导读:本文包含了目标检测与图像处理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,多目标,数据挖掘,Faster,RCNN
目标检测与图像处理论文文献综述
白洁音,赵瑞,谷丰强,王姣[1]（2019）在《多目标检测和故障识别图像处理方法》一文中研究指出为了利用深度学习实现对输电线路的多目标识别以及多种故障的检测,以Faster RCNN(faster regions with convolutional neural networks features)网络为算法框架进行无人机图像的数据挖掘,针对输电线路的6种目标检测任务,提出了3种改进策略,分别为自适应图像预处理算法,基于面积的非极大值抑制算法,以及切分检测方案。研究结果表明:所提改进算法能够利用挖掘的数据对故障进行准确定位与识别,实现对复杂背景下航拍图像中多目标的故障检测,也可类推至其他类似多目标应用场景。论文研究可为多目标的检测和识别提供参考。(本文来源于《高电压技术》期刊2019年11期）
于娜,王清,靳晨聪[2]（2019）在《基于合成孔径雷达图像处理的舰船目标检测与优化》一文中研究指出合成孔径雷达(SAR)具有全天候、全方位的目标监测功能,被广泛应用于国防军事和工业领域。本文主要研究了一种基于合成孔径雷达图像处理的舰船目标检测技术,海上舰船目标的检测和识别有重要的军事意义,能够提高海上交通的管理能力。本文首先介绍了合成孔径雷达的基本成像原理,然后基于LEE滤波器介绍SAR图像的噪声处理,最后针对舰船SAR图像的目标特征进行了识别与分析。(本文来源于《舰船科学技术》期刊2019年20期）
张文坤[3]（2019）在《全色遥感图像处理算法改进与目标检测识别优化》一文中研究指出全色遥感图像信息量大、边缘细节丰富、包含重要感知信息等,为提取图像中的感兴趣区域,并根据目标特性进行更高精度、更有效的检测识别;面向全色遥感图像目标检测与识别需求,本文分别研究改进的图像边缘检测、分割以及目标检测识别算法,对有噪图像实现边缘信息提取质量改善之目的,完成类别数自动确定和图像全局性分割,优化图像检测识别算法,提高目标识别准确率。首先,由于应用梯度变化检测遥感图像纹理边缘信息时存在过检、漏检、错检以及抗噪力弱等问题,提出一种结合分数阶微分差和高斯曲率滤波的边缘检测算法;通过分数阶微分差运算对全色遥感图像进行梯度场非线性增强,利用高斯曲率滤波来平滑图像非线性扩散部分,并寻找正则化能量最速下降点,从而在阶次(0-2)之间优化微分过程中分数阶次和迭代次数,让有噪图像的边缘信息提取质量改善;遥感图像的实验结果表明:该算法可抑制遥感图像纹理边缘提取过程中噪声非线性放大和扩散产生的背景伪噪声,并保留丰富的图像纹理边缘信息。其次,在全色遥感图像分割中,结合RJMCMC和SA(Reversible Jump Markov Chain Monte Carlo and Simulated annealing,RJMCMC+SA)构建了图像分割算法,在保证遥感图像分割模型的复杂性、分割精度的情况下,能够自动确定分割类别数;通过高斯曲率滤波(Gauss Curvature filtering,GC)对图像进行几何平滑处理,依据贝叶斯理论形式化非线性回归模型中的参数变量从而建立后验概率分布,再利用RJMCMC+SA算法实现该后验概率分布,确定其径向基函数的个数和参数,完成类别数自动确定和图像全局性分割;针对全色遥感图像,分别与四种径向基函数分割模型和四种分割算法进行实验对比,分析表明:该算法不仅在复杂性和精确度上取得良好的平衡性,而且能够自动确定全色遥感图像中地物目标类别数。最后,完成目标检测与识别的思路过程是:利用本文提出的分数阶微分差与高斯曲率滤波边缘检测算法对RJMCMC+SA算法分割出的飞机这一类目标进行选取,制作神经网络训练数据集;基于Faster R-CNN网络引入循环注意力卷积神经网络(RA-CNN),利用RPN网络和APN网络,分别以注意力机制生成候选框和相互加强的方式递归地学习基于注意区域的多尺度区域辨别和特征表示。