导读:本文包含了小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
小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）
景献厅[2]（2018）在《面向小型无人机的小目标识别技术研究》一文中研究指出近年来小型无人机在气象探测、地图测绘、边境控制、森林火灾防救、灾害监测、农药喷洒、交通管制和地质勘测等领域具有广泛的应用价值。无人机可见光图像目标小、对比度弱、背景复杂多变,小目标可能完全淹没在背景噪声中,在这种复杂背景的条件下,检测出小目标变得非常困难。针对上述问题本文首先对小目标图像进行初始分割,将小目标从背景中分割出来,接着进行SLIC(Simple Linear Iterative Clustering)精细分割,分割出容易隐藏在背景中的小目标,然后采用 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法剔除部分虚假目标,提出一种基于SVM(Support Vector Machine)支持向量机的小目标检测方法,本文的主要工作包括:1.小目标分割。针对小型无人机图像对比度弱的问题,对小目标图像进行光线增强。然后对小目标图像进行滤波,形态学变换将小目标从背景中分割出来。小目标尺寸比较小,容易隐藏在背景中,接着对小目标图像进行SLIC精细分割,将小目标图像分割成超像素单元。把超像素单元的亮度空间作为聚类特征,采用DBSCAN聚类算法对分割成的超像素单元进行聚类,剔除部分虚假目标。2.小目标特征提取。小目标尺寸比较小,直接提取HOG、LBP等特征具有很大的难度。传统的方法直接将均值、方差、信息熵作为SVM支持向量机的输入训练SVM支持向量机,实践证明该方法不能应对复杂场景。本文提取小目标的均值、方差、信息熵等特征,将它们进行特征融合后作为系统的输入,提出了一种改进的特征训练方法训练SVM支持向量机。3.小目标识别算法移植。针对工程的可应用性进行了移植验证,将小目标识别算法移植到DM642平台上。同时考虑到本次设计的实时性要求,借助RF5参考框架新建叁个任务,分别实现视频的采集、处理、显示任务,叁个任务相互配合实现小目标的检测。实验结果表明:算法在复杂场景也具有一定的准确率,满足实时性要求。(本文来源于《郑州大学》期刊2018-05-01）
赵天生[3]（2017）在《基于模板匹配的运动小目标识别系统的设计与实现》一文中研究指出运动小目标识别技术已成为智能监控领域的研究热点,其在军事、交通以及民用安全等多个领域具有广泛的应用前景。本文研究的运动小目标是指在视频图像中成像尺寸在10*10到40*40像素之间的物体。该类小目标没有明显的纹理或者足够的特征点,可供算法利用信息少。现有传统目标检测算法不能实现很好的将小目标检测出来,经常出现轮廓不完整等问题,导致在后续对小目标进行跟踪过程中,常出现目标丢失。针对上述问题,本文主要对可见光运动小目标的检测与跟踪算法进行研究。在现有运动目标识别的经典算法基础上,重点研究摄像机固定,即静止背景下的运动小目标检测与跟踪技术,以改善算法的鲁棒性、准确性以及实时性。本文研究内容包括叁个部分:图像预处理、运动小目标检测、运动小目标跟踪。在图像预处理阶段,基于几种常用算法,研究均值滤波、中值滤波、高斯滤波对视频图像噪声的去噪效果,并进行实验仿真,验证噪声消除效果。选用数学形态学滤波对二值化图像进行效果改善,增强运动小目标检测的可靠性。在运动小目标检测阶段,由于视频中运动小目标的成像面积小且帧间位移变化小等特点,本文基于前人研究提出一种新的适用小目标提取的方法。该方法将基于混合高斯模型的背景减除法与边缘检测算法融合提取运动小目标,之后在原始图像中标注运动小目标,获得目标初始模板,为下一步模板匹配跟踪做准备。在运动小目标跟踪阶段,为了避免因长时间跟踪出现目标模板“退化”现象导致目标丢失,提出将模板更新、Kalman运动预测和基于单元灰度熵的模板匹配技术结合一起,形成一个完整的匹配跟踪算法。