谓雷达目标识别，是指利用雷达获得的目标信息，通过综合处理，得到目标的详细信息（包括物理尺寸、散射特征等），最终进行分类和描述。随着科学技术的发展，武器性能的提高，对雷达目标识别提出了越来越高的要求。 目前，目标识别作为雷达新的功能之一，已在诸如海情监控系统、弹道导弹防御系统、防空系统及地球物理、射电天文、气象预报、埋地物探测等技术领域发挥出很大威力。为了提高
第34卷第8期2017年8月 计算机应用与软件 Computer Applications and Software VoL34 No.8 Aug.2017 显著性目标检测中的视觉特征及融合 袁小艳u王安志1潘刚2王明辉1 \四川大学计算机学院四川成都610064) 2 (四川文理学院智能制造学院四川达州635000) 摘要显著性目标检测，在包括图像/视频分割、目标识别等在内的许多计算机视觉问题中是极为重要的一 步，有着十分广泛的应用前景。从显著性检测模型过去近10年的发展历程可以清楚看到，多数检测方法是采用 视觉特征来检测的，视觉特征决定了显著性检测模型的性能和效果。各类显著性检测模型的根本差异之一就是 所选用的视觉特征不同。首次较为全面地回顾和总结常用的颜色、纹理、背景等视觉特征，对它们进行了分类、比较和分析。先从各种颜色特征中挑选较好的特征进行融合，然后将颜色特征与其他特征进行比较，并从中选择较 优的特征进行融合。在具有挑战性的公开数据集ESSCD、DUT-0M0N上进行了实验，从P R曲线、F-M easure方法、M A E绝对误差三个方面进行了定量比较，检测出的综合效果优于其他算法。通过对不同视觉特征的比较和 融合，表明颜色、纹理、边框连接性、Objectness这四种特征在显著性目标检测中是非常有效的。 关键词显著性检测视觉特征特征融合显著图 中图分类号TP301.6 文献标识码 A DOI：10. 3969/j. issn. 1000-386x. 2017.08. 038 VISUAL FEATURE AND FUSION OF SALIENCY OBJECT DETECTION Yuan Xiaoyan1,2Wang Anzhi1Pan Gang2Wang Minghui1 1 (College o f Computer Science，Sichuan University，Chengdu 610064，Sichuan，China) 2 {School o f Intelligent M anufacturing, Sichuan University o f A rts and Science, Dazhou 635000, Sichuan, China) Abstract The saliency object detection is a very important step in many computer vision problems, including video image segmentation, target recognition, and has a very broad application prospect. Over the past 10 years of development of the apparent test model, it can be clearly seen that most of the detection methods are detected by using visual features, and the visual characteristics determine the performance and effectiveness of the significance test model. One of the fundamental differences between the various saliency detection models is the chosen of visual features. We reviewed and summarized the common visual features for the first time, such as color, texture and background. We classified them, compared and analyzed them. Firstly, we selected the better features from all kinds of color features to fuse, and then compared the color features with other characteristics, and chosen the best features to fuse. On the challenging