港口舰船目标论文-高波,陈忠,刘思思

港口舰船目标论文-高波,陈忠,刘思思

导读:本文包含了港口舰船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:SIFT特征,视觉显着性,舰船检测

港口舰船目标论文文献综述

高波,陈忠,刘思思[1](2018)在《基于位置先验信息配准和视觉显着性的港口舰船目标检测研究》一文中研究指出针对高分辨率遥感图像中港口舰船目标的检测难题,论文提出了一种基于位置先验信息匹配和视觉显着性的舰船提取算法。首先,结合遥感数据中的港口位置相对不变性以及先验图像信息,利用SIFT特征匹配进行港口检索与位置定位,获取港口感兴趣区域集合。然后利用显着性算法对该区域集合进行显着性增强,最后利用舰船停靠的规则特性,采用横纵扫描的方法分割目标。(本文来源于《计算机与数字工程》期刊2018年04期)

高波[2](2017)在《视觉显着性港口舰船目标检测算法研究》一文中研究指出随着新型传感器的应用和空间探测技术的发展,遥感图像空间分辨率越来越高,这些高分辨率图像的出现在拓宽了遥感图像处理应用领域的同时,也提出了极大的挑战。港口目标是重要的军事目标和民用设施,在海洋应用研究领域是非常重要的研究对象,遥感图像中港口目标的自动提取对海上运输、军事情报等具有重要的现实意义和迫切的实际需求。港口作为舰船目标的集中区域,包含着大量目标信息,同时作为海洋陆地交界地带,其背景较海上复杂。由于港口目标的多样性及背景的复杂性,港口舰船目标检测极易受到陆地等背景环境的影响。本文针对复杂背景下的港口内舰船目标,运用匹配的方法获取港口ROI区域,进而运用视觉显着性方法提取舰船目标,具体研究内容如下:1)提出了一种改进的基于全局对比度的视觉显着性算法。该方法在全局对比度算法的基础上,重新确立了图像中心,根据显着性目标区域比其周围更有可能吸引人的注意力这一特性引入了新的空间加权因素,实验证明,该改进算法在目标处于图像边缘区域有更好的显着表现。2)提出了一种基于先验位置信息匹配的方法来进行港口检测定位。针对高分辨率遥感图像中舰船目标检测容易受到陆地复杂背景影响这一问题,采用SURF特征匹配,结合港口先验位置信息,提取目标ROI区域。实验证明,该方法能够有效实现海陆分离,排除陆地干扰,为舰船目标检测做好基础。3)针对ROI图像区域,提出了一种基于视觉显着性的舰船目标检测方法。该方法采用本文改进的视觉显着性来进行增强和目标区域定位,然后根据毗连舰船像素的“峰波峰”结构分布特点确定目标接触区域,实现目标分离。该方法能够处理阴影,多目标堆积的问题,实现目标的有效分割。(本文来源于《华中科技大学》期刊2017-05-01)

王方超,张旻,宫丽美,陈卫[3](2016)在《基于二次分割的港口舰船目标检测方法》一文中研究指出针对光学遥感图像中港口舰船的纹理、灰度特征与码头十分接近,直接分割相对困难的问题,提出了基于二次分割的港口舰船目标检测方法。该方法首先将Top-hat算子引入分水岭分割算法中,解决了分水岭算法过分割现象,同时获得较完整的海陆分离结果;其次对分割后的陆地区域使用Freeman链码进行轮廓描述,并结合改进的Hough变换进行目标区域的分离,通过二次分割有效地将码头与舰船分开;最后,计算各区域的面积实现港口舰船的识别。实验结果表明,该方法鲁棒性强,易于实现,通过实测数据可以解决港口舰船目标的检测问题。(本文来源于《探测与控制学报》期刊2016年06期)

翟亮[4](2016)在《SAR图像港口内舰船目标检测》一文中研究指出当前,合成孔径雷达(SAR)技术的飞速发展为战场环境的实时监测提供可能。港口是重要的民用和军用设施,一直以来在现代经济与军事的发展中都起着非常重要的作用,实现港口内舰船目标的动态监测具有重要的战略意义。然而,港口内地物背景复杂,并且存在大量干扰目标,因此实现港口内舰船检测面临巨大挑战。本文围绕SAR图像港口内舰船检测问题开展研究,主要内容如下:研究了港口内舰船目标检测的通用思路。本文首先分析了港口的基本组成及其目标散射特性,然后总结了现有SAR图像舰船检测和港口区域舰船检测方法存在的不足,最后针对SAR图像中港口特点及现有的检测算法的不足,提出了SAR图像港口内舰船目标检测的一般思路。研究了离岸舰船目标检测方法。通过研究发现当前常用的舰船目标检测算法存在筛选不准确的问题,在分析舰船目标和海域背景特点的基础上,提出了一种基于异常检测和双层筛选机制的SAR图像舰船目标检测算法。该算法首次将高光谱图像异常检测理论引入到SAR图像舰船目标检测中,并采用双层筛选机制,能够实现背景杂波的准确建模和舰船目标的快速检测。实验结果表明,该算法能够降低筛选误差,有效地消除虚假目标和旁瓣干扰,具有更好的结构保真度。研究了靠岸舰船检测方法。针对靠岸舰船的特点,结合当前比较流行的显着性检测理论,提出了基于显着性和上下文信息的靠岸舰船检测方法。该方法首先将基于目标的显着性方法应用到SAR图像中进行舰船检测,然后提出一种基于尺寸和上下文信息的鉴别框架来消除虚警。合成数据和实测数据验证了所提方法的有效性和鲁棒性。(本文来源于《国防科学技术大学》期刊2016-11-01)

