导读:本文包含了海上目标识别论文开题报告文献综述及选题提纲参考文献，主要关键词:SAR图像,海杂波,溢油识别,小目标探测
海上目标识别论文文献综述
杨勇虎[1]（2018）在《基于雷达信息的海上溢油与小目标识别方法》一文中研究指出海上溢油和目标的探测在海洋安全、海事搜救、监控非法行为等方面,都具有很重要的应用价值。运用现代化的监测手段和技术,可以提高对海上事件的应急反应能力和管理决策水平。雷达回波信号中包含了海面散射回波信息,通过对该回波信息的分析研究可以实现目标的探测与识别。本文研究了使用SAR图像进行溢油识别和使用海杂波信号进行小目标探测的方法。快速准确地识别SAR图像上溢油和疑似溢油是非常关键的。识别过程主要分为叁个阶段:预处理、图像分割和溢油识别。首先,在图像分割阶段,本文使用本体的概念和推理在分割之前对黑色区域进行分析,事先排除一些疑似溢油的图像,筛选后的待分割图像使用KFCM算法进行分割,从而提高了效率。其次,在溢油识别阶段,本文使用BEMD方法将待识别的SAR图像分解为若干二维固有模态函数分量,再进行Hilbert谱分析,并通过Relief方法筛选,构建了全新的特征向量来识别油膜和类油膜,实验证明了该方法在识别正确率方面有了明显的改进。海杂波下小目标具有回波信杂比较低的特点,有效地探测海上小目标具有一定的挑战性,是目前雷达探测领域的热点研究问题。本文首先证实了海杂波数据经过EEMD分解后具有分形的特性,然后使用多重分形的广义Hurst指数作为特征来实现小目标的检测。其次,分析了 EEMD分解前后有无目标的相关系数的差异,将相关系数作为特征实现了小目标的检测,通过实测和模拟海杂波数据验证了这两种方法的有效性,并与同类方法相比性能有所提高。最后,针对海杂波数据缺乏、采集和标记困难以及历史数据浪费等问题,本文使用TrAdaBoost迁移方法和SVM分类器,通过不同域之间的数据迁移来实现目标的检测,实验分别证实了将历史数据和不同种类目标数据迁移时,该算法的有效性。总之,本文构建了海洋表面现象本体库,在分类特征选择方面做了不同类型特征向量的尝试,拓展了迁移学习的应用范畴,为未来的工作奠定了一定的基础。(本文来源于《大连海事大学》期刊2018-06-06）
张帆[2]（2016）在《海上光学遥感图像目标识别与GPU并行加速》一文中研究指出随着遥感成像技术的日新月异,遥感图像的获取方式已经从传统的合成孔径雷达转向了光学相机。光学相机带来的遥感图像分辨率的提高使得我们可以在图像上检测感兴趣的目标。作为光学遥感图像的重要应用之一,军事活动中的应用是遥感技术应用的重点,各国对此投入了大量资源来建设遥感图像处理平台。遥感图像目前已经广泛应用于国防军事的各个方面,其中包括军事目标侦查、战场态势评估和武器自动制导等诸多方面。无论是基于航空平台的遥感还是航天平台的遥感,都成为目前军事行动战场情报获取的主要技术手段。在海洋遥感中,海上目标检测在海上交通管理、重点军事目标跟踪和应对海上紧急情况等方面有着广阔的应用空间。而国家的海上军事力量,尤其是航母编队和舰船编队是侦查和监控的重点目标。因此基于光学图像遥感的舰船目标侦查、自动检测和无监督识别技术具有重要的研究意义。近代随着卫星的发射数量越来越多、卫星的重返周期越来越短和图像空间分辨率的不断提高,致使光学遥感图像的数据量急剧增大。如何从庞大的光学遥感图像数据库中快速、准确地检测感兴趣的目标是一项具有很大挑战性的任务,亟待解决。传统的图像处理算法都是基于CPU串行实现的,由于算法的计算量大,因此CPU很难完成对算法的实时计算。