RPN与Fast R-CNN共享卷积特征,且RPN网络利用锚框机制生成候选区域,并经过ROIPooling处理得到7*7大小的特征图,送入全连接层进行分类和回归;将Faster R-CNN网络处理得到的目标送入RA-CNN中,其多尺度网络共享相同的网络架构,每个尺度网络的学习包括分类子网和APN网络可以确保足够的识别能力,通过分类网络的softmax损失和注意建议网络规模间成对排序损失的置信度分数来优化循环网络。基于Faster R-CNN和RA-CNN的改进模型相比Faster R-CNN网络,不仅实现图像目标检测,而且目标识别准确率提高了 18.6%。(本文来源于《宁夏大学》期刊2019-04-01）
骆济焕,兰凤崇,陈吉清[4]（2019）在《联合图像处理和目标约束的车道线检测方法》一文中研究指出针对车道线检测存在检测精度不够高、多峰值检测、受噪声干扰严重的问题,设计了道路图像前处理算法和目标约束(Target Constraint Range,TCR)算法结合的新型车道线检测算法。对灰度化的图像进行改进的中值滤波除噪,再基于最大类方差法,用Canny算法提取车道线边缘。结合前处理算法,TCR算法通过目标区域划分和极角极径法来缩小检测范围,且运用算子[1 0-1]和[-1 0 1]对车道左右双线分别进行边缘迭加处理来提高霍夫变换法(HoughTransform)的检测精度,在新的TCR下进行车道线跟踪,解决了车道线检测偏离问题,搭建了汽车试验平台和软件平台。试验结果表明,检测算法在直道和弯道行驶下的检测准确率分别为93.8%和91.6%,且能排除弱光照和强光照干扰。(本文来源于《汽车工程学报》期刊2019年01期）
张勇,吴浩,牛刚[5]（2019）在《基于非合作目标图像处理技术的大间距轴线一致性检测方法》一文中研究指出在分析国内外大间距轴线一致性检测方法的基础上,提出一种基于非合作目标图像处理技术的轴线一致性检测方法。该方法任意选择远场中具有典型特征的景物作为非合作目标,利用不同光学传感器获取非合作目标图像,比较非合作目标在图像中的空间位置差异,进而得到轴线一致性检测结果。实验结果表明,该方法可满足大间距轴线一致性检测需求。将CCD成像系统夹持在被测对象机械轴线上,可实现机械轴线与光学传感器轴线间的一致性检测。该方法不受光学传感器工作波段限制,避免了其他检测方法体积重量大、对使用环境要求高等缺点,因此应用前景广阔。(本文来源于《激光与光电子学进展》期刊2019年05期）
狄亚柳[6]（2018）在《基于深度学习的高铁接触网悬挂目标检测图像处理研究》一文中研究指出高速铁路的快速发展和对运营品质的需求,对牵引供电系统供电设备的安全运行提出了更高的要求。由于接触网无备用,且需承受高速列车受电弓的动态取流,所以其设备状态的好坏直接影响到行车。当前,铁路已投入运行的4C装置在图像智能识别技术方面主要采用模板匹配等传统的图像处理算法,其存在对不同线路的普适性差、精度提高难度大、运算效率较低的问题,还需进行深入研究以使4C装置发挥更大的价值。本文首先研究分析接触网悬挂状态检测监测装置智能图像识别的需求,并根据我国已建成投入使用的高铁接触网类型和常见的支持装置典型缺陷提出了图像算法的基本目标。然后基于HALCON实现了一种基于模板匹配的平腕臂U型抱箍的定位算法和一种基于连通域分析和局部动态阈值等传统图像处理技术的平腕臂U型抱箍开口销缺失检测算法。该算法可以实际应用于接触网悬挂状态检测监测装置中,虽然取得了一定的效果,但是并不能很好地满足接触网悬挂状态检测监测装置智能图像识别的需求,为了规避传统图像检测方法普适性差、开发效率低等不足,充分发挥智能图像识别的价值,提高检测数据的分析效率,提出了基于深度学习的高铁接触网支持装置零部件定位图像算法。在基于深度学习的高铁接触网支持装置零部件定位算法中,基于Caffe深度学习框架,选用基于VGG16基础网络的Faster R-CNN目标检测算法,制作足量丰富的图像数据集并完成对卷积神经网络的训练,得到训练的卷积神经网络模型。最后,运用训练得到的模型对采集到的多条实际线路的高铁接触网支持装置图像进行支持装置零部件定位,对比分析与传统图像算法的实验结果,验证了基于深度学习的高铁接触网支持装置零部件定位算法的可行性与有效性,进而可以推广到实现其他零部件的定位,从而提升检测图像数据的效率。(本文来源于《西南交通大学》期刊2018-05-01）