open datasets ESSCD and DUT-OMON, the quantitative comparison was made from three aspects：PR curve, F-measure method and MAE mean error, and the comprehensive effect was better than other algorithms. By comparing and merging different visual features, it is shown that the four characteristics of color, texture, border connectivity and Objectness are very effective in the saliency object detection. Keywords Saliency detection Visual feature Feature fusion Saliency map 收稿日期:2017-01-10。国家重点研究与发展计划项目（2016丫?80700802,2016丫?80800600);国家海洋局海洋遥感工程技术 研究中心创新青年项目（2015001)。袁小艳，讲师，主研领域:计算机视觉，机器学习，个性化服务。王安志，讲师。潘刚，讲师。王 明辉，教授。
一.D-S证据理论引入 诞生 D-S证据理论的诞生：起源于20世纪60年代的哈佛大学数学家A.P. Dempster利用上、下限概率解决多值映射问题，1967年起连续发表一系列论文，标志着证据理论的正式诞生。 形成 dempster的学生G.shafer对证据理论做了进一步发展，引入信任函数概念，形成了一套“证据”和“组合”来处理不确定性推理的数学方法 D-S理论是对贝叶斯推理方法推广，主要是利用概率论中贝叶斯条件概率来进行的，需要知道先验概率。而D-S证据理论不需要知道先验概率，能够很好地表示“不确定”，被广泛用来处理不确定数据。 适用于：信息融合、专家系统、情报分析、法律案件分析、多属性决策分析
二.D-S证据理论的基本概念 定义1 基本概率分配（BPA） 设U为以识别框架，则函数m:2u→*0,1+满足下列条件： (1)m(?)=0 (2)∑A?U m(A)=1时 称m(A)=0为A的基本赋值，m(A)=0表示对A的信任程度也称为mass函数。 定义2 信任函数（Belief Function） Bel:2u→*0,1+ Bel(A)=∑B?A m(B)=1(?A?U) 表示A的全部子集的基本概率分配函数之和
ｍ个mass函数的Dempster合成规则 其中K称为归一化因子，1?K即∑A1?...?A n=?m1(A1)?m2(A2)???m n(A n)反映了证据的冲突程度
四.判决规则 设存在A1,A2?U ,满足 m(A1)=max{m(A i),A i?U} m(A2)=max{m(A i),A i?U且A i≠A1} 若有： m(A1)?m(A2)>ε1 m(Θ)<ε2 m(A1)>m(Θ) 则A1为判决结果，ε1，ε2为预先设定的门限，Θ为不确定集合五.D-S证据理论存在的问题
目标检测、跟踪与识别技术与现代战争 【摘要】本文讨论目标检测、跟踪与识别技术在现代战争各个领域中的应用，总结目标识别技术的发展方向，提出目标识别技术工程化实现方法，同时本文介绍了国外目标识别的现状及发展趋势，提出了现代战争应采用综合识别系统解决目标识别问题的建议。 关键词目标检测；目标跟踪；目标识别；雷达；人工神经网络；精确制导 1．引言 随着现代科学技术的飞速发展及其在军事领域内日益广泛的应用，传统的作战思想、作战方式已发生根本性的变化。从第一次海湾战争到科索沃战争，特别是刚刚结束的海湾战争，空中精确打击和空地一体化作战已经成为最重要的作战形式。集指挥、控制、通信、计算机、情报、监视侦察于一体的C ISR 已成为取得战场主动权，赢得最后胜利的关键因素。目标识别技术是雷达智能化、信息化的重要技术支撑手段。在现代化战争中，目标识别技术在预警探测、精确制导、战场指挥和侦察、敌我识别等军事领域都有广泛的应用前景，已受到了世界各国的关注。 现代战争中取得战场制信息权的关键之一是目标属性识别。现代战争的作战环境十分复杂，作战双方都在采用相应的伪装、隐蔽、欺骗和干扰等手段和技术，进行识别和反识别斗争。因此仅仅依靠一种或少数几种识别手段很难准确地进行目标识别，必须利用多个和多类传感器所收集到的多种目标属性信息，综合出准确的目标属性，进行目标检测，跟踪后进行识别。 2．目标检测、跟踪与识别技术在现代战争中的应用 2．1 目标检测、跟踪与识别技术在预警探测上的应用 目标检测、跟踪与识别技术对于弹道导弹的预警工作有重要的作用。弹道导弹一般携带多个弹头，其中可能包含核弹头或大规模杀伤的弹头以及常规弹头，预警雷达必须具备对目标进行分类和识别真假弹头的能力，将核弹头或大规模杀伤的弹头分离出来，为弹道导弹防御(BMD)系统进行目标攻击和火力分配提供依据。早期的BMD系统假设只有一个核弹头，多弹头分导技术的出现，使问题转化为雷达的多目标识别问题，加上电子对抗技术的广泛使用，给目标识别技术带来很大困难。另外，预警雷达还要对空中目标或低空目标进行探测，对来袭目标群进行分类识别。利用星载雷达以及远程光学望远镜等观测设备，可以对外空目标进行探测，对外空来袭目标进行分类和识别，达到早期预警的工作。
