基于神经网络的三维飞机目标识别研究

基于神经网络的三维飞机目标识别研究

论文摘要

现阶段不管是现代战争还是在国家防御方面,空中目标的攻击和预警探测指挥都是决定战局的关键,他们应用的关键技术三维目标识别技术已经成为世界科技的前沿领域,引起科学工作者的广泛关注和研究。其中作为关键的三维飞机目标识别技术,能够提高我们的军事力量,特别是对于空对空作战。在战斗机上采用这种技术,能在很快的时间内判断敌我机型,进行实时打击。还能在成像雷达上进行应用,完善我军的预警探测指挥系统。这项技术还可用于机场的安全与管理和光电的成像设备,并且以后在军用民用上都将有很广泛的发展空间。本课题对三维目标识别技术展开了研究,其中研究的对象是待测物体的三维图像信息,我搭建了一个图像采集系统,去采集作为实验对象模型飞机的三维图像。通过CCD的图像采集把待测飞机的二维图像存入计算机,为了得到有效的识别数据,我还对待测数据库的图像进行预处理,首先对图像进行了降噪处理,然后再边缘检测方法中提取了灰度图像,最后用二值化的方法进行预处理,把有效数据存储入电脑,克服了下一步进行识别的难点。为了得到最好的边缘检测效果,我在课题中试用了不同的算子进行计算,从实验数据比较,选用Prewitt算子进行处理后的图片效果最好。在对图像进行二值化处理时用到迭代求图像最佳分割阈值,是与其它方案有所区别的。接下来计算了图像的不变矩特征,建立飞机模型的数据库,作为识别的输入。最后结合神经网络的知识,在很多网络系统中,设计了融入支持向量机自组织特征映射神经网络,与其他方案相比更快捷、精度更大的得出了识别的结果。并且基本达到了根据输入的飞机三维图像能够达到判别机型的目的。

论文目录

  • 摘要
  • ABSTRACT
  • 目录
  • 第一章 绪论
  • 1.1 三维物体识别的研究目的
  • 1.2 三维物体识别现实中的应用
  • 1.3 国内外研究现状
  • 1.4 课题章节安排
  • 第二章 三维目标识别的原理与基础理论
  • 2.1 三维目标的识别
  • 2.2 模式识别技术
  • 2.3 三维目标识别的特点与方法
  • 2.4 本系统的识别方法
  • 第三章 飞机图像的采集的设备与采集方法
  • 3.1 本系统的软件应用和硬件设备
  • 3.2 飞机模型库的建立
  • 第四章 图像的预处理
  • 4.1 图像降噪处理
  • 4.2 图像边缘检测预处理和选取方法
  • 4.3 图像二值化预处理和结果分析
  • 第五章 待测三维目标图像的特征提取
  • 5.1 不变矩定义与提取方法
  • 5.2 不变矩结合几何矩计算方法和结果
  • 第六章 基于神经网络的目标识别
  • 6.1 神经网络概述
  • 6.2 神经网络的分类
  • 6.3 本课题设计的神经网络以及试验结果
  • 第七章 结束语
  • 7.1 本文的主要工作
  • 7.2 课题下步改进
  • 致谢
  • 参考文献
  • 相关论文文献

    • [1].基于改进证据支持度的多传感器空中目标识别[J]. 计算机仿真 2020(07)
    • [2].基于迁移学习的水声目标识别[J]. 计算机系统应用 2020(10)
    • [3].水声目标识别技术的现状与发展[J]. 电子技术与软件工程 2019(18)
    • [4].深度学习在遥感影像目标识别与定位中的应用研究[J]. 科技创新与应用 2019(34)
    • [5].基于微服务的空天协同目标识别与监视系统设计与实现[J]. 软件 2019(11)
    • [6].深度学习在水声目标识别中的应用研究[J]. 数字海洋与水下攻防 2020(01)
    • [7].电子目标识别关键指标建模与分析[J]. 电子信息对抗技术 2019(04)
    • [8].基于深度学习的航拍图像目标识别[J]. 数码世界 2019(05)
    • [9].基于稀疏非负矩阵分解的低空声目标识别[J]. 声学技术 2020(01)
    • [10].基于深度神经网络的雷达幅度序列目标识别[J]. 电脑知识与技术 2020(13)
    • [11].水声目标识别技术现状与发展[J]. 指挥信息系统与技术 2018(02)
    • [12].目标识别与人工智能高峰论坛征文通知[J]. 太赫兹科学与电子信息学报 2017(02)
    • [13].视觉动态目标识别研究进展[J]. 北京联合大学学报 2013(04)
    • [14].基于知识的合成孔径雷达图像目标识别研究[J]. 图书情报工作 2012(S1)
    • [15].自平衡跟随机器人的目标识别及预测重拾策略[J]. 计算机与现代化 2019(05)
    • [16].水下目标识别技术探究[J]. 数字通信世界 2019(04)
    • [17].目标识别与人工智能高峰论坛征文通知[J]. 光学与光电技术 2017(03)
    • [18].目标识别与人工智能高峰论坛[J]. 太赫兹科学与电子信息学报 2017(03)
    • [19].领域自适应目标识别综述[J]. 中兴通讯技术 2017(04)
    • [20].机载雷达图像目标识别模型仿真研究[J]. 计算机仿真 2014(12)
    • [21].小波分析和神经网络在水下目标识别中的研究[J]. 计算机仿真 2011(02)
    • [22].基于卷积神经网络迁移学习的飞机目标识别[J]. 现代雷达 2019(12)
    • [23].基于神经网络的多类别目标识别[J]. 控制与决策 2020(08)
    • [24].水下目标识别的规划融合算法[J]. 现代防御技术 2018(06)
    • [25].浅谈舰船目标识别的方法和技术[J]. 舰船科学技术 2016(02)
    • [26].基于双目视觉的目标识别与定位[J]. 河南理工大学学报(自然科学版) 2014(04)
    • [27].基于微动特征的弹道导弹目标识别仿真分析[J]. 弹箭与制导学报 2010(01)
    • [28].空中目标识别方法研究[J]. 中国新通信 2019(16)
    • [29].无人机在海上舰船目标识别中的应用[J]. 舰船科学技术 2017(12)
    • [30].粒子群的K均值聚类算法实现海上目标识别[J]. 舰船科学技术 2016(12)

    标签:;  ;  ;  ;  ;  

    基于神经网络的三维飞机目标识别研究
    下载Doc文档

    猜你喜欢