近些年NVIDIA公司推出统一设备计算架构CUDA(compute unified device architecture),可以将在CPU上串行执行的代码移植到图形处理芯片GPU(graphic process unit)上并行运行。移植后的算法执行效率相比于CPU能够达到数十倍的提高,可以实现算法的实时性计算。本文主要围绕光学遥感图像中的舰船目标检测技术与加速任务展开。介绍了课题的背景和舰船目标检测与识别面临的难点问题,并根据问题分析来设计遥感图像中舰船检测与识别的主要处理流程。然后针对设计完成的处理算法,进行效率分析比较并找出其中可以优化加速的部分。对这部分代码采用GPU加速算法进行代码移植和加速同时给出实验结果。文章整体上完成了对于目标的检测任务和GPU加速的并行实现。(本文来源于《中国科学院长春光学精密机械与物理研究所》期刊2016-10-01）
潘夏福[3]（2016）在《粒子群的K均值聚类算法实现海上目标识别》一文中研究指出首先阐述粒子群优化算法,根据海上目标识别难度大、内容复杂的特点,利用聚类算法不断的迭代,获取粒子在种群中的最优位置;然后利用K均值聚类求出每个粒子与其对应类的最短距离,从而实现目标识别,这种算法可以有效避免局部最优解的情况;最后进行对比实验说明,本文算法收敛速度快,实时性强,聚类效果好。(本文来源于《舰船科学技术》期刊2016年12期）
房广江,赵敏,郭航宇,林亮[4]（2016）在《低照度下的海上目标识别与跟踪》一文中研究指出针对海上目标识别过程中,热像仪图像存在干扰、目标不明显等问题,利用直方图均衡化的方法增强了目标与背景之间的对比度,便于识别;对均衡化后的图像二值处理,再利用数学形态学的方法进行开运算,消除图像中的细小噪声、平滑物体边界,在单帧图像中提取出候选目标。为了从多个候选目标中筛选出目标,通过具有平移、缩放及旋转不变性的圆形度来筛选出目标。针对现场环境在实验室做了模拟实验。实验表明,该方法能够快速准确的检测出存在强干扰、不明显的目标,将能够在海上防暴系统中发挥重要作用。(本文来源于《机械制造与自动化》期刊2016年02期）
安敬蕊[5]（2014）在《海上搜寻无人机移动目标识别与跟踪》一文中研究指出无人机对地和对海面目标尤其是移动目标的探测与跟踪已成为现代军用和民用侦察的重要手段，本论文研究无人机对海面移动目标识别与跟踪相关技术，解决目标识别与跟踪、稳定平台及其控制和无人机对移动目标制导控制律应用中的关键技术问题。无人机对海面移动目标识别与跟踪是指由无人机上携带的摄像机探测移动目标的图像信息，经图像处理获取对目标的定位信息。机载稳定平台能依据图像定位信息自动调整安装在稳定平台上摄像机的方位角和俯仰角，使被跟踪的海面目标始终保持在摄像机的视场中心，稳定平台的离轴角用于无人机对移动目标的制导控制，实现无人机及其侦察吊舱持续对海面移动目标的跟踪。本论文研究内容主要包括叁个方面：(1)图像处理技术。首先对由摄像机获取的图像进行预处理、分割，并利用Hu不变矩对目标进行特征提取，用最小距离分类法对目标识别；然后利用自适应更新模板匹配和基于H滤波器预测相结合的方法对移动目标进行跟踪；最后提出了利用图像信息和导航信息融合的方法对目标进行精确定位，并计算出稳定伺服平台需要调整的角度。(2)机载稳定平台跟踪控制。首先对稳定平台原理进行研究；随后对系统总体性能进行了分析，并对系统的主要部件进行数学建模；最后在系统中针对摩擦力对跟踪精度的影响，提出了利用后推法(Backstepping)设计PID滑模面的滑模控制器并进行了数字仿真。(3)无人机目标跟踪制导控制。首先建立了无人机的运动学模型，分析了无人机和运动目标相对运动，并对相对距离变化进行数学建模，随后分别设计了基于RPG的对静止目标和运动目标的Standoff跟踪控制律，并对其进行了性能分析，最后对本文所提的制导律进行了仿真验证，仿真表明所设计的制导律可以完成对目标的跟踪。(本文来源于《南京航空航天大学》期刊2014-02-01）