孙艳丽,周伟,王杰[5](2016)在《基于电子地图的港口舰船目标变化检测》一文中研究指出文章利用电子地图进行配准、提取海岸轮廓线并对其等间距采样,从中提取关键拐角点,并根据条件确定潜在的舰船停靠区域对其规则化。再将不同时相候选区的分割结果进行差分运算,然后将其沿水平垂直方向投影,找到超过平均投影能量的最大区间,判定舰船变化区间。该算法可以避免大范围的无用搜索,提高检测识别算法的效率。(本文来源于《海军航空工程学院学报》期刊2016年03期)

丛瑜,周伟,于仕财,郭明[6](2014)在《一种对港口影像进行舰船目标提取方法》一文中研究指出遥感图像的海洋船舶目标提取问题的研究,成为遥感图像处理的一个热门领域。针对高分辨率港口遥感影像及舰船目标的特点,提出了一种高分辨率港口图像舰船目标提取方法。先采用一种新的海陆分割方法对变化前后图像实施海陆分割提取轮廓,用于去除陆地上不感兴趣的区域对港口舰船目标进行信息提取的影响,再对两轮廓图像进行异或运算,并做形态学处理,得到港口发生变化的区域,最后根据舰船目标的形状特征,去除伪变化,得到最终的仿真结果。结果表明,对高分辨率港口遥感图像的舰船目标进行信息提取,对港口舰船的变化检测有良好的效果。(本文来源于《计算机仿真》期刊2014年01期)

随银岭,邹焕新,雷琳,李智勇[7](2013)在《一种基于模板的港口舰船目标变化检测方法》一文中研究指出系统地提出了一种以高分辨率光学图像为模板的变化检测思路和实现流程。首先,利用高分辨率光学图像制作二值化模板,将模板与待检测的两幅图像分别进行配准,在此基础上通过解算模板与序列图像间的空间变换关系来获取待检测区域;其次,将模板图与待检测图像进行加权融合获得分割海域图,并基于恒虚警检测算法提取变化的目标;最后,提取目标特征进行变化分析,得到变化信息。在实际的工程应用中,本方法得到了光学和SAR等不同源港口数据的有效验证。(本文来源于《计算机工程与科学》期刊2013年06期)

陈琪,陆军,王娜,匡纲要[8](2011)在《一种基于SAR图像鉴别的港口区域舰船目标新方法》一文中研究指出鉴于遥感卫星动态监视港口内舰船的需要,提出了一种SAR图像港口内舰船鉴别方法。针对港口内舰船目标散射特性,首先进行舰船目标鉴别特征的提取,包括已有鉴别特征的提取和新特征的提取;其次,在特征选择阶段,利用特征对目标与杂波的可分离性度量优选出鉴别效果明显的有效特征,并得到最大分离性对应的最优特征向量权重;最后,为了提高鉴别器的精度,设计了加权最小距离分类器。试验结果表明了所提方法的有效性。(本文来源于《宇航学报》期刊2011年12期)

况小琴[9](2011)在《复杂港口背景下舰船目标检测方法研究》一文中研究指出港口是重要的民用和军用设施,对港内舰船目标的检测研究具有重要的战略意义,其问题核心在于如何快速准确地确定港口内大型舰船的数目和位置。对于远离码头设施的海上舰船目标的检测,通过一定的局部区域分割,就可粗略定位;但对于停泊的码头周围的目标,由于其灰度特性与周围设施的相似性,直接分割不能提取出目标。本文针对下视图像中复杂港口背景下的舰船目标检测方法展开了研究,主要研究内容包括以下叁个方面:采用了Hausdorff距离匹配算法进行港口检测定位。由于港口结构布局具有稳定性,因此由港口海陆分界线制作的参考图作为先验结构信息,利用Hausdorff距离匹配算法定位实时图港口位置,并根据参考图中的标记信息提取出实时图中海域。该方法能有效提取出海域,排除陆地对舰船目标的干扰。针对实时图与参考图存在的角度误差问题,本文提出利用直线信息修正参考图并进行二次匹配的方法。该方法对参考图中的标记区域以及实时图的边缘图像利用Hough变换提取主要直线,求取两组直线间一一对应的直线对的角度关系,该角度同时对应着实时图与参考图间的关系,利用该角度修正参考图,并在第一次匹配结果的约束条件下再次匹配。实验验证了该方法的有效性。对舰船几何特征的判别,采用最小外接矩形拟合的方法来辅助分析。对于并靠舰船的分离也是在此基础上进行的,分析目标区域在最小外接矩形内的投影图像,根据峰-谷-峰状态来判定舰船是否并靠并进行切分。实验表明该方法能准确定位并分离并靠舰船。(本文来源于《华中科技大学》期刊2011-05-01)