通过Kalman滤波器预测下一帧图像目标的检测区域,然后利用基于图像单元灰度熵的模板匹配在此区域搜索,确定小目标的准确位置,实现小目标快速准确跟踪。为了验证本文提出的检测跟踪算法的实效性,选用OpenCV开源计算机视觉库和Visual Studio 2012组建实验平台,开发实现了一套基于模板匹配的运动小目标识别系统。实验表明,本文提出的运动小目标检测跟踪算法能较好的检测和跟踪运动小目标,并对旋转、尺寸变化、遮挡具有鲁棒性。对视频监控领域中的运动目标识别系统设计具有一定参考价值。(本文来源于《北京工业大学》期刊2017-05-01）
阮飞[4]（2016）在《基于光学传感器数据融合的小目标识别方法研究》一文中研究指出可见光与红外成像侦察是光电侦察领域中的最重要的获情手段,但是由于当前缺乏针对两种光学传感器获取的目标图像进行融合的有效方法,严重制约了光学目标检测和识别概率的进一步提高,尤其是小目标的识别问题,成为光电侦察领域的一个难题。本文立足小目标光学成像特点,充分运用图像处理领域前沿理论方法,研究提出了基于可见光和红外图像数据融合的小目标识别算法流程框架,为小目标识别问题的解决,提供了切实可行的指导。(本文来源于《电子测试》期刊2016年08期）
唐武盛[5]（2015）在《基于星敏感器原理的空间微弱小目标识别算法研究》一文中研究指出星空背景下空间微弱小目标的识别在航天器需执行的任务中占有重要地位。但因为待识别目标发光特点与恒星类似,识别特征不明显,与背景的对比度较低,造成流行于当前的识别方法不能有效识别目标的困难。本论文结合成熟的星敏感器技术,利用星敏感器中星图识别网格算法的原理,对空间微弱小目标和恒星加以区别,进而达到目标识别的目的。论文主要从星敏感器的构造及其原理出发,介绍了经典的星图识别方法和目标识别方法,在此基础上探讨了基于星敏感器原理的空间微弱小目标识别方法的实现思路。主要工作集中在对网格星图识别方法的改进以及目标识别新方法可行性验证上。具体内容包括:1.全面回顾了星敏感器和目标识别技术的发展历程及研究现状,指出空间微弱小目标识别的困难,并针对该困难重点调研了星图识别的研究现状和星空背景下目标识别的研究现状。2.开展星敏感器原理及目标识别方法等基础性研究。从星敏感器的构造入手,介绍了狭缝星敏感器和CCD/CMOS探测器星敏感器,并展示了自行设计的双星敏感器。从星点提取、星图识别和星敏感器误差叁个方面介绍星敏感器原理。并针对其中最重要的星图识别,以叁种经典方法为代表,比较了它们的优势和不足。通过比较可知网格法最适合本论文研究工作,但还需进一步改进。在目标识别方面,介绍了常用的视频流图像序列处理方法和星空背景下的目标识别方法,并用研制的全新光学相关器进行了初步的目标识别。3.星图的正确识别是微弱小目标识别的基础。从传统的网格法星图识别原理出发,分析其星图识别过程,得出部分星图不能识别的叁点原因:判定阈值、边界条件和投影元素重迭。针对原因进行改进:对匹配星数和边界距离的判定阈值进行动态调整,让更多星点参与星图识别过程;对星库中所有导航星按星等大小排序并编号,同时投影误识别导航星编号,统计出现次数后排除误识别星点,将星图识别率从传统网格算法的95%提高至99%。4.根据基于星敏感器原理的空间微弱小目标识别方法的实现思路,从星敏感器星图识别和星点提取原理出发,用改进后的网格法正确识别星图中大部分星点,其余漏星和目标可以通过对角距法重新识别。经过多次实验,分析了识别过程中的条件限定和结果判定等细节,讨论给出了复杂星空背景下微弱小目标自动识别的统一方法。通过本论文的研究工作,完善了星敏感器网格星图识别算法,并以此为基础提出了基于星敏感器原理的空间微弱小目标识别方法,并验证其可行性,为星空背景下的目标识别提供了理论支撑,成为空间微弱小目标识别的重要指导。(本文来源于《国防科学技术大学》期刊2015-11-01）