浅析法定证据制度 证据制度是诉讼制度的灵魂，是法制建设的重要环节之一。其基本涵义是指关于证据概念，种类及运用证据之规则的总和。证据制度具体体现在各类诉讼法典和其他法律之中，包括证据的分类制度，证据的收集、查证、认证及证据保全等制度。证据制度作为一国诉讼制度的重要内容之一，其重要性是显而易见的。 首先，证据制度决定着实体公正的实现程度。通过证据制度的各项规则，明确应受追诉者，保护无辜者。因此，完善证据制度对于实现法律的最终目的，即实体正义与程序正义，具有极其重要的意义。 其次，证据制度决定着一国司法制度先进与否。司法制度先进与否关键在于其程序制度能否有效地保证实体公正的实现。证据制度作为一国诉讼制度的核心必然决定着实体公正的实现程度。因此，要较大程度地实现实体公正，即诉讼最终结果必须以先进的证据制度为保障。由此可见，一国司法制度先进与否，最终决定于该国证据制度的发展状况。 在国外，证据制度作为诉讼法的一项基础制度，广受关注。相较而言，我国的证据立法尚不完善，证据理论研究也还处于初步阶段。我国实行实事求是的证据制度。其主要内容是司法人员办理刑事、民事、行政诉讼案件，必须坚持从实际出发，采取调查研究的方法，以充分，可靠的证据为根据，准确地查明案件的真实情况。具体情况具体分析，实事求是，是我国证据制度的基本精神 .我国现行的证据制度对于维护我国的社会秩序起过非常重要的作用。但是随着我国社会、经济、政治条件的逐步转变，公民的权利观念日趋增强，尤其是我国庭审方式逐渐由职权主义向当事人主义转换，我国现行证据制度已不适目前司法实践的需要。 首先，随着社会主义市场经济有序地发展。市场观念、个人本位已深入人心。在此情况下，人们对行为的判断更为理性，从而对诉讼结果的可预测性要求更高。因此，司法实践迫切需要以科学、完备的证据规范排除诉讼过程中的意外因素。我国原则的证据立法根本无法适应这种新情况。 其次，现行证据制度的滞后已经在很大程度上阻碍了我国诉讼制度的进一步发展。改革开放以后，我国的诉讼制度有了较大的改善，形成了较为完备的诉讼法体系。它以各诉讼法典为基础，辅以大量的司法解释及个案批复，各诉讼法律制度大多处于良性发展之中。但我国现行证据制度的滞后，明显阻碍了我国诉讼制度的进一步发展。要想使我国诉讼制度改革取得进一步推进，必须对作为诉讼制度核心的证据制度进行改革。 证据制度的改革迫在眉睫。为此，我们必须搞清楚我国现行证据制度存在的问题，通过分析其存在的问题进而谋求解决问题的途径。 一、我国现行证据制度存在的问题分析 （一）首先从宏观上加以分析 第一，我国证据制度的立法过于原则。
在现实生活中，国家、政府、企业和个人都离不开决策，决策是人类社会的 一项基本活动，小到个人选择上班路线，大到国家分配有限的社会资源，都是一 个决策的过程。决策存在于社会经济系统、生产系统、工程系统，乃至生活的各 个方面，决策结果对于整个工作或全局行动的成败起着至关重要的作用。任何决 策都是人对事物的评价和选择，都是建立在人类对客观事物的认识和人类改造客 观世界的实践基础之上，由于客观世界的不确定性、模糊性、变化性、多样性等， 导致人们主观认识上的种种不足与误差，加上决策过程中时间的有限性和决策者 认识的局限性，决定了决策的复杂性。因此，在现实决策中，决策者获得的信息 往往是不完整的、不精确的，甚至是矛盾的。根据人们获得的决策信息的完整性， 决策可以分为确定性决策和不确定性信息决策[1]。 证据理论是对概率论的一种扩展，在不需要得知先验概率分配的前提下，以 简单的形式推出较好的融合结果，因此采用证据理论进行决策的关键在于两点： 一是构造一个合适的基本概率分配函数；而是选择一个合理的证据合成公式和方 案排序准则。 证据理论广泛的应用于不完全信息决策领 域，如图像识别、模式识别、故障诊断、专家系统、风险评估等。国内外学者的 研究已经证明，证据理论能够有效地解决属性值不完全、属性权重信息不完全或 者效用函数未知的不完全信息多属性决策问题。 目前关于证据理论的研究，主要集中在以下几个方面：理论研究，如冲突证 据的合成问题，相关证据的合成问题等；证据理论的扩展问题，主要是把证据理论引入不完全信息多属性决策中，如证据理论与其他决策方法的结合使用，如与 神经网络网络方法的结合使用，与AHP方法的结合使用等；实践应用研究，如 证据理论在面相识别、故障诊断、遥感分类、水质监测、决策评价、信用评估中 的应用研究等。