首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 890 毫秒

1.  SAR图像目标检测研究综述  被引次数:5
   高贵  周蝶飞  蒋咏梅  匡纲要《信号处理》,2008年第24卷第6期
   SAR图像目标检测是SAR ATR(自动目标识别)的关键步骤,也是近年来SAR图像解译应用的一大研究热点.在广泛文献调研的基础上,本文从SAR图像目标检测的历史沿革、研究现状开始,综述了SAR图像目标检测的研究进展及存在问题,指出了该技术领域的发展趋势.    

2.  SAR目标鉴别中的变化特征提取算法研究  
   杨志国  黄晓涛  周智敏《信号处理》,2009年第25卷第1期
   合成孔径雷达自动目标识别(SAR ATR)算法一般分为三个步骤:预筛选、鉴别和分类,其中鉴别部分将基于预筛选提供的感兴趣区域(ROI)进行特征提取,根据提取的特征消除虚假目标,变化特征是用于消除固定强杂波形成虚假目标的重要特征.本文介绍了两种常用的变化检测算法,并对其在基于ROI变化特征提取中的适用性进行了分析,针对存在的问题,本文提出了三种适用的变化特征提取算法并进行了仿真试验,试验结果表明,本文提出的三种变化特征提取算法在不同检测条件下均保持了较好的稳健性,且滑窗平均相减法性能最优.    

3.  基于SAR图像的自动目标识别系统设计与实现  
   王金泉  李钦富《中国电子科学研究院学报》,2012年第7卷第3期
   设计并实现了一套完整的、基于合成孔径雷达(SAR,synthetic aperture radar)图像的自动目标识别(ATR,automatictargetrecognition)系统。该系统包括降相干斑处理、恒虚警率(CFAR,con-stantfalsealarmrate)检测、强散点聚类与鉴别、感兴趣区域(ROI,rangeofinterest)分割和基于模板的最大相关匹配等五大部分。SAR图像匹配模板库来自于对典型目标的电磁仿真,待检测SAR图像来自某机载SAR系统对某地面区域的成像实验。测试表明所介绍的ATR系统在满足工程性能要求的意义上,实现了在典型的地貌环境下对典型军事目标的实时自动识别。    

4.  基于DBSCAN技术的SAR图像感兴趣区域鉴别  
   王鹏达  贺新毅《信息技术》,2012年第6期
   使用一种新奇的聚类方法从粗略检测后的SAR图像中提取感兴趣区域(ROI),再通过多特征提取和综合鉴别,去除虚警保留目标,为进一步的目标识别做准备。自动目标聚类是基于SAR图像的自动目标识别系统的难点之一,带有噪声的基于密度的聚类方法 (DBSCAN)可以发现任意形状的聚类目标,只依赖于两个不敏感的系统参数,通过区域判断缩减计算时间减少计算内存,很好地适应了自动目标识别的系统需要。多特征目标鉴别方案基于聚类结果,研究聚类得到的感兴趣区域,通过提取多种特征综合判断,有效去除了虚警。所述方法已应用于某SAR-ATR系统,得到了很好的应用体验。    

5.  支持向量机在SAR图像解译中的研究进展  
   吴涛  阮祥伟  谭剑波《遥感信息》,2009年第5期
   支持向量机(SVM)是统计学习理论的最新方法,在模式分类和回归分析中有广泛的应用。针对SAR图像解译,SVM在图像滤波、图像分割、目标识别与分类、极化数据分类等过程中有很好的处理能力。本文首先介绍了SVM的基本原理,然后综述SVM在SAR图像解译中的各方面研究进展。    

6.  信息论在声呐自动目标识别中的应用  
   楼菊芳《声学与电子工程》,2006年第2期
   声呐自动目标识别(ATR)旨在自动地从背景或杂波中分离出感兴趣目标,一个声呐自动目标识别系统的可行与否取决于它的目标探测性能和识别分类系统的运算效率及训练效率。文章综述了当今信息论在声呐ATR中应用中的理论基础及其可行性分析,最后给出了信息论在声呐ATR特征提取中的应用举例。    

7.  SAR图像目标方位角估计方法综述  被引次数:3
   高贵  何鹃  匡纲要  黄纪军  李德仁《信号处理》,2008年第24卷第3期
   目标方位角估计是进行SAR图像自动目标识别(ATR)的重要步骤。由于目标SAR图像对目标方位角的敏感性,在目标识别之前进行方位角估计能够提高系统的效率,增强系统的实时性。本文在分析SAR目标模型的基础上,对目标方位角估计算法进行了全面系统的研究,总结了目前存在的目标方位角估计方法的主要研究思路,即:提取目标主轴、提取目标主导边界、最小外接矩形获取,并介绍了有代表性的算法,指出了这些算法的优缺点,展望了今后的发展方向。    

