公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

基于Gabor变换和KPCA的SAR图像舰船目标鉴别被引量：3: 2016年; 针对SAR图像中的舰船目标和杂波虚警的鉴别问题,采用Gabor变换和核主成分分析(Kernel Principal Component Analysis,KPCA)相结合的舰船目标鉴别算法。首先对SAR图像中的样本切片进行Gabor变换,获得舰船的纹理特征,将这些特征用KPCA算法降维并提取目标的主成分分量,把最终采集的样本特征通过k-近邻分类器进行训练和测试。通过仿真结果的比较表明,利用Gabor变换和KPCA降维相结合的方法可以有效地对SAR图像中的舰船目标和杂波虚警进行鉴别。; 刘磊; 关键词：SAR图像 GABOR变换 KPCA

基于水平集的SAR图像预处理方法: 2015年; 为了降低SAR图像中相干斑噪声和背景杂波的影响,针对SAR图像舰船目标切片,本文提出一种基于水平集的SAR图像预处理方法。首先对SAR图像切片进行水平集分割,将分割后的图像二值化处理,再将二值化后的图像采用区域消除的方法滤除杂波,从而获得预处理后的目标图像。为验证此方法的实验效果,将几种典型的SAR图像预处理方法与本文采用的方法进行了比较,实验结果表明,该方法能够较好地滤除杂波噪声并保留目标的边缘轮廓,降低了特征提取的难度,可以提高后续目标识别的精度,是一种有效的SAR图像预处理方法。; 李德胜孟祥伟刘光明张颢刘磊; 关键词：SAR图像舰船水平集

基于FEKO软件的中波天线方向图建模与仿真被引量：4: 2016年; 对空通信系统中的中波导航台站所处环境日益复杂,测试其战术性能变得日益困难,论文利用FEKO软件将中波导航天线进行建模,得到其计算模型后,导入FEKO软件,仿真出理想的中波导航天线的仿真模型,得出天线图仿真图像,与实际情况类似,验证了模型的正确性。; 刘又铭洪承聪冯奇刘磊林瑜; 关键词：方向图测试 FEKO

SAR图像舰船目标长宽特征提取技术被引量：5: 2016年; SAR图像特征提取是目标识别中的关键步骤,直接影响目标识别的结果。长度类特征因其简单直观、效率高、易于提取等优势,常被作为船只类型的初始判定,针对SAR图像舰船目标长宽特征提取问题,本文提出一种新的方法。首先通过水平集分割获得目标轮廓,其次采用区域消除方法滤除杂波,获得预处理后的目标图像;其次通过最小外接矩形拟合目标,获取舰船目标切片的长轴、旋转的角度;再次采用最小二乘法椭圆拟合获取舰船目标短轴;最后得到舰船目标的长宽特征。通过实测SAR图像处理结果表明,本文方法能够在背景杂波干扰下,抑制相干斑噪声的影响,提高了长宽提取的精度,是一种有效的舰船目标长宽特征提取方法。; 李德胜孟祥伟张颢刘磊; 关键词：SAR图像水平集最小外接矩形特征提取

基于KPCA与KFDA的SAR图像舰船目标识别被引量：5: 2017年; 针对SAR图像中舰船目标识别的问题,提出了基于核主成分分析(Kernel Principal Component Analysis,KPCA)和核Fisher判别分析(Kernel Fisher Discriminate Analysis,KFDA)相结合的舰船目标识别算法。用核主成分分析的方法对实测的SAR舰船目标数据进行特征降维,再结合核Fisher判别分析法对降维后的样本数据进行多类别分类。将该方法用于对实测的四类舰船目标进行识别,平均识别率可达91.25%。实验结果表明,核主成分分析与核Fisher判别分析相结合的方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率。; 刘磊孟祥伟于柯远; 关键词：SAR图像目标识别核主成分分析核FISHER判别分析