常兴华[6]（2013）在《基于无人机红外遥感图像的海上目标识别系统设计及其应用》一文中研究指出在靶场试验中,为了实时了解试验进程和试验结果,对于海上重点目标的识别并保持监视十分重要。在传统的试验条件下,往往通过试验摄录舰、摄录直升机或陆上摄像机进行拍摄。通过试验摄录舰、摄录直升机拍摄通常存在较大试验风险,通过陆上长焦摄像机拍摄往往因天气因素或因拍摄距离限制而造成拍摄效果不理想。本课题拟采用摄录无人机拍摄目标靶船,利用无人机平台上的红外图像传感器来获取海上目标的红外图像,通过目标识别系统进行海上重点目标识别,实现对目标进行有效探测和识别,然后将获得的靶船图像实时传输给指控中心,使指挥员准确掌握试验态势,高效进行指挥决策。本文深入分析了红外图像中舰船目标的红外成像特性,对红外图像的特征进行了分析。对于红外图像的预处理采用去噪、灰度级修正和锐化处理。对原始图像首先应用中值滤波器进行去噪处理,然后应用线性变换函数进行灰度级修正。针对经过去噪和灰度级修正的图像边缘变模糊的问题,对图像做进一步锐化处理,图像锐化时采用的是空间域处理方法中效果较好的拉普拉斯算子来实现。对于经过预处理的红外图像采用基于小波变换方法进行目标的分割与检测方法。海上目标背景复杂,通常又比较模糊,本系统采用基于小波变换的两种算法相结合的方式进行目标的分割工作,首先采用基于边缘小波特征的红外弱小目标检测方法进行检测；若没能准确分割出目标,则采用基于小波多尺度互能量交叉融合滤波的弱小目标检测算法做进一步的目标分割与检测。深入研究了传统模式识别技术和人工神经网络理论,本论文选择基于BP神经网络的模式识别技术作为识别的方法,完成了BP网络识别程序实现。在实际试验任务中,经人工神经网络识别确认的目标靶船,还要经过指挥员结合海上雷情信息、舰船AIS信息和靶场其它测控装备摄录情况综合判定是否为目标靶船,以提高识别准确率。最后,本文构建了无人机红外遥感图像摄录平台。重点描述了信息获取与识别处理系统的设计,该系统主要包含红外遥感图像采集模块、遥感图像目标的分割与检测模块和遥感图像目标识别模块,通过该系统可以实现对目标靶船图像的预处理、目标的分割与检测和最终的目标识别。(本文来源于《东北大学》期刊2013-06-01）
华志励,刘军礼,刘波[7]（2012）在《K均值聚类算法在海上目标识别中的应用》一文中研究指出针对传统图像分割方法存在的弊端,本文采用K均值聚类方法对海上复杂背景下的目标识别进行研究。实验结果表明,采用该方法能够有效地进行复杂背景下海上目标的提取,并且保留目标的细节信息。(本文来源于《山东科学》期刊2012年06期）