吴德皓[7]（2017）在《多相机阵列图像处理系统与目标检测技术研究》一文中研究指出如今,视频监控技术发展迅速,在道路交通、安全监控、刑事侦查等方面应用已经非常广泛。随着图像传感器的不断发展,视频监控相机的图像质量持续提高,同时成本大大降低,这为多相机阵列系统的发展奠定了基础。多相机系统相对于单相机系统有着视野范围广、获取信息多、可靠性更强的特点,是视频监控未来的发展方向。多相机阵列图像处理系统由多个子相机组成,建立在单相机的图像处理技术基础上。例如在目标检测领域,多相机系统需要对单个相机的目标检测结果进行综合处理,完成目标在多相机之间的交接以及对多个相机的控制与协调。本文从实际应用角度出发,研究并实现了多相机阵列的目标检测系统。根据应用场景需求,对系统进行功能分析并完成系统设计。文中采用基于DM8127设计的DSP相机组成相机阵列。根据视场角的指标要求,通过实验确定了相机排列方式,并利用多个相机的组合扩大了视场范围。系统采用分布式设计,单个相机采集视频图像后进行目标检测,并将视频图像和目标信息传输到中央处理单元——PC机上。PC机完成多相机之间的目标交接,并且可以对相机的工作状态、配置信息以及视频图像显示进行控制。本文对基于DM8127的相机进行设计与制作,完成调试与系统移植,利用多个相机组成相机阵列,与PC机用户端完成整个系统的构建。针对混合高斯建模背景差分目标检测算法在光照突变环境下误检问题,利用帧间差分法可以迅速适应光照变化的特点,本文采用了一种融合高斯建模背景差分法与改进的五帧差分法的目标检测算法。对传统叁帧差分法进行改进,采用五帧差分法。在融合算法中,通过一定的策略判断当前帧是否发生光照突变,从而自适应选择当前帧的目标检测算法,并在需要时对高斯背景模型进行初始化。改进算法一定程度上弥补了混合高斯建模背景差分法在光照突变时的不足,优于单一算法,满足本文应用需求。PC机作为控制与处理中心,接收相机检测到的目标信息,通过基于视野分界线的算法,完成多相机间目标交接。使用MFC编程实现PC用户端,可以完成人机之间的交互,从而控制相机工作状态、参数配置,并控制视频显示。(本文来源于《电子科技大学》期刊2017-10-12）
王忍宝,许四祥,李天甲,翟健健[8]（2017）在《基于DSP/BIOS图像处理的弱小目标检测》一文中研究指出以数字信号处理(Digital Signal Processing,DSP)平台实现图像处理的应用开发一般较复杂,不利于复杂背景下弱小目标的检测。为提高检测程序执行的高效性和稳定性,提出了基于DSP/BIOS图像处理的弱小目标检测方法。该方法以高性能数字媒体处理器DM642为核心,以DSP/BIOS内核和动态调用API函数为辅助,以工业现场复杂镁熔液中弱小目标检测为载体,并通过数字I/O口的输出信号来判断检测的目标。经过不同条件下400次实验结果表明,综合检测率高达90.5%,与单线程DSP检测算法相比,检测率提高了11.04%,检测程序的执行效率和稳定性都得到提高。(本文来源于《红外技术》期刊2017年06期）
郑雪婷[9]（2017）在《多核图像处理系统及运动目标检测与跟踪技术研究》一文中研究指出随着人类对视觉体验的要求逐渐提高,以及具有高分辨率和高帧率的图像采集设备的广泛应用,图像处理系统面临的难题越来越多,包括被处理图像的采样率增加、处理算法的复杂度提高、处理的实时性要求增强,给图像处理系统也带来了更高的性能要求。片上多核处理器系统是在单片芯片中集成多个数字信号处理器(Digtal Signal Processor,DSP)内核,其的迅速发展使得图像处理系统能很好地应对高速实时图像处理的性能要求。