项目名称: 基于单像素成像体制的制导信息提取方法研究

项目编号: No.61203202

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 自动化学科

项目作者: 冯冬竹

作者单位: 西安电子科技大学

项目金额: 26万元

中文摘要: 精确制导能确保飞行器在复杂战场环境中精确命中目标乃至要害部位,其核心是精确导引和控制,而制导信息是导引系统给控制系统的指令,是实现精确制导的关键。因此本项目针对红外成像制导领域亟待解决的制导信息提取问题,研究单像素成像体制下的制导信息提取方法。研究红外图像的稀疏表示与观测矩阵,设计快速采样策略,采集含目标重要信息的稀疏信号;从采样的少量信号中以信号分析的角度进行目标识别与制导信息提取。这种"采样稀疏信号-提取有用信息"的方式突破了焦平面成像制导"采样整幅图像-图像处理-提取制导信息"的传统方式,在探测与采样阶段同步实现目标识别与制导信息提取。所提出的新型制导体系根据图像稀疏性有针对性地获取目标有效信息,增加重要性高的图像信息的采集与处理,能够克服传统焦平面阵器件的非均匀性,具有有用信息比例高、处理速度快等优势;对发展新型智能探测成像体制和制导信息提取方法具有重要的理论意义与应用参考价值。

中文关键词: 红外成像制导;单像素成像;观测矩阵;目标识别;姿态信息提取

英文摘要: Precision guidance ensures that the aircraft hits a target and key parts of the body with astounding accuracy in the complex battlefield environment. The core of precise guidance is the precisely seeker subsystem and control subsystem. The guidance information is the key technology of precise guide system, and is outputed to control system as an instruction by seeker system. Therefore, aim at guidance information extraction which is the problem to be solved urgently in infrared imaging guidance, this project will focuse on the extraction of guidance information based on the single-pixel imaging system. Firstly, we will study the sparse representation of the infrared image, and design the strategy of sampling the sparse signal fastly from the infrared image according to the measurement matrix. The sensing sparse signals are relatively few, and capture most of the target information which is important for the recognition.Then we will put an emphasis on target recoginition and guidance information extraction from the sensing relatively few sparse signal. The process of recoginition and extraction is similar to the process of signal sampling. The way of "sampling sparse signal - extracting useful information" will break out the traditional way of "sampling the whole image- processing image- extracting guidance info

英文关键词: Infrared imaging guidance;Single-pixel imaging;Measurement matrices;Target recognition;Attitude information extraction

成为VIP会员查看完整内容
1

相关内容

空间数据智能:概念、技术与挑战
专知会员服务
85+阅读 · 2022年2月3日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
47+阅读 · 2021年4月15日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
18+阅读 · 2020年12月23日
小目标检测技术研究综述
专知会员服务
120+阅读 · 2020年12月7日
专知会员服务
45+阅读 · 2020年12月4日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
[综述]基于深度学习的开放领域对话系统研究综述
专知会员服务
79+阅读 · 2019年10月12日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
CVPR 2019:精确目标检测的不确定边界框回归
AI科技评论
13+阅读 · 2019年9月16日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
人脸专集5 | 最新的图像质量评价
计算机视觉战队
27+阅读 · 2019年4月13日
【学科发展报告】无人船
中国自动化学会
27+阅读 · 2019年1月8日
海洋论坛丨水声目标识别技术现状与发展
无人机
26+阅读 · 2018年12月17日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月18日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
小贴士
相关VIP内容
空间数据智能:概念、技术与挑战
专知会员服务
85+阅读 · 2022年2月3日
专知会员服务
122+阅读 · 2021年4月29日
专知会员服务
47+阅读 · 2021年4月15日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
18+阅读 · 2020年12月23日
小目标检测技术研究综述
专知会员服务
120+阅读 · 2020年12月7日
专知会员服务
45+阅读 · 2020年12月4日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
[综述]基于深度学习的开放领域对话系统研究综述
专知会员服务
79+阅读 · 2019年10月12日
相关资讯
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
CVPR 2019:精确目标检测的不确定边界框回归
AI科技评论
13+阅读 · 2019年9月16日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
人脸专集5 | 最新的图像质量评价
计算机视觉战队
27+阅读 · 2019年4月13日
【学科发展报告】无人船
中国自动化学会
27+阅读 · 2019年1月8日
海洋论坛丨水声目标识别技术现状与发展
无人机
26+阅读 · 2018年12月17日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月18日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
微信扫码咨询专知VIP会员