导读:本文包含了低对比度目标论文开题报告文献综述及选题提纲参考文献，主要关键词:深度学习,弱目标检测,机器视觉
低对比度目标论文文献综述
南博,郝元宏,朱元武,胡媛媛,蒋秀蓉[1]（2018）在《基于深度学习的低对比度图像中弱目标检测方法》一文中研究指出在监视预警系统中,低对比度图像中弱目标检测方法是一个关键技术。研究复杂背景中弱目标的实时检测算法,可以提高监视预警系统的作用距离,对于增加作战反应时间、提高自身生存概率具有十分重要的意义。现有的弱目标检测算法大都基于水面、天空等简单的背景,且人工设计的特征只能针对特定场景,具有虚警率较高、易受噪声影响等缺点。为解决弱目标检测问题,本文在分析弱目标环境数据分布特性的基础上,提出了一种基于深度学习的弱目标实时检测算法,引入YOLOv2网络提取弱目标非线性特征。该方法首先对可见光和红外图像训练集进行目标维度聚类,并对网络进行多尺度训练,通过多层卷积层特征提取、置信度模型目标检测完成弱目标检测任务。在红外和可见光数据集上的测试显示,本文算法在低对比度成像条件下能够准确、实时的检测弱目标。(本文来源于《第十二届全国信号和智能信息处理与应用学术会议论文集》期刊2018-10-19）
范启蒙,尹成友[2]（2018）在《高对比度目标的电磁逆散射超分辨成像》一文中研究指出提出了一种适用于高对比度目标的超分辨成像方法,通过结合对比度源反演方法与基于轨道角动量的超分辨技术,实现对高对比度目标的超分辨成像.首先采用基于轨道角动量的成像方法求解出对比度函数,将其作为对比度源反演方法的迭代初值,虽然初值结果与实际目标相差较大,但是由于初值中已经包含了关于目标的倏逝波信息,再利用这个初值开始迭代便可以得到超分辨重建结果,这种方法具有一定的抗噪声能力.本文研究表明,为了实现超分辨成像,一方面需要将目标对应的倏逝波信息转化到测量数据中,另一方面还要保证成像算法能够充分利用这些信息.本文所引申出的关于超分辨信息的概念对于逆散射超分辨成像的研究具有一定的借鉴意义.(本文来源于《物理学报》期刊2018年14期）
张永骞,张涛,崔文楠,夏鲁瑞[3]（2018）在《低对比度红外图像点目标运动检测方法》一文中研究指出对于背景对比度较低的红外图像,若点目标的亮度不明显,加上探测器噪声的影响,很难分辨出红外图像中处于运动状态的点目标。为了解决这一问题,对探测器采集的相邻2幅图像进行基于灰度峰值与傅里叶相位相关算法的图像配准,计算出2幅图像之间的相对平移量;通过对2幅图像的重迭区域进行差分绝对值、高斯低通滤波及二值化运算;分离出运动的点目标。实验结果表明:检测方法可以有效地检测出低对比度红外图像中的运动点目标。(本文来源于《传感器与微系统》期刊2018年01期）
陈晓濠[4]（2017）在《基于卷积神经网络的低对比度图像目标检测算法》一文中研究指出“工业4.0”时代的到来和《中国制造2025》的制定对我国制造业的发展来说既是机遇也是挑战。目前,制造业生产方式的转型迫在眉睫,更多地将工业自动化技术应用到生产活动中成为制造业发展的必然选择。目标检测是实现工业生产自动化的一项重要技术。本文旨在设计适合工业环境的目标检测算法,解决工业环境下低对比度图像的目标检测。根据低对比度图像目标检测问题的特点,本文提出了级联卷积神经网络检测算法。由于工业应用中难以获取大量的标注图像作为训练数据,因此,本文设计了多个浅层的卷积神经网络用于检测,只需对少量样本进行标注并进行数据增强作为训练数据。本文的级联卷积神经网络检测算法分为叁步。第一步是在低分辨率图像上用一个浅层的卷积神经网络进行滑动窗口扫描,提取候选区域。第二步在较大分辨率图像上用两个结构不同的卷积神经网络对候选区域进行进一步识别,完成对检测目标的粗定位。第叁步是通过一个相对较深的卷积神经网络对粗定位结果进行校正。