本文将重点研究冲突证据的处理问题和证据理论在不完全信息多 属性决策中的应用问题。 用基于证据理论的信息融合方法，进行目标识别、检测和分类有很多优点。 它不需要任何先验信息和条件概率，能成功地将“不确定”、“未知”等认知学 上的重要概念引入到融合模型中。证据理论“将基本概率赋值分配给鉴别框架 中的命题，这和传统的概率分布有着本质的不同。特别是，通过给整个鉴别框 架分配基本概率赋值，反映了缺少足够的可用信息来进行决策”[3]。 尽管利用证据理论处理不确定信息有着独特的优点，但仍存在不少问题， 主要有以下四个方面。其一，组合条件苛刻，要求证据之间相互独立。其 二，现有的证据组合规则无法处理冲突证据，且无法分辨证据所在子集的大小 。其三，证据理论会引起焦元“爆炸”，焦元以指数形式递增。其四， 基本概率赋值获取困难，如何根据实际情况构造基本概率赋值函数，是实际应 用中的一难题川。本章针对证据组合规则无法处理冲突证据的问题，在分析现 有的证据组合方法的基础上，对证据理论进行研究和改进，并将改进后新的证 据组合方法应用于工件类型的识别中。
目标识别技术 2009-11-27 20:56:41| 分类：我的学习笔记| 标签：|字号大中小订阅 摘要： 针对雷达自动目标识别技术进行了简要回顾。讨论了目前理论研究和应用比较成功的几类目标识别方法：基于目标运动的回波起伏和调制谱特性的目标识别方法、基于极点分布的目标识别方法、基于高分辨雷达成像的目标识别方法和基于极化特征的目标识别方法，同时讨论了应用于雷达目标识别中的几种模式识别技术：统计模式识别方法、模糊模式识别方法、基于模型和基于知识的模式识别方法以及神经网络 模式识别方法。最后分析了问题的可能解决思路。 引言： 雷达目标识别技术回顾及发展现状 雷达目标识别的研究始于"20世纪50年代，早期雷达目标特征信号的研究工作主要是研究达目标的有效散射截面积。但是，对形状不同、性质各异的各类目标，笼统用一个有效散射面积来描述，就显得过于粗糙，也难以实现有效识别。几十年来，随着电磁散射理论的不断发展以及雷达技术的不断提高，在先进的现代信号处理技术条件下，许多可资识别的雷达目标特征信号相继被发现，从而建立起了相应的目标 识别理论和技术。 随着科学技术的飞速发展，一场以信息技术为基础、以获取信息优势为核心、以高技术武器为先导的军事领域的变革正在世界范围内兴起，夺取信息优势已成为夺取战争主动权的关键。电子信息装备作为夺取信息优势的物质基础，是推进武器装备信息化进程的重要动力，其总体水平和规模将在很大程度上反 映一个国家的军事实力和作战能力。 雷达作为重要的电子信息装备，自诞生起就在战争中发挥了极其重要的作用。但随着进攻武器装备的发展，只具有探测和跟踪功能的雷达也已经不能满足信息化战争的需要，迫切要求雷达不仅要具有探测和跟踪功能，而且还要具有目标识别功能，雷达目标分类与识别已成为现代雷达的重要发展方向，也是未来雷达的基本功能之一。目标识别技术是指：利用雷达和计算机对遥远目标进行辨认的技术。目标识别的基本原理是利用雷达回波中的幅度、相位、频谱和极化等目标特征信息，通过数学上的各种多维空间变换来估算目标的大小、形状、重量和表面层的物理特性参数，最后根据大量训练样本所确定的鉴别函数，在分类器中进行识别判决。目标识别还可利用再入大气层后的大团过滤技术。当目标群进入大气层时，在大气阻力的作用下，目标群中的真假目标由于轻重和阻力的不同而分开，轻目标、外形不规则的目标开始减 速，落在真弹头的后面，从而可以区别目标。 所谓雷达目标识别，是指利用雷达获得的目标信息，通过综合处理，得到目标的详细信息（包括物理尺寸、散射特征等），最终进行分类和描述。随着科学技术的发展，武器性能的提高，对雷达目标识别 提出了越来越高的要求。 目前，目标识别作为雷达新的功能之一，已在诸如海情监控系统、弹道导弹防御系统、防空系统及地球物理、射电天文、气象预报、埋地物探测等技术领域发挥出很大威力。为了提高我国的军事实力，适应未来反导弹、反卫、空间攻防、国土防空与对海军事斗争的需要，急需加大雷达目标识别技术研究的力度雷达目标识别策略主要基于中段、再入段过程中弹道导弹目标群的不同特性。从结构特性看，飞行中段