本文研究了基于DSP+FPGA架构的多核图像处理系统,该系统同时具有多核DSP强大的运算能力和现场可编程门阵列(Field-Programmable Gate Array,FPGA)优异的逻辑控制能力,能出色地执行高速实时的图像处理任务。基于图像处理系统,本文还对目标检测与跟踪技术进行了研究和学习,并在所设计的系统上实现了目标实时检测与跟踪任务的核心模块。本文的主要研究内容包括多核图像处理系统的设计和实现、目标检测与跟踪算法、以及核心模块在图像处理系统上的实现和优化。具体如下:首先说明了本论文的任务来源和任务需求,根据任务需求设计了基于DSP+FPGA的架构的多核图像处理系统,而后针对多核图像处理系统,完成了其相关硬件设计如硬件系统框架的搭建、DSP和FPGA芯片的选型、数据交互方案的确定、电源设计以及相关外围电路的设计等。其次,研究了多核处理器的自启动问题,并根据实际系统需求选择通过I2C引导Nand Flash启动DSP的方案,有效实现了多核图像处理系统的离线自加载。然后,研究了相关的目标检测与跟踪技术,选择基于主成分分析法的目标检测算法和基于时空上下文的目标跟踪算法在本图像处理系统上实现任务要求的目标检测与跟踪功能,并且通过对算法的仿真实验证明,该算法是可行的并且有效的。最后,研究了多核DSP上的多核处理技术包括:存储管理、核间通信和多核应用开发架构。对C代码编程的目标检测跟踪算法进行了多核处理与移植。根据算法结构分析了模块并行化的可行性,进而实现了算法的并行处理以及相关代码的优化。经实验和分析表明,本文所实现的多核并行处理技术和相关代码的优化方案具有良好的合理性和有效性。(本文来源于《电子科技大学》期刊2017-03-20）
刘琳,李荣,石剑[10]（2016）在《基于伪彩色图像处理的猎雷声呐水雷目标检测技术》一文中研究指出在典型的猎雷作战中,目标搜索主要是通过人工对声呐输出的伪彩色图像进行辨识实现的。针对猎雷作战目标辨识中声呐操作人员容易出现目标遗漏和虚警的问题,研究了基于伪彩色图像处理的猎雷声呐水雷目标检测方法,该方法能够对声呐图像中的水雷目标进行检测。(本文来源于《水雷战与舰船防护》期刊2016年02期）
目标检测与图像处理论文开题报告
（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：
合成孔径雷达(SAR)具有全天候、全方位的目标监测功能,被广泛应用于国防军事和工业领域。本文主要研究了一种基于合成孔径雷达图像处理的舰船目标检测技术,海上舰船目标的检测和识别有重要的军事意义,能够提高海上交通的管理能力。本文首先介绍了合成孔径雷达的基本成像原理,然后基于LEE滤波器介绍SAR图像的噪声处理,最后针对舰船SAR图像的目标特征进行了识别与分析。
（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。
目标检测与图像处理论文参考文献
[1].白洁音,赵瑞,谷丰强,王姣.多目标检测和故障识别图像处理方法[J].高电压技术.2019
[2].于娜,王清,靳晨聪.基于合成孔径雷达图像处理的舰船目标检测与优化[J].舰船科学技术.2019
[3].张文坤.全色遥感图像处理算法改进与目标检测识别优化[D].宁夏大学.2019
[4].骆济焕,兰凤崇,陈吉清.联合图像处理和目标约束的车道线检测方法[J].汽车工程学报.2019
[5].张勇,吴浩,牛刚.基于非合作目标图像处理技术的大间距轴线一致性检测方法[J].激光与光电子学进展.2019
[6].狄亚柳.基于深度学习的高铁接触网悬挂目标检测图像处理研究[D].西南交通大学.2018
[7].吴德皓.多相机阵列图像处理系统与目标检测技术研究[D].电子科技大学.2017
[8].王忍宝,许四祥,李天甲,翟健健.基于DSP/BIOS图像处理的弱小目标检测[J].红外技术.2017
[9].郑雪婷.多核图像处理系统及运动目标检测与跟踪技术研究[D].电子科技大学.2017
[10].刘琳,李荣,石剑.基于伪彩色图像处理的猎雷声呐水雷目标检测技术[J].水雷战与舰船防护.2016