1 南阳理工学院 软件学院, 河南 南阳 473004
2 南阳理工学院 计算机与信息工程学院, 河南 南阳 473004
3 国防科学技术大学 自动目标识别重点实验室, 湖南 长沙 410073
针对自动目标识别需求, 提出了一种激光与红外融合目标识别方法。首先分别对激光与红外两类单源数据分别提取小波矩和投影轮廓特征来表征目标; 其次, 将两类单源特征进行组合, 并对组合后的特征进行约简。考虑到组合多个约简在进行分类时将产生互补信息, 基于三种不同观点的约简提出了一种差异性组合分类器的构建方法, 对约简后的激光和红外复合数据进行融合识别。最后, 通过对激光与红外仿真数据的实验, 验证了文中方法的有效性。
点云特征 红外特征 特征提取 特征约简 融合识别 point cloud feature infrared feature feature extraction feature reduction fusion recognition 红外与激光工程
2018, 47(5): 0526003
1 南阳理工学院 软件学院, 河南 南阳 473004
2 武汉大学 计算机学院, 湖北 武汉 430079
3 南阳理工学院 计算机与信息工程学院, 河南 南阳 473004
4 国防科学技术大学 自动目标识别重点实验室, 湖南 长沙 410073
针对自动目标识别需求, 提出了一种激光与红外融合目标检测方法。首先介绍了基于方向显著性的红外目标检测算法, 并分析了该算法的优缺点。针对该算法的缺陷, 提出了一种激光与红外融合的目标检测方法, 该方法将激光雷达测得的弹目距离信息引入到基于方向显著性的红外目标检测算法中, 大大提高了目标检测算法的精度。仿真实验表明文中方法解决了单源红外目标检测算法对应用场景适应性不强和鲁棒性较差的诸多问题, 大大提高了目标的检测率。
激光雷达 红外图像 融合检测 方向显著性 laser radar infrared image fusion detection direction saliency 红外与激光工程
2018, 47(8): 0804005
1 南阳理工学院 计算机与信息工程学院, 河南 南阳 473000
2 郑州财税金融职业学院 信息技术系, 河南 郑州 450000
3 国防科学技术大学 自动目标识别重点实验室, 湖南 长沙 410073
4 中国人民解放军66393部队, 河北 保定 071000
随机变频信号体制不仅可以降低系统瞬时带宽和数据采样率, 还具有很强的抗干扰能力, 然而, 信号频率的随机变化导致现有目标散射中心估计方法失效。推导了随机变频信号的回波模型, 在分析回波稀疏特性的基础上, 提出了一种基于压缩感知的散射中心模型参数估计方法, 将参数估计问题转化为压缩感知理论中的稀疏信号重构问题, 并分析了感知矩阵对稀疏信号的重构性能。实验结果表明, 所提方法能够在降低数据采样率的情况下对目标散射中心参数进行有效估计。
雷达目标识别 压缩感知 散射中心 稀疏 radar target recognition compressed sensing scattering centers sparse 红外与激光工程
2016, 45(5): 0526004
1 南阳理工学院 计算机与信息工程学院，河南 南阳 473000
2 河南师范大学新联学院 公共教学部，河南 郑州 450000
3 第三军医大学 生物医学工程系，重庆 410038
有效的星载超光谱图像压缩技术对于解决超光谱图像实时传输极为重要。针对超光谱图像传统的联合编解码算法的不足，提出了一种基于分布式信源编码(Distributed Source Coding，DSC)的超光谱图像无损压缩算法。为利用超光谱图像的局部空间相关性，将超光谱图像进行分块处理；引入多元线性回归模型构建编码块的边信息，并为每个编码块选取最优的预测阶数，以有效利用超光谱图像的局部谱间相关性。根据(n，k)线性分组码的原理，通过多元陪集码实现超光谱图像的分布式无损压缩。实验结果表明：该算法能够取得较好的无损压缩性能，同时具有较低的编码复杂度，适合星载超光谱图像的压缩实现。
超光谱图像 无损压缩 分布式信源编码 hyperspectral imagery lossless compression distributed source coding 红外与激光工程
2016, 45(3): 0323003
1 南阳理工学院计算机与信息工程学院，河南 南阳 473000
2 南阳医学高等专科学校卫生管理系，河南 南阳 473000
3 第三军医大学生物医学工程学院，重庆 400038
高光谱图像庞大的数据量给存储与传输带来巨大挑战，必须采用有效的压缩算法对其进行压缩。提出了一种基于分类的高光谱图像有损压缩算法。首先利用C均值算法对高光谱图像进行无监督光谱分类。根据分类图，针对每一类数据分别采用自适应KLT（Karhunen-Loève transform）进行谱间去相关；然后对每个主成分分别进行二维小波变换。为了获得最佳的率失真性能，采用EBCOT（Embedded Block Coding with Optimized Truncation）算法对所有的主成分进行联合率失真编码。实验结果表明，所提出算法的有损压缩性能优于其它经典的压缩算法。
有损压缩 高光谱图像 光谱分类 光谱去相关 lossy compression hyperspectral images spectral classification spectral decorrelation 红外与激光工程
2016, 45(2): 0228003
1 南阳理工学院 计算机与信息工程学院，河南 南阳 473000
2 郑州财经学院 计算机系，河南 郑州 450044
3 国防科学技术大学 电子科学与工程学院，湖南 长沙 410073
针对超光谱图像压缩进行了研究，提出了一种有效的基于分布式信源编码(Distributed Source Coding, DSC)的有损压缩算法。该算法利用多元陪集码和标量量化的方式实现超光谱图像的分布式有损压缩，针对分布式信源编码，利用多波段预测的方式为每个编码块构造边信息，然后采用标量量化的方式对编码块和其边信息同时进行量化处理。根据分布式信源编码原理，给出了各编码块量化后的编码码率。为了减少标量量化带来的信息丢失，算法引入了跳跃策越。部分均方误差意义上损失较大的编码块将由其边信息直接代替。实验结果表明，所提出的算法性能与基于小波变换的算法性能相当；此外，该算法复杂度较低，适合星载超光谱图像的压缩。
超光谱图像 有损压缩 分布式信源编码 标量量化 hyperspectral images lossy compression distributed source coding scalar quantization