基于图像融合的目标识别研究 王立琦雷洁 （西安交通大学电子信息工程学院综合自动化研究所，陕西西安 710049） 【摘要】：红外与可见光传感器是目标识别系统中常用的两种传感器，将两种传感器图像进行融合能为我们提供更多的有效信息，从而提高目标识别正确率。本文在总结了传统的图像融合方法的基础上，改进了基于区域能量的小波图像融合规则，并设计了一种由支持向量机构建的分类器，对两类目标进行识别。实验表明，本文方法可以有效的提高识别正确率与识别速度。 【关键词】：目标识别；小波变换；图像融合；支持向量机； 1、引言 在高科技信息爆炸时代，各种监控设备功能不断增强，检测到的信息复杂多变，各种隐身、干扰和欺骗等反对抗技术应用广泛，仅依靠单一传感器难以保证目标识别系统高性能稳定工作，这就使得多传感器数据融合作为一种特殊的数据处理方法在目标识别领域越来越得到人们的重视。 红外成像传感器在夜间可以很好的工作，由其拍摄的红外图像可以直观地得到探测目标与背景间的热辐射差异，但只有目标的大致轮廓，细节信息很少；普通摄像机对场景的亮度变化较为敏感，由其拍摄的可见光图像清晰且细节信息较为丰富。红外与可见光图像的融合可以综合红外图像的目标指示特性和可见光图像的场景信息，提供更多、更有效的信息[1]。 小波变换是一种非冗余的多尺度，多分辨率分解图像经过小波变换之后数据的总量不会增大，同时小波变换具有方向性，利用这一特性可以获得视觉效果更佳的融合图像。在融合过程中，对图像的高频成分和低频成分加以区分，采用不同的融合算子和融合规则，可提高融合图像清晰度。目前已有的文献中提到的融合规则[2]可大致分为两类：一类是基于单个像素点的融合规则，如加权平均法、像素值取极值法等；另一类是基于区域的融合规则，如区域标准差，区域极值，区域能量法。由于区域能量较大的中心像素代表了原始图像中的明显特征，并且图像的局部特征一般不是只取决于某一像素，因此基于区域能量的融合规则显得更合理、更科学。但当两幅图像对应像素的区域能量相差比较大时，区域能量选大法可充分保留显著图像信号的细节特征。而当区域能量比较接近，其匹配程度比较大，这种方式容易导致选择错误，使融合图像不稳定，产生失真。鉴于此，本文提出了一种改进算法，即引入一个阈值，当两幅图像对应像素的区域能量差大于阈值时，采用区域能量选大法；当区域能量差小于阈值是，采用平均法。这样既可以清晰的保留显著图像信号的细节特征，又避免了失真，减少了噪声。 支持向量机 (SVM) [3-4]是一种基于统计理论的学习方法，由于其采用结构风险最小化原则，在固定经验风险的条件下，最小化分类函数的VC维，因此比传统的以经验风险最小化为原则的神经网络具有更好的泛化能力，在小样本学习中表现出良好的性能。对于多类模式识别问题，利用改进后的“一对一”策略的支持向量机构建分类器，可以大大减小训练量，提高识别速度。 本文将同一批配准后的红外图像与可见光图像进行小波变换后分别选择未改进的融合规则和改进后的融合规则进行融合，经过图像分割，特征提取，最后利用改进后的支持向量机构造的分类器进行分类。试验证明，采用本文方法得到的识别正确率与速度明显高于单纯使用红外图像或可见光图像或普通融合图像所得到的识别正确率与速度，有效提高了识别系统的正确性与实时性。 2、图像融合的意义 本文研究的为智能自主探测车辆系统中的识别子系统，主要工作是针对某个已检测到的目标，采用多种的传感器对目标进行信息采集，通过融合多源异构信息达到对目标的识别，并将识别结果传送给实验平台，便于后续研究。正常白天，可见光图像可以清晰的反映目标及周围环境的细节信息，但是强光下产生的影子难以与目标分离，而在夜间、阴雨天等光线不足的时候，可见
《图像检测、跟踪与识别技术》论文 论文题目： 图像检测、跟踪与识别技术与现代战争 专业：探测制导与控制技术 学号：35152129 姓名：刘孝孝
目标检测、跟踪与识别技术与现代战争 【摘要】本文讨论目标检测、跟踪与识别技术在现代战争各个领域中的应用，总结目标识别技术的发展方向，提出目标识别技术工程化实现方法，同时本文介绍了国外目标识别的现状及发展趋势，提出了现代战争应采用综合识别系统解决目标识别问题的建议。 关键词目标检测；目标跟踪；目标识别；雷达；人工神经网络；精确制导 1．引言 随着现代科学技术的飞速发展及其在军事领域内日益广泛的应用，传统的作战思想、作战方式已发生根本性的变化。从第一次海湾战争到科索沃战争，特别是刚刚结束的海湾战争，空中精确打击和空地一体化作战已经成为最重要的作战形式。集指挥、控制、通信、计算机、情报、监视侦察于一体的C ISR 已成为取得战场主动权，赢得最后胜利的关键因素。目标识别技术是雷达智能化、信息化的重要技术支撑手段。在现代化战争中，目标识别技术在预警探测、精确制导、战场指挥和侦察、敌我识别等军事领域都有广泛的应用前景，已受到了世界各国的关注。 现代战争中取得战场制信息权的关键之一是目标属性识别。现代战争的作战环境十分复杂，作战双方都在采用相应的伪装、隐蔽、欺骗和干扰等手段和技术，进行识别和反识别斗争。因此仅仅依靠一种或少数几种识别手段很难准确地进行目标识别，必须利用多个和多类传感器所收集到的多种目标属性信息，综合出准确的目标属性，进行目标检测，跟踪后进行识别。 2．目标检测、跟踪与识别技术在现代战争中的应用 2．1 目标检测、跟踪与识别技术在预警探测上的应用 目标检测、跟踪与识别技术对于弹道导弹的预警工作有重要的作用。弹道导弹一般携带多个弹头，其中可能包含核弹头或大规模杀伤的弹头以及常规弹头，预警雷达必须具备对目标进行分类和识别真假弹头的能力，将核弹头或大规模杀伤的弹头分离出来，为弹道导弹防御(BMD)系统进行目标攻击和火力分配提供依据。早期的BMD系统假设只有一个核弹头，多弹头分导技术的出现，使问题转化为雷达的多目标识别问题，加上电子对抗技术的广泛使用，给目标识别技术带来很大困难。另外，预警雷达还要对空中目标或低空目标进行探测，对来袭目标群进行分类识别。利用星载雷达以及远程光学望远镜等观测设备，可以对外空目标进行探测，对外空来袭目标进行分类和识别，达到早期预警的工作。 2．2 目标检测、跟踪与识别技术在精确制导上的应用 精确制导方式很多，包括主动式、半主动式和被动式寻的制导方式，通过设在精确制导武器