为提高检测效率,本文采用了全卷积网络消除重复的卷积计算,加速全图滑窗扫描检测的过程,在定位校正部分采用九分类网络以减少识别次数。提出了一种难分样本挖掘的方法,提高粗定位部分的网络识别能力。本文的实验部分在多组图像上对本文提出的目标检测算法进行评估测试,并将我们的算法与商业软件ViDi、传统的模板匹配算法和现有的基于卷积神经网络的目标检测算法进行对比。以检测准确率和查全率对检测算法性能进行评估,表明本文的算法具有较强的鲁棒性。在使用GPU对算法进行加速的情况下,我们的算法在640×480的图像上运行时间大致为72毫秒。(本文来源于《哈尔滨工业大学》期刊2017-01-01）
付红霞[5]（2016）在《天空背景下低对比度扩展目标提取技术研究》一文中研究指出随着军事、航天等领域的发展,对目标的检测与识别技术也逐渐吸引了越来越多的学者的重视,并对其进行了深入的研究。因为受天气、设备等各种因素的影响,使得获取到的目标出现成像部分模糊或目标整体模糊等的情况,从而导致难以提取出有效的目标特征信息,不利于对该类目标准确深入的研究。为了保证对这类目标稳定精确的定位与跟踪,本文考虑以提取目标有效的边缘特征为基础。本文的研究内容主要是对低对比度情况下的目标进行检测提取,采用的技术路线是研究图像增强和边缘提取这两项相关技术中的关键问题。本文通过对该问题进行深入的研究,取得的研究成果主要有:(1)给出了图像对比度范围与目标完整提取对应的工作曲线。通过对图像局部对比度和边缘提取完整性的分析与计算,得出边缘检测算法提取扩展目标的工作性能曲线,不仅量化定义了低对比度扩展目标的概念,而且可根据该工作性能曲线自动判断是否需要对目标进行诸如增强等信号预处理,改善目标提取质量。(2)研究了基于像素空间位置的图像局部增强算法。针对低对比度情况下的低质量目标,在对几种不同的增强算法介绍分析基础上,对基于空间熵的图像对比度增强算法进行改进,利用图像像素的空间位置分布确定目标所在的区域范围,然后针对该范围对目标作相应的增强处理,得到视觉效果良好的对比度增强后的图像,并通过与其他几种算法的结果进行对比评价,由客观指标验证了该方法的有效性。(3)研究了对边缘连续性自动判别和完整提取方法。针对由边缘提取算法提取出的边缘连续性的问题,首先对目标边缘填充后再次提取其边缘信息,利用计算得出的该边缘连续度与填充前后边缘的面积比两个指标来判断:如果同时满足两个条件则连续,否则直接进行下一步的边缘连接,实现最终提取出完整闭合的边缘信息。该方法解决了人工干预判定边缘完整程度的方式,提高了低对比度目标提取的智能化程度。经过对图像一系列的处理和大量的试验表明,本文采用的方法可以有效的将低对比度扩展目标的边缘较完整的提取出来,为后续对目标进行高精度定位与跟踪打下了坚实的基础。(本文来源于《重庆大学》期刊2016-04-01）
杨伟[6]（2015）在《人眼阈值测量的对比度目标的设计和实验标定》一文中研究指出眼睛,被人们誉为人的“心灵之窗”,可见它在本日常生活中是多么的重要。人们通过它来观察世界,发现世界。从物理层次来说,人眼是图像的最终接收器,各种光学成像的仪器等都是人眼的辅助工具,为其服务。既然为其服务,那么只有这些光学仪器所成的像要与人眼的视觉特性相匹配,人们得到的信息才是真实可靠的。对比度阈值特性就是衡量人眼空间视觉特性的一个重要参数,也是眼科疾病诊断的重要依据。目前,人们都是用对比敏感度函数来表示人眼对比度阈值测量的结果。对比敏感度函数又是光学系统评价、图像显示与处理等技术的理论基础。本文设计了一种对比度目标发生装置,可实现在不同背景亮度、空间频率条件下调节出不同对比度的观察目标。基于本系统的测量原理,本文提出了一种有效的对比度图案的调节方法,通过这种方法,经过大量的实验,调节出8个不同的空间频率分别在白天和晚上两种环境下的对比度图案,其中每个空间频率下有9个对比度图案,完成了总计共144个图案的调试。并对对比度图案进行了大量的重复性和复现性实验,结果表明,该系统的重复性和复现性达到实验要求。本系统的测试结果在Excel表格里给出了受试者眼睛的对比敏感度函数曲线,为临床眼科疾病的早期诊断提供了有效的依据。(本文来源于《北京理工大学》期刊2015-06-01）
