紅外艦船檢測與目標(biāo)識別方法研究.pdf_第1頁
已閱讀1頁,還剩75頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、海洋面積約占據(jù)了地球總面積的70%,海域戰(zhàn)場無疑是世界各國不容忽視的領(lǐng)域。隨著各國軍事實力突飛猛進(jìn)的發(fā)展,各國對海域防御和作戰(zhàn)更為重視。紅外檢測與目標(biāo)識別技術(shù)憑借其不可比擬的優(yōu)勢一直在海洋軍事領(lǐng)域占據(jù)著一席之地,并且不斷被研究與創(chuàng)新??紤]到海域中的目標(biāo)多為艦船,因此紅外艦船檢測與目標(biāo)的識別就顯得尤為重要,同時也具有很高的軍事應(yīng)用和研究價值。
  本論文對紅外艦船圖像的檢測方法進(jìn)行了深入的研究,針對紅外艦船圖像的復(fù)雜特點得出了具有通

2、用性的檢測方法;對艦船目標(biāo)的識別也進(jìn)行了系統(tǒng)的研究,將傳統(tǒng)艦船識別所研究的艦船種類識別細(xì)化到不同種類中艦船型號的識別,并通過研究得出了相應(yīng)的高效檢測與識別方法。通過仿真實驗驗證了本文方法的有效性。本文研究內(nèi)容包括以下幾個方面:
  首先,對傳統(tǒng)P-M模型進(jìn)行改進(jìn),使處理后圖像不僅可以很好地抑制噪聲,還能夠充分保留紅外艦船目標(biāo)的邊緣特征,并利用衰減閾值來實現(xiàn)P-M模型的無監(jiān)督平滑處理;
  其次,針對傳統(tǒng)GVF-Snake模型

3、對初始輪廓的要求較高的問題,將基于OTSU算法、SUSAN算法以及PCNN算法的輪廓初始化方法進(jìn)行比較研究,得出了基于PCNN的GVF-Snake改進(jìn)模型,又對GVF-Snake模型的梯度擴(kuò)散力場的雜亂分布問題進(jìn)行優(yōu)化,實現(xiàn)梯度矢量力場的規(guī)整化;
  再次,針對不同種類艦船各自的形狀特點,首次使用一種新的特定幾何特征來進(jìn)行表征,再將新特征與傳統(tǒng)幾何特征以及不變矩特征相融合,利用最終的融合特征對艦船目標(biāo)進(jìn)行表征,使不同類的特征之間具

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論