科技信息 ＳＣＩＥＮＣＥ＆ＴＥＣＨＮＯＬＯＧＹＩＮＦＯＲＭＡＴＩＯＮ2013年第7期※基金项目：此文为西安工业大学校长科研基金项目研究成果，项目编号XAGDXJJ1042。 作者简介：马颖（1979—），男，西安工业大学，工程师，研究方向为量子信息、信号处理等。 在现代电子战中，依靠单传感器提供信息已无法满足战争的需要，必须运用包括雷达、声纳、电视、红外、激光、电子支援措施(ESM)以及电子情报技术(ELINT)等多种传感器，来提供多种观测数据。多传感器数据融合对来自多个传感器的数据进行多级别、多方面、多层次的综合处理，以更好地进行状态、属性估计，并完全和适时地进行态势和威胁评估[1-2]。在多传感器信息融合系统中，各传感器提供的信息一般是不完整、不精确、模糊甚至可能是矛盾的，即包含着大量的不确定性。信息融合中心不得不根据这些不确定性信息进行推理，以得到目标身份识别和属性判决的目的[3-7]。 D-S 证据理论具有较强的理论基础，既能处理随机性所导致的不确定性，又能处理模糊性所导致的不确定性。它可以不需要先验概率和条件概率密度，依靠证据的积累，不断地缩小假设集，能将不知道和不确定区分开来。本文应用D-S 证据理论对多传感器雷达目标信息进行识别，计算结果证实了该方法的有效性。 1D-S 证据理论简介 Dempster 和Shafer 在20世纪70年代提出了D-S 证据理论。该 理论在概率的基础上对概率论的概念进行了扩展。把概率论中的事件扩展成了命题，把事件的集合扩展成了命题的集合，并提出了基本概率赋值、信任函数和似真度函数的概念,建立了命题和集合之间的一一对应关系，从而把命题的不确定性问题转化为集合的不确定性问题。 1.1识别框架 设U 表示X 所有可能取值的一个论域集合，且所有在U 内的元素是互不相容的，则称U 为X 的识别框架。U 可以是有限也可以无限，在专家系统的应用中是无限的。1.2基本概率赋值 设U 为一识别框架，若函数m ：2U →0，→→ 1满足：A 奂U ∑m （A ）＝1 m （准）＝0 则称m （A ）为A 的基本概率赋值。m （A ）表示对命题A 的精确信任度，表示了对A 的直接支持。1.3信任函数 设U 为一识别框架，m ：2U →0，→∑ 1是U 上的基本概率赋值，定义函数： BEL ：2U →0，→∑ 1BEL （A ）＝ B 奂A ∑ m （B ） （坌A 奂U ） 称该函数是U 上信任函数。 BEL （A ）＝B 奂A ∑m （B ）表示A 的所有子集的可能性度量之和，即表示 对A 的总信任，从而可知：BEL （准）＝0，BEL （U ）＝11.4似真度函数 设U 为一识别框架，定义PL ：2U →0，→∑ 1为：PL （A ）＝1－BEL （A ）＝ ∑B ∩A ≠准 m （B ） PL 称为似真度函数。PL （A ）表示不否定A 的信任度，是所有与A 相交的集合的基本概率赋值之和。 信任度和似真度概括了证据对具体的命题A 的关系。它们之间的关系如图1所示，它构成了一个完整的证据空间。 在证据理论中，［BEL （A ），PL （A ）］称为命题A 的信任度区间，［0，BEL （A ）］表示命题A 支持证据区间，［0，PL （A ）］表示命题A 的似真区间，［PL （A ），1］表示命题A 的拒绝证据区间，PL （A ）-BEL （A ）为命题A 的不确定度，其值反映了对命题A 的“未知”信息，该差值越小，则表明“未知”成分越小，证据对假设的支持越明确。 图1证据区间示意图 1.5D-S 合并规则 证据理论中的组合规则提供了组合两个证据的规则。设BEL 1和 BEL 2是同一个识别框架U 上的两个信任函数，m 1和m 2分别是其对应的基本概率赋值，焦元分别为A 1，A 2，…，A k 和B 1，B 2，…，B r ，又设： K 1＝∑ A i ，j i ∩B j ≠准 m 1（A i ）m 2（B j ）＜1 则： m （C ） ∑ A i ，j i ∩B j =C m 1（A i ）m 2（B j ）1－K 1 坌C 奂U C ≠准 0， C ＝≠ ≠≠≠≠≠≠≠≠≠≠ 准 在式中，若K 1≠1，则m 确定一个基本概率赋值；若K 1=1，则认为 m 1、m 2矛盾，不能对基本概率赋值进行组合。对于多个证据的组合，可采用组合规则对证据进行两两综合。