排序方式: 共有17条查询结果,搜索用时 0 毫秒
1.
2.
3.
4.
针对合成孔径雷达(SAR)图像自动解译的需求,研究了高分辨率的SAR图像建筑物检测技术。由于人造目标按照某种方式有组织的构成,而机器视觉可以模拟人类视觉的感知编组能力获取图像的相关组织和结构,并可以根据特定的准则将提取到的图像特征编组成为更高层的结构,利用该特性,将感知编组方法用于检测建筑物,通过边缘检测和霍夫变换提取直线段基元,结合感知编组和建筑区在SAR图像上表现的亮度特征,提出了一种平行适应度函数辅助建筑物检测。基于对实测SAR图像的实验结果表明,该检测算法可靠,定位准确,并能有效地降低虚警率。 相似文献
5.
基于最陡下降的稳健LCMV波束形成算法 总被引:1,自引:0,他引:1
针对期望信号假定导向矢量与真实导向矢量存在误差时,常规LCMV算法性能急剧下降,提出了一种针对指向误差、阵元位置误差和相位误差的基于最陡下降的稳健LCMV波束形成方法。利用最陡下降法递归搜索最优权矢量和约束导向矢量,避免了常规LCMV算法的矩阵求逆运算和变对角加载时的特征值分解,所需运算量大大降低;又因不属于对角加载,不存在加载值确定问题。仿真结果表明,新方法对期望信号导向矢量的各种误差有很好的稳健性。 相似文献
6.
在基于合成孔径雷达(SAR)图像的舰船目标检测中,针对图像背景复杂、舰船尺寸大小不一等问题,提出了一种改进的YOLOv3深度卷积神经网络(CNN),用于SAR图像中的舰船目标检测。该方法基于训练数据集中的尺寸标签信息,使用交并比作为距离度量,利用k-means聚类方法为舰船目标提取了九组先验锚点框作为后续候选框边框参数优化的初始值;引入rGIOU来代替交并比rIOU,用于更新框回归损失和置信度损失,从而得到更加合理的损失函数,能将候选框与标注框之间的相对位置信息引入候选框的边框参数优化。为了验证改进版YOLOv3网络的性能,文中基于高分辨SAR舰船检测数据集AIR-SARShip-2.0,利用平移、翻转、调整亮度等方法进行数据集扩充,得到训练数据集和测试数据集,并进行舰船目标检测实验。实验结果表明:相较于常规YOLOv3网络和Faster R-CNN网络,改进YOLOv3网络在舰船目标检测上的总体效果更好,具有更高的准确率和更少的虚警,提高了平均精度指标,且需要的计算时间更少。 相似文献
7.
8.
针对入射光能量为高斯分布时,位敏探测器(PSD)安装倾斜影响光斑定位的问题,建立了光斑定位畸变误差数学模型,并进行了仿真.仿真结果表明,光斑定位畸变误差随着PSD倾斜角度、高斯光束的束腰半径和与光束束腰之间的距离的增加而增加,其中前两项的变化对PSD光斑定位精度的影响在小范围内可以忽略,最后一项影响较大.所建立的光斑定位畸变误差模型及仿真结果为PSD的实际工程应用提供了有效的理论依据. 相似文献
9.
对于主动雷达导引头的两种电子攻击的研究 总被引:2,自引:1,他引:1
虽然对于主动雷达导引头的自卫式干扰有多种样式,但现代作战飞机都装备的通用干扰设备是有源压制式噪声干扰机和无源箔条干扰投放器,本文概述了这两种最基本、最常用干扰的原理和使用,指出了最根本的抗御方法,并给出了部分数字仿真结果。 相似文献
10.