尉佩,周子楠,杜洋,王文生[7]（2015）在《复杂背景下低对比度目标的光学相关探测和识别》一文中研究指出光电混合联合变换相关器可以实现光学图像的探测、自动识别、实时跟踪和高精度定位。但当实际的目标图像对比度低、背景噪音大时,相关峰对比度降低,甚至没有相关峰。文章将空域直方图均衡化与频域滤波器相结合,提高了目标图像的对比度,减小了背景噪音,获得了尖锐的相关峰,解决了复杂背景低对比度目标图像的识别问题,获得了很好的实验结果。大量的计算机模拟和光学实验表明,相较于其他复杂的算法,该算法简单、实现速度快,效果良好。(本文来源于《半导体光电》期刊2015年02期）
张肃,付强,段锦,战俊彤,姜会林[8]（2015）在《基于提升小波的低对比度目标偏振识别技术》一文中研究指出针对低对比度环境下拍摄目标图像所产生的低识别率问题,提出了一种基于小波提升算法的偏振信息融合方法,该方法采用偏振技术进行目标探测,应用小波提升算法所具有的计算量少、处理速度快等优点将偏振度和偏振角等信息分解为高频和低频部分,分别对高、低频系数采用不同规则进行融合,使得融合后目标边缘轮廓完全从低对比度环境中凸显出来,且细节信息完整、清晰,易于人眼对目标的识别。通过对大量低对比度场景下的目标进行识别及对融合结果进行评价,实验表明,该方法能有效地提高低对比度环境下目标的识别效率,验证了算法的可行性。(本文来源于《光学学报》期刊2015年02期）
王新伟,曹忆南,刘超,孔庆善,崔伟[9]（2014）在《2D/3D距离选通成像的低对比度目标探测》一文中研究指出低对比度目标探测在司法取证、反恐维安、远距离监控、搜救等应用中具有重要意义,然而传统二维成像方法则难以对其有效探测。由此,提出了基于2D/3D距离选通成像探测低对比度目标的方法:通过2D距离选通成像直接获取目标无背景或背景部分滤除的二维选通图像,从而突显目标,简化目标提取图像处理;当复杂背景无法有效滤除时,可进一步通过3D距离选通成像重建二维选通图像中丢失的叁维空间信息,通过距离图区分目标与背景,实现目标有效探测。在该方法中,3D距离选通成像是基于上述二维选通图像采用超分辨率叁维成像反演实现的,因此无需耗时获取新数据,从而提高了实时性,并压缩了数据量。研究和实验表明:该方法可有效解决低对比度目标探测问题,在低照度及恶劣天气环境下均可有效工作。(本文来源于《红外与激光工程》期刊2014年09期）
曹雷[10]（2014）在《低对比度目标探测跟踪技术研究》一文中研究指出随着太空探索的不断深入,探测跟踪空间碎片等强噪声低对比度目标具有非常重要的科学和军事应用意义。本文从目标探测跟踪主要技术环节考虑,对强噪声低对比度目标探测跟踪技术面临的重要理论和技术实现等关键技术进行了深入研究,重点研究了目标特性、白天天光背景对探测的影响因素、探测跟踪系统设计以及图像信号复原技术。首先分析目标探测跟踪机理、低对比度目标的量化定义以及研究现状,分析了目标图像背景预测与背景抑制方法,讨论了基于自适应阈值分割和边界提取的目标与背景的分离方法,以及聚类、管道滤波等适用于低对比度小目标的检测算法。同时,明确了信噪比低于3dB的弱小目标为低对比度目标。进而以目标特性为切入点,分析了目标的几何尺度及光学特性,建立了目标的基本光照度模型;分析了目标的角速度和角加速度运动特性,为建立探测跟踪系统动态传递函数提供依据。