程平[8]（2012）在《无人机遥感图像海上舰船目标识别技术的研究》一文中研究指出舰船目标识别技术的研究有着非常重要的现实意义，在民用和军事等领域都有着广泛的应用前景，如在海运交通、海上搜救、海洋资源监测、军事侦察等方面的应用。利用遥感技术获取海上舰船目标信息成为一种快速而又便捷的手段。本文以无人机航拍高分辨率遥感舰船图像作为研究对象，从遥感图像目标提取、特征描述、特征匹配等方面着手进行研究，为高精确度的识别舰船目标探索出更好的方法和技术。本文主要的工作如下：（1）提出一种基于直方图局部信息和Gath-Geva模糊聚类相结合的彩色图像分割方法。该方法利用图像直方图局部信息可以较精确的为Gath-Geva模糊聚类提供初始聚类中心，利用Gath-Geva模糊聚类的优越性，可以较好的进行像素点聚类。实验表明，该方法能较好的实现彩色图像分割。（2）针对遥感影像中海水背景纹理差别特点，提出一种基于彩色图像分割算法的目标提取方法。首先分割出包括海水背景在内的所有目标，然后针对海水图像的纹理特征找出海水背景图像，再将原始图像与其作减法运算。本文在MATLAB编程环境下，通过实验验证了该方法能够较好的提取遥感图像的前景目标。（3）总结了不变矩理论及其在目标识别方面的应用。本文在理论与实验的基础上分析和比较了Hu矩与Zernike矩在图像平移、旋转和尺度变换下的不变性，为本文在接下来利用不变矩技术进行舰船目标识别提供理论和实践基础。（4）提出了一种基于改进四元数Zernike矩进行海上舰船目标识别的算法。本文针对传统的Zernike矩算法将彩色图像转化成灰度图像造成颜色等信息损失的特点，引入了四元数的理论，将RGB彩色图像直接转化成一个超复数形式，这样可以避免色彩信息的损失。另外，传统Zernike矩不利于减小图像动态范围和信息冗余等不足，本文利用零阶几何矩实行规格化。通过理论证明和实验验证，该算法能较好的保持目标图像平移、旋转和尺度变换不变性，可以应用于对未知舰船目标的识别。(本文来源于《集美大学》期刊2012-05-22）
王成平,黄高明,张友兵,章建辉[9]（2009）在《基于ESM和雷达的海上目标识别方法》一文中研究指出对电子支援措施(ESM)探测到的目标信号进行了分析,得到了雷达的基本概率分配函数;根据雷达和舰船的对应关系,由雷达概率分配函数推导出目标平台的基本概率分配函数;然后利用目标的位置信息对目标进行筛选;最后根据测得的舰船目标航速以及分析回波得到的目标平台的大小,采用D-S证据理论识别海面目标。该方法具有较大的实际应用价值。(本文来源于《舰船电子对抗》期刊2009年06期）
李佳[10]（2007）在《基于RCS的海上目标识别方法研究》一文中研究指出雷达作为一种探测传感器，可以获取目标信息，通常包括雷达目标的运动参数与位置信息。而通过对雷达回波幅度与相位的处理、分析与变换，可以得到雷达目标散射截面及其起伏统计模型、目标极化散射矩阵、目标多散射中心分布等参量，它们表征了雷达目标的固有特征。雷达目标识别技术是现代雷达研究与关注的一个重要发展方向，高分辨雷达用于目标识别方面已经取得了较大的进展，而对常规雷达的目标识别研究工作更具有现实的意义。本文的研究主要基于雷达散射截面(RCS)的目标识别，依据海上目标的自身运动特点，提出了利用常规雷达进行海上目标识别的方法，并且已经达到了较好的识别率。本文的研究内容主要包括四个方面：1综述雷达目标识别技术的发展历史和现状，总结以前方法的特点和运用场合，阐述了低分辨率雷达目标识别的特点。2讨论了雷达散射截面(RCS)的基本理论知识，并且针对海上目标的特点，介绍了其雷达散射截面(RCS)的特征，探讨了其受雷达发射频率和天顶角的影响。3本文第一个创新点在于介绍了基于雷达散射截面(RCS)的海上目标识别的算法，论述海上目标识别的基本步骤和具体的仿真分析。4本文第二个创新点在于讨论了海上目标航迹精确估计方法，由于目标的RCS值以及目标方位角受目标航迹估计的准确性影响很大，故在介绍了相关的回归拟合算法的理论之后，针对海上目标的运动特点提出了几种航迹精确估计算法，并进行了比较和仿真分析。(本文来源于《南京信息工程大学》期刊2007-05-01）