基于局部窗口K分布的快速舰船检测算法被引量：1: 2016年; 针对局部窗口K分布检测算法运算速度慢、计算效率低的问题,提出了一种基于局部窗口K分布的快速舰船目标检测算法。该算法首先采用迭代分割算法对原始合成孔径雷达(SAR)图像进行预筛选处理,根据预筛选选出潜在目标,在原始SAR图像中剔除潜在目标像素;然后利用背景图像计算二阶和四阶积分图像,在每一个像素点处采用滑动窗口的方式,在积分图像中进行加减计算确定所在位置的二四阶矩并估计K分布的参数;其次,确定概率密度函数后,通过求解函数得到检测阈值,根据检测阈值确定感兴趣区域;最后,通过模糊差影的鉴别方法对目标中的虚警目标进行进一步剔除,进而完成检测。通过实测SAR图像检测实验,积分算法与局部窗口的K分布算法相比将运算所需时间降低了50%,基于模糊差影的鉴别算法将品质因素由44.4%提高到100%。所提算法既保证了算法的实时性,又提高了检测的精度,在进行SAR舰船自动检测方面具有一定的应用价值。; 张颢孟祥伟李德胜刘磊; 关键词：合成孔径雷达图像舰船检测积分图像

基于PCA算法的SAR图像舰船目标长宽特征提取被引量：2: 2015年; 随着SAR图像成像技术的不断发展,几何特征被广泛应用在目标识别中,长宽特征因其简单直观、效率高、易于提取等优势,常被作为船只类型的初始判定,针对SAR图像舰船目标长宽特征提取问题,提出一种新的方法。首先通过水平集以及形态学方法获得预处理后的目标图像,利用PCA算法获取SAR图像舰船目标的长轴,结合最小二乘椭圆拟合方法获取舰船目标的短轴,最终得到舰船目标的长宽特征。通过实测SAR图像处理结果表明,该方法能够在背景杂波干扰下,抑制相干斑噪声的影响,提高了长宽提取的精度,是一种有效的舰船目标长宽特征提取方法。; 李德胜孟祥伟张颢刘磊; 关键词：SAR图像水平集特征提取

改进的基于Parzen窗算法的SAR图像目标检测被引量：4: 2015年; 传统的Parzen窗检测算法假设目标占整个背景中较小的一部分,将SAR图像中的所有像素用于估计杂波概率密度函数,容易造成检测阈值的增大从而对不太明显的SAR图像舰船目标产生漏检。对此,提出了一种改进的Parzen窗检测算法,该算法通过自适应地设置目标窗口,将潜在的目标从检测图像中剔除,对剔除后的杂波背景采用Parzen窗进行非参数化的杂波模型估计,进而确定检测阈值,完成目标的检测。相比传统的Parzen窗检测算法,提出的SAR图像舰船目标检测算法减少了漏检数量,改善了检测性能。实测SAR图像的检测结果表明了该方法的有效性。; 张颢孟祥伟刘磊李德胜; 关键词：SAR图像舰船 PARZEN窗

新型自适应背景窗的SAR图像目标检测: 2016年; 传统的全局检测算法假设目标占整个背景中较小的一部分,将SAR图像中的所有像素用于估计杂波概率密度函数,容易造成检测阈值的增大从而对不太明显的SAR图像舰船目标产生漏检。提出了一种新型自适应背景窗的检测算法,该算法通过设置一种新型的窗口对潜在的目标予以剔除,鉴于Parzen窗对杂波背景的良好的估计性能,对剔除后的杂波背景采用Parzen窗进行非参数化的杂波模型估计,进而确定检测阈值,完成目标的检测。相比全局检测算法,提出的SAR图像舰船目标检测算法减少了漏检数量,检测性能得到了改善。实测SAR图像的检测结果表明了该方法的有效性。; 张颢王林刘磊李德胜; 关键词：SAR图像舰船 PARZEN窗

全选清除导出

共1页<1>

刘磊