郝英振,秦玉亮,李彦鹏,王宏强[10](2009)在《毫米波导引头港口舰船目标识别技术》一文中研究指出针对末制导导引头对港口多个舰船目标识别、分选的技术难点,该文将距离高分辨技术与单脉冲测角体制相结合,提出了一种基于毫米波单脉冲叁维成像的港口舰船目标识别、分选方法。首先采用单脉冲叁维成像获得目标散射中心的叁维分布,然后利用聚类分析等方法实现目标的分割与识别,并将无偏几何中心法用于目标跟踪点的选择,从而实现导引头对多个舰船的识别、分选及精确跟踪。仿真结果表明,文中方法对多个目标的识别及目标要害部位选择具有很大的优越性。(本文来源于《雷达科学与技术》期刊2009年03期)

港口舰船目标论文开题报告

(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:

随着新型传感器的应用和空间探测技术的发展,遥感图像空间分辨率越来越高,这些高分辨率图像的出现在拓宽了遥感图像处理应用领域的同时,也提出了极大的挑战。港口目标是重要的军事目标和民用设施,在海洋应用研究领域是非常重要的研究对象,遥感图像中港口目标的自动提取对海上运输、军事情报等具有重要的现实意义和迫切的实际需求。港口作为舰船目标的集中区域,包含着大量目标信息,同时作为海洋陆地交界地带,其背景较海上复杂。由于港口目标的多样性及背景的复杂性,港口舰船目标检测极易受到陆地等背景环境的影响。本文针对复杂背景下的港口内舰船目标,运用匹配的方法获取港口ROI区域,进而运用视觉显着性方法提取舰船目标,具体研究内容如下:1)提出了一种改进的基于全局对比度的视觉显着性算法。该方法在全局对比度算法的基础上,重新确立了图像中心,根据显着性目标区域比其周围更有可能吸引人的注意力这一特性引入了新的空间加权因素,实验证明,该改进算法在目标处于图像边缘区域有更好的显着表现。2)提出了一种基于先验位置信息匹配的方法来进行港口检测定位。针对高分辨率遥感图像中舰船目标检测容易受到陆地复杂背景影响这一问题,采用SURF特征匹配,结合港口先验位置信息,提取目标ROI区域。实验证明,该方法能够有效实现海陆分离,排除陆地干扰,为舰船目标检测做好基础。3)针对ROI图像区域,提出了一种基于视觉显着性的舰船目标检测方法。该方法采用本文改进的视觉显着性来进行增强和目标区域定位,然后根据毗连舰船像素的“峰波峰”结构分布特点确定目标接触区域,实现目标分离。该方法能够处理阴影,多目标堆积的问题,实现目标的有效分割。

(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。

港口舰船目标论文参考文献

[1].高波,陈忠,刘思思.基于位置先验信息配准和视觉显着性的港口舰船目标检测研究[J].计算机与数字工程.2018

[2].高波.视觉显着性港口舰船目标检测算法研究[D].华中科技大学.2017

[3].王方超,张旻,宫丽美,陈卫.基于二次分割的港口舰船目标检测方法[J].探测与控制学报.2016

[4].翟亮.SAR图像港口内舰船目标检测[D].国防科学技术大学.2016

[5].孙艳丽,周伟,王杰.基于电子地图的港口舰船目标变化检测[J].海军航空工程学院学报.2016

[6].丛瑜,周伟,于仕财,郭明.一种对港口影像进行舰船目标提取方法[J].计算机仿真.2014

[7].随银岭,邹焕新,雷琳,李智勇.一种基于模板的港口舰船目标变化检测方法[J].计算机工程与科学.2013

[8].陈琪,陆军,王娜,匡纲要.一种基于SAR图像鉴别的港口区域舰船目标新方法[J].宇航学报.2011

[9].况小琴.复杂港口背景下舰船目标检测方法研究[D].华中科技大学.2011

[10].郝英振,秦玉亮,李彦鹏,王宏强.毫米波导引头港口舰船目标识别技术[J].雷达科学与技术.2009

标签:;  ;  ;  

港口舰船目标论文-高波,陈忠,刘思思
下载Doc文档

猜你喜欢