海上目标识别论文开题报告
（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：
随着遥感成像技术的日新月异,遥感图像的获取方式已经从传统的合成孔径雷达转向了光学相机。光学相机带来的遥感图像分辨率的提高使得我们可以在图像上检测感兴趣的目标。作为光学遥感图像的重要应用之一,军事活动中的应用是遥感技术应用的重点,各国对此投入了大量资源来建设遥感图像处理平台。遥感图像目前已经广泛应用于国防军事的各个方面,其中包括军事目标侦查、战场态势评估和武器自动制导等诸多方面。无论是基于航空平台的遥感还是航天平台的遥感,都成为目前军事行动战场情报获取的主要技术手段。在海洋遥感中,海上目标检测在海上交通管理、重点军事目标跟踪和应对海上紧急情况等方面有着广阔的应用空间。而国家的海上军事力量,尤其是航母编队和舰船编队是侦查和监控的重点目标。因此基于光学图像遥感的舰船目标侦查、自动检测和无监督识别技术具有重要的研究意义。近代随着卫星的发射数量越来越多、卫星的重返周期越来越短和图像空间分辨率的不断提高,致使光学遥感图像的数据量急剧增大。如何从庞大的光学遥感图像数据库中快速、准确地检测感兴趣的目标是一项具有很大挑战性的任务,亟待解决。传统的图像处理算法都是基于CPU串行实现的,由于算法的计算量大,因此CPU很难完成对算法的实时计算。近些年NVIDIA公司推出统一设备计算架构CUDA(compute unified device architecture),可以将在CPU上串行执行的代码移植到图形处理芯片GPU(graphic process unit)上并行运行。移植后的算法执行效率相比于CPU能够达到数十倍的提高,可以实现算法的实时性计算。本文主要围绕光学遥感图像中的舰船目标检测技术与加速任务展开。介绍了课题的背景和舰船目标检测与识别面临的难点问题,并根据问题分析来设计遥感图像中舰船检测与识别的主要处理流程。然后针对设计完成的处理算法,进行效率分析比较并找出其中可以优化加速的部分。对这部分代码采用GPU加速算法进行代码移植和加速同时给出实验结果。文章整体上完成了对于目标的检测任务和GPU加速的并行实现。
（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。
海上目标识别论文参考文献
[1].杨勇虎.基于雷达信息的海上溢油与小目标识别方法[D].大连海事大学.2018
[2].张帆.海上光学遥感图像目标识别与GPU并行加速[D].中国科学院长春光学精密机械与物理研究所.2016
[3].潘夏福.粒子群的K均值聚类算法实现海上目标识别[J].舰船科学技术.2016
[4].房广江,赵敏,郭航宇,林亮.低照度下的海上目标识别与跟踪[J].机械制造与自动化.2016
[5].安敬蕊.海上搜寻无人机移动目标识别与跟踪[D].南京航空航天大学.2014
[6].常兴华.基于无人机红外遥感图像的海上目标识别系统设计及其应用[D].东北大学.2013
[7].华志励,刘军礼,刘波.K均值聚类算法在海上目标识别中的应用[J].山东科学.2012
[8].程平.无人机遥感图像海上舰船目标识别技术的研究[D].集美大学.2012
[9].王成平,黄高明,张友兵,章建辉.基于ESM和雷达的海上目标识别方法[J].舰船电子对抗.2009
[10].李佳.基于RCS的海上目标识别方法研究[D].南京信息工程大学.2007