深入研究了典型目标的光谱反射特性,分析了空间点目标的红外辐射及光谱特征,提出了基于双波段红外光谱的目标红外特性提取算法,并对算法的有效性进行了研究。针对大气传输和天光背景对地面探测跟踪系统影响大、不确定性强的特点,计算了大气的吸收与散射系数、大气背景辐射、透过率和天空背景亮度,分析了大气垂直分布对光吸收和散射的影响;深入研究了大气光散射对目标对比度、大气湍流对目标弥散的影响。针对探测跟踪系统静态和动态性能,详细分析了跟踪系统抖动对目标图像对比度和信噪比的影响,推导了系统抖动条件下的动态光学传递函数,提出了解决系统抖动引起图像模糊的图像清晰化技术。设计研制了低对比度目标探测系统,建立了探测系统杂散光模型,并进行分析和提出改进措施;详细讨论多种相机的探测灵敏度、信噪比特性和光谱响应特性,提出适合在低对比度条件下高速使用的探测跟踪相机类型;验证了采用图像累加增强抑制大气影响的成像探测算法、采用背景削减提高目标成像对比度、光谱滤波提高目标探测信噪比等方法的有效性;研制了天光背景测量仪,对天光背景辐射进行了实际测量和标定,获得宝贵的天光背景数据,为低对比度目标探测跟踪图像处理提供了实时背景参数;提出了基于指数定律的增量维纳滤波图像清晰化处理算法,对目标原始图像与降质函数进行逐次高精度逼近,显着改善图像质量,使图像对比度提高了20%,信噪比提高了2.5dB以上。最后,对低对比度目标探测跟踪的系统性能进行了归纳和总结。指出应结合探测器性能和系统动态传递函数进一步研究图像处理算法,探索新型的光电探测跟踪机理和图像清晰化的技术。(本文来源于《电子科技大学》期刊2014-09-15）
低对比度目标论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出了一种适用于高对比度目标的超分辨成像方法,通过结合对比度源反演方法与基于轨道角动量的超分辨技术,实现对高对比度目标的超分辨成像.首先采用基于轨道角动量的成像方法求解出对比度函数,将其作为对比度源反演方法的迭代初值,虽然初值结果与实际目标相差较大,但是由于初值中已经包含了关于目标的倏逝波信息,再利用这个初值开始迭代便可以得到超分辨重建结果,这种方法具有一定的抗噪声能力.本文研究表明,为了实现超分辨成像,一方面需要将目标对应的倏逝波信息转化到测量数据中,另一方面还要保证成像算法能够充分利用这些信息.本文所引申出的关于超分辨信息的概念对于逆散射超分辨成像的研究具有一定的借鉴意义.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
低对比度目标论文参考文献
[1].南博,郝元宏,朱元武,胡媛媛,蒋秀蓉.基于深度学习的低对比度图像中弱目标检测方法[C].第十二届全国信号和智能信息处理与应用学术会议论文集.2018
[2].范启蒙,尹成友.高对比度目标的电磁逆散射超分辨成像[J].物理学报.2018
[3].张永骞,张涛,崔文楠,夏鲁瑞.低对比度红外图像点目标运动检测方法[J].传感器与微系统.2018
[4].陈晓濠.基于卷积神经网络的低对比度图像目标检测算法[D].哈尔滨工业大学.2017
[5].付红霞.天空背景下低对比度扩展目标提取技术研究[D].重庆大学.2016
[6].杨伟.人眼阈值测量的对比度目标的设计和实验标定[D].北京理工大学.2015
[7].尉佩,周子楠,杜洋,王文生.复杂背景下低对比度目标的光学相关探测和识别[J].半导体光电.2015
[8].张肃,付强,段锦,战俊彤,姜会林.基于提升小波的低对比度目标偏振识别技术[J].光学学报.2015
[9].王新伟,曹忆南,刘超,孔庆善,崔伟.2D/3D距离选通成像的低对比度目标探测[J].红外与激光工程.2014
[10].曹雷.低对比度目标探测跟踪技术研究[D].电子科技大学.2014