1.6决策准则 基于证据理论的决策方法主要有三种：基于信任函数的决策、基于基本概率赋值的决策和基于最小风险的决策。本文实例采用基于基本概率赋值的决策，其定义如下。 设埚A 1，A 2奂U ，满足： m （A 1）＝max m （A i ），A i 奂奂 奂U ，m （A 2）＝max m （A i ），A i 奂U ，且A i ≠A 1奂奂，若有 m （A 1）－m （A 2）＞ε1m （U ）＜ε2m （A 1）＞m （U 奂 ） 则A 1即为判决结果，其中ε1，ε2为预先设定的门限。 2 识别系统设计 2.1 融合原理图 图2是利用D-S 证据理论对多传感器身份数据进行融合的原理框图。每个传感器把观测数据从空间变换到证据空间，对每一个命题或每个传感器所给出的“粗糙”的身份报告分配一个证据，即对每一个 Ｄ－Ｓ证据理论在目标识别中的应用 马颖1马健2 （1.西安工业大学电子信息工程学院，陕西西安710032；2.中国人民解放军空军工程大学，陕西西安710000） 【摘要】分析了D-S 证据理论用于多传感器数据融合的基本概念和理论,构造了融合结构，该结构通过预处理先对单一传感器在时域上融合，再对预处理后的数据进行多传感器数据融合，实验结果证明了目标识别的基本概率赋值有了明显提高，验证了这一结构的正确性和有效性。 【关键词】D-S 证据理论；数据融合；目标识 别○本刊重稿○50
运动检测（移动侦测）原理 一、引言 随着技术的飞速发展，人们对闭路电视监控系统的要求越来越高，智能化在监控领域也得到越来越多的应用。在某些监控的场所对安全性要求比较高，需要对运动的物体进行及时的检测和跟踪，因此我们需要一些精确的图像检测技术来提供自动报警和目标检测。运动检测作为在安防智能化应用最早的领域，它的技术发展和应用前景都受到关注。 运动检测是指在指定区域能识别图像的变化，检测运动物体的存在并避免由光线变化带来的干扰。但是如何从实时的序列图像中将变化区域从背景图像中提取出来，还要考虑运动区域的有效分割对于目标分类、跟踪等后期处理是非常重要的，因为以后的处理过程仅仅考虑图像中对应于运动区域的像素。然而，由于背景图像的动态变化，如天气、光照、影子及混乱干扰等的影响，使得运动检测成为一项相当困难的工作。 二、运动检测（移动侦测）原理 早期的运动检测如MPEG1是对编码后产生的I帧进行比较分析，通过视频帧的比较来检测图像变化是一种可行的途径。原理如下：MPEG1视频流由三类编码帧组成，它们分别是：关键帧（I 帧），预测帧（P帧）和内插双向帧（B帧）。I帧按JPEG标准编码，独立于其他编码帧，它是MPEG1视频流中唯一可存取的帧，每12帧出现一次。截取连续的I帧，经过解码运算，以帧为单位连续存放在内存的缓冲区中，再利用函数在缓冲区中将连续的两帧转化为位图形式，存放在另外的内存空间以作比较之用，至
于比较的方法有多种。此方法是对编码后的数据进行处理，而目前的MPEG1/MPEG4编码都是有损压缩，对比原有的图像肯定存在误报和不准确的现象。 目前几种常用的方法： 1.背景减除（Background Subtraction ） 背景减除方法是目前运动检测中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动区域的一种技术。它一般能够提供最完全的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。最简单的背景模型是时间平均图像，大部分的研究人员目前都致力于开发不同的背景模型，以期减少动态场景变化对于运动分割的影响。 2.时间差分（Temporal Difference ） 时间差分（又称相邻帧差）方法是在连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分并且阈值化来提取出图像中的运动区域。时间差分运动检测方法对于动态环境具有较强的自适应性，但一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产生空洞现象。 3.光流（Optical Flow） 基于光流方法的运动检测采用了运动目标随时间变化的光流特性，如Meyer[2] 等通过计算位移向量光流场来初始化基于轮廓的跟踪算法，从而有效地提取和跟踪运动目标。该方法的优点是在摄像机运动存在的前提下也能检测出独立的运动目标。然而，
