简介：针对传统跟踪算法（如邻域法、传统的相关跟踪算法）只能跟踪海上或空中目标，不能跟踪复杂背景下目标的问题，提出了一种稳定快速跟踪复杂背景下目标的算法。该算法在传统相关跟踪算法的基础上进行改进，相关处理之前采用边缘检测、阈值分割等方法去除复杂背景，提取出具有特征的目标信息。在跟踪过程中，根据匹配的效果自动对模板进行刷新。给出了算法实现的硬件组成和程序流程图。实验证明对于传统算法无法稳定跟踪的目标，改进后的算法能够实现稳定跟踪。

简介：在数据融合的基础上，以红外／毫米波双模传感器的智能融合结构为模型，将模糊神经网络与D-S证据理论相结合，提出了一种新的目标识别方法。该算法根据红外／毫米波传感器的性能及工作范围，构造模糊变量作为神经网络的输入，根据神经网络的不同输出判别目标的真伪，并利用D-S证据理论进行目标身份识别。仿真结果证明了该算法的可行性。

简介：粗糙集理论是处理不确定性问题的数学方法，本文提出了基于粗糙集与小波变换相结合的图像融合算法。该方法首先将粗糙集理论应用于图像滤波中，对含有椒盐噪声的图像进行粗糙中值滤波，然后对滤波后的图像进行小波融合。实验结果表明，粗糙中值滤波有较强的去噪能力，且较好地保持了图像的细节信息，在此基础上进行小波融合，使得融合结果图像具有良好的效果。

简介：目标跟踪系统中比较难解决的一个问题就是遮挡,当一个目标被另一个物体部分或全部遮挡时,跟踪的特性就会不完整或彻底消失,导致目标跟踪失败。为了解决这一问题,采用不变矩和归一化相关(NCC)对目标遮挡进行判断,然后采用目标位置和速度进行航迹外推,对大量外场视频进行仿真并把算法移植到硬件平台。结果表明,通过上述方法可以有效解决目标跟踪遇到的遮挡问题。

简介：舰船采用紫外-红外多传感器探测低空飞行的导弹、飞机等目标,对各个传感器采集的目标图像数据进行融合处理,可提高对目标的探测识别概率.本文分析了红外传感器器和紫外传感器的各自的优越性、海空背景下导弹羽烟的紫外辐射传输特性,得出采用红外-紫外图像融合技术能使红外、紫外传感器的优势得到互补,融合级别适合在特征级上进行,并对红外-紫外双色探测技术进行了展望.

简介：为实现舰载红外警戒系统对海空背景下红外弱点目标的检测，根据目标识别系统的组成及目标检测识别信息处理流程，研究了远距离弱小目标的检测识别算法。结合形态学的方法给出一种目标检测算法，该算法可以有效地消除云层、海浪、海天线以及传感器本身引入的杂波和噪声干扰，仿真结果表明采用本文提出的算法有利于对目标的进一步识别，提高舰载红外警戒系统的目标检测性能。

简介：针对红外与可见光图像融合，提出了一种基于NSCT变换的图像融合方法。对经NSCT变换的低频子带系数采用基于区域能量自适应加权的融合规则，对高频子带系数采用混合的融合方法，即对于低层，采用基于区域方差选大的融合方法，对于高层采用像素点的绝对值选大的融合方法。实验结果表明，该融合算法可以获得更多的细节信息，能获得较理想的融合图像。

简介：提出了一种红外与可见光的配准和融合方法，该方法利用SIFT算法提取图像特征，并使用透视变换表示图像的变换关系，最后在HSI空间，对图像进行了加权融合。实验表明，该方法快速稳定、鲁棒性高。