张小涛[6]（2014）在《基于多尺度局部对比度的红外小目标识别》一文中研究指出随着科学技术的不断发展，红外小目标识别技术已经广泛应用于军事、医学、航天等领域，例如精确制导系统、预警系统、无人侦察机等。研究红外小目标识别技术具有非常重要的理论意义和应用价值。红外小目标能量弱、面积小、信噪比低，在复杂背景下容易被淹没，所以识别红外小目标是一项非常具有挑战性的工作。本文研究的主要内容与工作概括为以下四个方面：(1)用掩模图像以及形态学方法提取红外图像的背景，为后续计算多尺度局部对比度提供背景图像。对于以海洋为背景的图像，用Hough变换提取海天线，确定目标的感兴趣区域。(2)基于红外小目标的局部特征，采用多尺度局部对比度（Multi-scale LocalContrast Measure, MLCM）增强目标的信号，抑制背景。然后，通过恰当的阈值提取目标。多目标识别时将阈值由大到小逐步递减，通过分析目标识别的效果，自动选择最佳的阈值。(3)在红外小目标识别的实际应用中，要求算法具有非常高的实时性。所以，本文中的算法采用图形处理单元（Graphic Processing Unit, GPU）加速处理，图像处理大多具有“单指令多数据流”的特点，这种特征的数据处理适合在GPU上完成。实验证明，在GPU上能明显提高算法的运行速度。(4)最后，分别从目标识别的精度以及算法运行的速度两个方面进行仿真实验，实验表明，本文所给算法具有较高的识别精度以及在GPU平台下表现出良好的实时性。(本文来源于《华中科技大学》期刊2014-05-01）
李震,郑建宝,朱振驰,林耀聪[7]（2014）在《基于红外小目标识别的空中鼠标解决方案》一文中研究指出该文提出一种基于运动物体DBT(detect before track)背景消除法识别红外小目标,并将其应用于空中鼠标中。实验主要经过色彩空间转换、阈值分割、图像开运算、连通分析后进行目标识别,并通过摄像头标定获取识别目标在视野中的相对位置。通过单片机以及2.4G通信模块,将除位置信息以外的控制信息传递到电脑。以电脑进行位置运算,单片机进行控制。实验结果表明,该方案识别的目标精度较高,价格低廉,具有一定应用前景。(本文来源于《电脑知识与技术》期刊2014年05期）
刘希佳,陈宇,王文生,刘柱[8]（2012）在《小目标识别的小波阈值去噪方法》一文中研究指出为改善小目标识别的滤噪效果并提高其信噪比,构造了新的阈值函数并采用局部方差估计法来计算阈值对小目标进行去噪处理。对小波分解层次中各高频子带选取不同的阈值,其中大于阈值的小波系数采用改进的双曲线函数作为阈值函数,小于阈值的小波系数采用指数函数与对数函数相互组合的方式作为阈值函数。对采用的阈值函数进行了理论推导,并与软、硬阈值法进行了实验对比。计算机仿真结果表明:经本文阈值法处理后,信噪比相对于含噪图像提高了70.8%,而软、硬阈值法分别提高了49.8%和59.7%。光学实验进一步证实:该方法能更有效地提高信噪比,增强联合变换相关器对于小目标的识别能力。(本文来源于《中国光学》期刊2012年03期）
盛元平[9]（2012）在《快速小目标识别技术研究及系统方案设计》一文中研究指出人类探索海洋步伐的日益加快，世界越来越认识到海洋必将成为人类赖以生存的基础环境，且覆盖地球表面积71%的海洋中蕴藏着极为丰富的资源。同时，作为“内太空”的海洋，更是具有极其重要的军事地位。快速小目标是水面舰艇、潜艇等平台生存的主要威胁之一。目前，防卫快速小目标对我方水面舰艇、潜艇攻击主要有两种方法，一是采用硬杀伤方式击毁来袭快速小目标，二是选择最佳时机合理地采用软杀伤方式破坏快速小目标寻的功能。无论是采用哪种方法，快速测量快速小目标的运动轨迹和运动参数是本方平台防卫的基础和关键。本文的工作主要包括两个方面：被动测距技术研究和快速小目标被动定位识别系统的改进。对被动测距技术的研究工作包括：简单介绍了水声定位的几种方法，并对其性能进行了分析对比，分析了叁元对称阵和非对称阵测向测距的原理，对两种阵型的测向测距误差进行了对比分析，还给出了一般阵型测向测距原理，最后还对被动测向测距中存在的相位模糊和距离模糊问题进行了探讨。快速小目标被动定位识别系统的改进方面的工作包括：硬件方面对整个系统的结构进行了介绍，主要对构成系统的几个重要芯片进行了全面的阐述；软件方面主要是对系统的几个重要功能进行了改进。(本文来源于《哈尔滨工程大学》期刊2012-02-24）
