南京航空航天大学 自动化学院,江苏 南京 210016
针对空中红外小目标难以识别且可信度低的问题,本文结合已有的识别算法,利用非平等D-S证据融合设计了一种小目标识别方法。将小目标的灰度和速度信息作为主要识别证据,并在此基础上加入小目标的轨迹信息作为补充证据,以提高识别置信度。首先利用灰度和速度信息进行小目标识别,如果无法完成识别则将轨迹信息加入到证据当中,进行非平等的D-S证据融合。当增加的轨迹信息强烈支持速度或灰度信息的判决倾向时,本算法能显著提高空中红外小目标的识别能力。仿真结果表明,所研究的算法在不增加传感器数目的情况下能将识别置信度平均提高125%。
小目标识别 红外目标 信息融合 D-S证据 small target recognition infrared target information fusion D-S evidence
针对使用常规的基于能量累积最大化的动态规划算法累积能量时效果较差的缺点,结合已有的动态规划算法,提出一种新的基于状态稳定性的动态规划能量累积算法。该算法根据目标运动时灰度值的稳定性和运动轨迹的连续性,分别计算能量稳定概率和方向稳定概率;采用信息融合的思想计算出状态稳定概率;累积状态稳定概率最大的候选累积点的能量。实验结果表明,算法较好的解决了目标能量累积时的能量扩散问题,目标信噪比为2.5时能量扩散区域减少10倍;在累积5帧,目标信噪比小于2.5时,仍能稳定地使信噪比提高1.5倍;使用阈值分离目标时虚警点个数平均减少10倍以上。
小目标检测 动态规划 状态稳定 能量累积 small target detection dynamic programming state stabilization energy accumulation