雷达目标识别发展趋势 雷达具备目标识别功能是智能化的表现，不妨参照人的认知过程，预测雷达目标识别技术的发展趋势： (1)综合目标识别 用于目标识别的雷达必将具备测量多种目标特征的手段，综合多种特征进行目标识别。我们人类认知某一事物时，可以通过观察、触摸、听、闻、尝，甚至做实验的方法认知，手段可谓丰富，确保了认知的正确性。 目标特征测量的每种手段会越来越精确，就如同弱视的人看东西，肯定没有正常人看得清楚，也就不能认知目标。 识别结果反馈给目标特征测量，使目标特征测量成为具有先验信息的测量，特征测量精度会有所提高，识别的准确程度也会相应提高。 雷达具备同时识别目标和背景的功能。人类在观察事物的时候，不仅看到了事物的本身，也看到了事物所处的环境。现有的雷达大多通过杂波抑制、干扰抑制等方法剔除了干扰和杂波，未来的雷达系统需要具备识别目标所处背景的能力，这些背景信息在战时也是有用的信息。 雷达具备自适应多层次综合目标识别能力。用于目标识别的雷达虽然需要具备测量多种目标特征的手段，但识别目标时不一定需要综合所有的特征，这一方面是因为雷达系统资源不允许，另一方面也是因为没有必要精确识别所有的目标。比如司机在开车时，视野中有很多目标，首先要评价哪几个目标有威胁，再粗分类一下，是行人还是汽车，最后再重点关注一下靠得太近、速度太快的是行人中的小孩子还是汽车中的大卡车。 (2)自学习功能 雷达在设计、实现、装备的过程中，即具备了设计师的基因，但除了优秀的基因之外，雷达还需要具有学习功能，才能在实战应用中逐渐成熟。 首先，要具有正确的学习方法，这是设计师赋予的。对于实际环境，雷达目标识别系统应该知道如何更新目标特征库、如何调整目标识别算法、如何发挥更好的识别性能。 其次，要人工辅助雷达目标识别系统进行学习，这就如同老师和学生的关系。在目标识别系统学习时，雷达观测已知类型的合作目标，雷达操作员为目标识别系统指出目标的类型，目标识别系统进行学习。同时还可以人为的创造复杂的电磁环境，使目标识别系统能更好地适应环境。 (3)多传感器融合识别 多传感器的融合识别必定会提高识别性能，这是毋容置疑的。这就好比大家坐下来一起讨论问题，总能讨论出一个好的结果，至少比一个人说的话更可信。但又不能是通过投票的方式，专家的话肯定比门外汉更有说服力。多传感器融合识别需要具备双向作用的能力。 并不是给出融合识别的结果就结束了，而是要利用融合识别的结果反过来提高各个传感器的识别性能，这才是融合识别的根本目的所在。反向作用在一定程度上降低了人工辅助来训练目标识别系统的必要性，也减少了分别进行目标识别试验的总成本。
军队、金融、通讯、电力数据中心 目标识别与涉密资产安全管理系统 技术白皮书 浩海易通科技（北京）有限公司 一、引言 随着我军信息化建设的飞速发展，部队的信息化程度越来越高，各种纸质文件、涉密载体，涉密介质（移动硬盘、U盘、笔记本电脑等）被广大官兵大量使用，这些纸质文件、涉密载体及介质存在着种类杂乱，可靠性差，效率低下，借阅审批均为纸上办公，携带进出无法记录、查询等问题，经常出现泄密现象，给部队涉密载体安全造成了重大的威胁。主要体现在两个方面： 一是使用和管理的矛盾突出。由于纸质文件、涉密载体在部队中使用的范围广，数量大，管理的难度很大。目前部队为提高纸质文件、涉密载体的安全管理，采取了一些保密措施，研制了一些保密软件及管理系统，但这些保密软件及系统只是对这些纸质文件、涉密载体的借阅以表格、文档等形式进行了简单的统计记录，并且过程、细节、详细时间都难以达到准确、安全，管理和技术维护都比较繁琐，造成即不保证安全，管理使用又很不方便，不利于在部队基层推广使用。 二是管理模式落后，高科技管控手段欠缺。各部门的纸质文件、涉密载体，来源复杂、形式多样，管理、存放、下发时非常的繁琐和棘手，管理过程中，没有有效的监控、监管手段，容易造成涉密人员非法带出，极有可能造成丢失、泄密事件的发生，具有重大的安全隐患。 因此，部队需要一种适合军队平时和站时使用、能提供较强涉密载体安全管理措施即可靠又方便使用的涉密载体安全管理系统。 TIIS目标识别安全管理系统（以下简称TIIS）是基于RFID技术并针对单位人员、纸质文件管理和涉密载体（笔记本电脑、保密移动硬盘、保密U盘、刀片服务器等）安全需求而研制开发的一套检测控制系统。 二、系统硬件部分 2．1 915M超高频RFID读写器 物理特征：长：29.5cm；宽：30cm；高：8cm； 重量：3kg，安装：垂直方向， 环境：工作温度：-20℃-55℃ 存放温度：-40℃-85℃ 湿度：相对湿度10％-95％； 工业等级：IP-53，4个TNC双向天线端口，为每个端口分别配置一个独立的传输和接受天线； 电源：能适应110-240VAC车载电源DC伏60瓦 RFID频率范围800MHz或900MHz， 波段接口：10/100BASET以太网（RJ-45连接器），最大读取速度1000tag/S，最小标签速度：660ft/min 2．2 915M超高频RFID天线 物理特征：长：30cm；宽：30cm；高：4cm重量：2.27kg 安装配置：2*2安全螺栓，水平面距离5.875英寸，垂直距离2.75英寸， 工作温度：-20℃-55℃存放温度：-40℃-85℃ 前后比：20DB 最高增益：6dBiL 增益平稳度：0.5DB 三、系统软件部分 3．1 编目系统功能 主要是针对文件，笔记本电脑，移动硬盘等目标载体信息进行录入，编辑，移交登记。3．2 检索系统功能