李轲,刘忠,毛盾[10]（2012）在《基于形态特征的水下小目标识别方法》一文中研究指出为应对恐怖组织利用蛙人或水下机器人等小型武器的攻击,需要在一些重要的部位,如港口、码头、海岸洞库和锚泊水域中安装水下智能监控系统,而小目标识别技术是该系统的核心技术之一。本文对蛙人等水下小目标的特征进行了研究,提出基于形态特征的水下小目标识别方法。由实验结果可以得出,此算法具有较高的小目标检测率,有效提高了水下智能监控系统的可靠性。(本文来源于《舰船科学技术》期刊2012年01期）
小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：
近年来小型无人机在气象探测、地图测绘、边境控制、森林火灾防救、灾害监测、农药喷洒、交通管制和地质勘测等领域具有广泛的应用价值。无人机可见光图像目标小、对比度弱、背景复杂多变,小目标可能完全淹没在背景噪声中,在这种复杂背景的条件下,检测出小目标变得非常困难。针对上述问题本文首先对小目标图像进行初始分割,将小目标从背景中分割出来,接着进行SLIC(Simple Linear Iterative Clustering)精细分割,分割出容易隐藏在背景中的小目标,然后采用 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法剔除部分虚假目标,提出一种基于SVM(Support Vector Machine)支持向量机的小目标检测方法,本文的主要工作包括:1.小目标分割。针对小型无人机图像对比度弱的问题,对小目标图像进行光线增强。然后对小目标图像进行滤波,形态学变换将小目标从背景中分割出来。小目标尺寸比较小,容易隐藏在背景中,接着对小目标图像进行SLIC精细分割,将小目标图像分割成超像素单元。把超像素单元的亮度空间作为聚类特征,采用DBSCAN聚类算法对分割成的超像素单元进行聚类,剔除部分虚假目标。2.小目标特征提取。小目标尺寸比较小,直接提取HOG、LBP等特征具有很大的难度。传统的方法直接将均值、方差、信息熵作为SVM支持向量机的输入训练SVM支持向量机,实践证明该方法不能应对复杂场景。本文提取小目标的均值、方差、信息熵等特征,将它们进行特征融合后作为系统的输入,提出了一种改进的特征训练方法训练SVM支持向量机。3.小目标识别算法移植。针对工程的可应用性进行了移植验证,将小目标识别算法移植到DM642平台上。同时考虑到本次设计的实时性要求,借助RF5参考框架新建叁个任务,分别实现视频的采集、处理、显示任务,叁个任务相互配合实现小目标的检测。实验结果表明:算法在复杂场景也具有一定的准确率,满足实时性要求。
（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。
小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].景献厅.面向小型无人机的小目标识别技术研究[D].郑州大学.2018
[3].赵天生.基于模板匹配的运动小目标识别系统的设计与实现[D].北京工业大学.2017
[4].阮飞.基于光学传感器数据融合的小目标识别方法研究[J].电子测试.2016
[5].唐武盛.基于星敏感器原理的空间微弱小目标识别算法研究[D].国防科学技术大学.2015
[6].张小涛.基于多尺度局部对比度的红外小目标识别[D].华中科技大学.2014
[7].李震,郑建宝,朱振驰,林耀聪.基于红外小目标识别的空中鼠标解决方案[J].电脑知识与技术.2014
[8].刘希佳,陈宇,王文生,刘柱.小目标识别的小波阈值去噪方法[J].中国光学.2012
[9].盛元平.快速小目标识别技术研究及系统方案设计[D].哈尔滨工程大学.2012
[10].李轲,刘忠,毛盾.基于形态特征的水下小目标识别方法[J].舰船科学技术.2012