8.  SAR图像目标鉴别研究综述  
   高贵《信号处理》,2009年第25卷第9期
   SAR图像目标鉴别是SAR ATR研究领域的一项关键技术.旨在去除目标检测后的杂波虚警,以减小目标分类或识别的代价.本文在广泛文献调查的基础上,从SAR图像目标鉴别技术发展的历史沿革、研究现状开始,对SAR图像目标鉴别算法的流派、国内外的实际系统以及目标鉴别达到的性能指标等进行了较为全面的综述.给出了该方面研究的主要结论、展望了需要进一步解决的问题.    

9.  基于两坐标雷达图象识别飞机  
   彭获由《雷达科学与技术》,1995年第3期
   为了非合作地识别飞机,人们已经推荐并研究了许多方法,例如应用目标的红外、声学、光学或雷达等的特征信号来对其进行识别。这些方法中有些是无源的,其优点是被观测目标不会察觉,不过,它们也有诸如非常有限的观测范围或勉强的分辨力等缺陷。本文提出的方法基于利用飞机的两坐标雷达图象。在目标方向角和机动性有某些限制的条件下,这些图象包含的信息使得可以对观测中的飞机进行识别。文章的后面部分概要地介绍了基于两坐标雷达图象来识别目标所作的处理流程设计,并给出了运用模拟和真实数据得出的首批结果。    

10.  基于CV模型的SAR图像机场感兴趣区域检测  被引次数:1
   潘诚  戴晓燕《无线电工程》,2012年第42卷第7期
   高分辨率POLSAR图像的机场感兴趣区域(Region of interest,ROI)的自动提取是自动目标识别(AutomaticTarget Recognition,ATR)系统的任务之一,也是准确识别分类飞机等小目标的基础。针对全极化合成孔径雷达(POLSAR)图像极化相干的特点,提出一种融合提取方法:先使用J.S.Lee Sigma filter滤波,再利用Shannon-Entropy理论提高ROI和背景对比度,采用基于CV模型的方法分割图像,然后对分割得到的图像进行形态学等图像处理,最终得到机场ROI。实验结果表明,该方法具有分割界限清晰、定位准确的优点。    

11.  几种自动目标跟踪算法的比较研究  
   曹晓丽  李明  邢玉娟  谭萍《硅谷》,2013年第2期
   复杂背景目标跟踪是近年来自动目标识别(ATR)领域的一个研究热点,在军事、医疗、安全等多个领域具有广泛的应用前景。ATR的研究内容主要包括目标的检测分类、特征提取和目标定位识别等。本文对当前流行的目标跟踪算法进行了全面的分析比较,最后对目标跟踪算法的进一步研究方向进行了深入的探讨。    

12.  典型地面车辆目标SAR图像仿真与评估  
   计科峰  张爱兵  邹焕新  孙伟顺《雷达科学与技术》,2010年第8卷第3期
   典型地面车辆目标SAR图像仿真对SAR图像解译和目标识别具有重要意义。在光学区目标雷达散射截面仿真基础上,研究实现了典型地面车辆目标SAR图像仿真技术,给出了坦克目标的SAR图像仿真结果。在此基础上,进一步研究了SAR图像仿真性能评估技术,在目视定性评估的基础上,引入了两个面向SAR图像解译与目标识别的SAR图像仿真性能定量评估指标。最后,通过目标仿真SAR图像与MSTAR实测SAR图像的比对,对仿真性能进行了定性、定量的分析与评估,验证了方法的有效性。    

13.  基于纹理和边缘的SAR图像多维SVM回归  
   龙海翔  高鑫  刘蓉《计算机工程与应用》,2011年第47卷第31期
   合成孔径雷达(SAR)图像ROI(Region of Interest)区域存在两种情况:只包含单一地物或由混合地物组成。对此,提出一种基于特征映射的SAR图像多维输出回归方法,该方法不仅能够对只包含单一地物的SAR图像进行类别判断,也能对混合地物区域的内容做出估计。首先对SAR图像提取基于灰度共生矩阵的纹理特征,然后构造了一组能够反映SAR图像边缘长度、方向和稀疏程度的边缘特征向量,最后利用纹理特征和边缘特征对SAR图像进行基于近似迭代变权最小二乘法(IRWLS)的多维支持向量机(Support Vector Machine,SVM)回归。实验结果表明,该方法能够对包含不同地物内容的ROI区域进行有效解译,正确率高。    

14.  基于两坐标雷达图象识别飞机  
   彭获由 贾光沿《现代电子》,1995年第3期
   为了非合作地识别飞机,人们已经推荐并研究了许多方法,例如应用目标的红外、声学、光学或雷达等的特征信号来对其进行识别。这些方法中有些是无源的,其优点是被观测目标不会察觉,不过,它们也有诸如非常有限的观测范围或勉强的分辨力等缺陷。本文提出的方法基于利用飞机的两坐标雷达图象。在目标方向角和机动性有某些限制的条件下,这些图象包含的信息使得可以对观测中的飞机进行识别。    

15.  基于边缘检测的SAR图象分类融合技术  被引次数:2
   程芳  吴一戎  朱敏慧《现代雷达》,2000年第22卷第6期
   从基于象素的SAR图象分类和基于邻域的SAR图象分类特点出发,提出了一种基于边缘检测的SAR图象分类融合方法。该方法既保留了图象的边缘,避免了以往图象分类中出现的边缘模糊问题,又有效地对图象进行了区域划分。    

16.  自动目标识别算法性能评价的一种方法  被引次数:6
   熊艳  张桂林  彭嘉雄《自动化学报》,1996年第22卷第2期
   研究了自动目标识别(ATR)算法性能评价方法.从象质评价的角度讨论了图象质量的统计描述方法,给出了12个与ATR系统性能有关的图象质量指标.提出了一种基于响应函数模型的评价ATR算法性能的系统化的新方法,建立了一个模块式的集测试、分析、评价于一体的ATR算法性能评价系统的方案,并采用这种方案对两种ATR算法的性能进行了分析与评价,从而对该方案的可行性进行了论证.    

17.  ATR技术的发展  
   沈兰荪 龙泉《北京工业大学学报》,1996年第22卷第4期
   自动目标识别技术(ATR)是当前精确制导技术中应重点研究的一个关键问题。本文对近年来ATR技术,主要是ATR算法的发展进行了讨论。    

18.  MSTAR图像的一种ATR算法  
   郑宗贵《信号处理》,2003年第19卷第Z1期
   人造目标SAR图像的自动目标识别(ATR)是个挑战性的课题,在军事上具有非常重要的作用.随着神经网络理论和应用研究的不断深入,许多作者已经应用神经网络技术对自动目标识别进行了研究[1,2,3,4].然而他们只是对原始图像进行神经网络识别,并且提取特征矢量时也未考虑目标阴影的形状信息.本文克服了上述缺点,把阴影形状信息作为其中一个特征参数给出了一种ATR算法.并用MSTAR原始图像和经过降斑重构后的图像,通过BP神经网络分别进行识别,得到了较好的试验结果,给出了一些结论.    

19.  使用形态Haar小波法检测目标感兴趣区域  被引次数:1
   宋燕星  袁峰  丁振良  孙春凤《光学精密工程》,2009年第17卷第7期
   对图像进行面向自动目标识别(Auto Target Recognition,ATR)的压缩其关键是快速而准确地检测到目标感兴趣区域ROI(Region-of-interest),并将其与背景区域分别进行不同比特率的压缩.本文将形态Haar小波法与数学形态学方法相结合来实现目标ROI的检测,设计了新的目标ROI检测算子.对采集图像进行二维形态Haar小波分解,结合目标ROI检测要求的特点,仅在尺度信号域内应用设计的目标ROI检测算子,最终完成目标ROI的检测.仿真实验表明,该方法对目标ROI的检测率最高可达到1.000 0,而最低虚警率仅为0.001 2;对含像素级别为102×102的图像,所需运算时间仅为10-1 s.与传统方法相比,本文算法对目标ROI检测效果好,运算简单,节省了运算时间和硬件资源.    

20.  SAR目标特性分析技术  被引次数:1
   周旭  保铮《计算机工程与科学》,2008年第30卷第7期
   随着合成孔径雷达(SAR)传感器技术的发展和获取信息的增多,如何有效地实现SAR图像的信息提取和解译,是当前亟待解决的关键问题。本文研究和综述了面向识别的SAR目标特性分析技术。首先,从SAR的成像原理出发,深入分析和探讨了影响SAR图像目标特性的主要因素;然后,系统总结了点状目标、线状目标和面状目标的一些特性分析和特征提取技术;最后,对SAR目标识别技术的未来发展方向进行了展望。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号