导读:本文包含了空间目标识别论文开题报告文献综述、选题提纲参考文献，主要关键词:目标,空间,深度,梯度,视野,效应,卷积。
空间目标识别论文文献综述写法
李琦,孙桂玲,黄翠,刘颉,常哲[1]（2019）在《基于水声环境空间中多模态深度融合模型的目标识别方法研究》一文中研究指出随着对水下目标特性研究的深入和声学探测技术的发展,基于单模态的阵列式信息融合或基于空间信息的分布式信息融合的水下目标识别方法研究已有一定成果,但针对复杂海况导致单一物理场或单一融合层次的系统识别性能提高有限等方面影响的水下目标识别方法研究还有所不足,因此,开展基于多模态深度融合模型的水下目标识别方法研究可利用模态互补,共享信息而提升识别率。文中在国内外研究基础上,深入研究了基于到达时差法和多模态方法组合的检测方法,初步形成了基于水声环境空间中多模态深度融合模型的识别框架,开展了海洋中典型自然与人为事件的信号分析与特征提取,并在此基础上,设计新型基于海底基站的被动识别系统。该系统同步记录和由位置等组成的时间序列标记声、磁和压数据,可实现高精度、高分辨率的识别。本研究可满足未来海洋观测对高性能水下目标探测、定位和跟踪系统的迫切需要,为海洋安全监管、海洋突发事件应急响应等领域提供新的技术手段和科学参考。(本文来源于《海洋技术学报》期刊2019年06期）
张杜娟[2]（2019）在《基于肤色模型与颜色空间的目标识别算法》一文中研究指出为了解决当前皮肤病变目标特征微弱和所处背景环境干扰大,导致对病原目标识别能力较弱的问题,提出了基于肤色模型与颜色空间的目标识别算法。首先,根据RGB颜色空间,设计一个肤色图像模型,区分皮肤区域与非皮肤区域;然后,根据HSV颜色空间,建立淡红图像模型,区分疑似目标区域与非目标区域;结合以上两种模型,进行图像与操作,进一步缩小疑似目标区域,提取图像帧颜色特征;最后,建立基于支持向量机的机器学习机制,精准区分正常图像帧与含病变图像帧,完成病原目标识别与定位。实验测试结果显示,相对于已有的目标识别技术而言,该方案具有更高的准确识别率。(本文来源于《国外电子测量技术》期刊2019年10期）
金薷薏,包呼格吉乐图[3]（2019）在《视觉选择性注意空间位置的优先效应对目标识别的影响》一文中研究指出采用注意线索技术探讨角度和空间位置对视觉选择性注意的影响.实验1被试对出现在屏幕上的"E"或"H"按键反应.实验2被试对呈现的叁个字母中不同的一个字母按键反应.结果发现各个角度和位置的反应时有显着差异.实验1出现目标刺激的反应时呈现"V"字空间梯度,出现上视野优势和中心位置的优先效应;实验2出现下视野优势和返回抑制效应.根据以上结果,空间位置和角度都影响目标识别的反应时,优先效应随着任务难度的增加而消失.(本文来源于《赤峰学院学报(自然科学版)》期刊2019年08期）
宋建辉,宋鑫,于洋,尹哲[4]（2019）在《采用轮廓片段空间关系实现遮挡目标识别》一文中研究指出为了实现高比例遮挡情况下的目标识别,提出一种基于轮廓片段空间关系的目标识别算法.首先,在采用轮廓的形状上下文特征进行粗匹配的基础上,对模板图像和待识别图像分别进行图像骨架关键接合点的提取和轮廓形状质心的提取.然后,以图像像素中心点为原点建立坐标系,以图像骨架关键接合点和轮廓片段质心在各自图像建立的坐标系内的位置确定空间关系.最后,制定空间关系参数约束标准,筛选满足空间关系约束准则的目标库图像为最后识别结果.与现有遮挡目标匹配算法相比,该算法可以实现高比例遮挡情况下的目标识别,在目标遮挡比例为60%的情况下,识别率可达到78%.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年07期）
欧攀,路奎,张正,刘泽阳[5]（2019）在《基于Mask RCNN的目标识别与空间定位》一文中研究指出在机械臂的自主抓取系统研究中,为了自动获取目标物体的空间位置,采用Kinect深度传感器采集RGB图像,利用改进的深度学习算法Mask RCNN对RGB图像上的目标进行识别与分割,并通过Kinect深度传感器模型,将二维图像坐标转换成叁维空间坐标,对目标物体进行叁维建模,达到空间定位的目的;通过大量数据训练的Mask RCNN算法,可以同时识别多种特征差异很大的目标物体,具有广泛的应用空间;经过实验表明,获得的目标物体的叁维空间坐标较为准确,且受环境影响较小,对机械臂抓取系统的研究具有较为重要的意义。(本文来源于《计算机测量与控制》期刊2019年06期）
徐高贵,殷红成,袁莉,董纯柱[6]（2019）在《一种基于卷积神经网络的HRRP序列空间目标识别方法》一文中研究指出本文利用高分辨距离像(HRRP)序列所含的丰富信息,提出了一种基于卷积神经网络(CNN)的空间目标识别方法。利用CNN自动地从序列图中学习稳定的特征,进而实现目标分类。该方法不仅考虑了目标的尺寸、结构等信息,同时也在一定程度上利用了目标的运动特性,提高了目标的区分度。在仿真实验中,从雷达部署点、飞行轨迹以及两者的混合影响等叁个方面,与传统的目标识别算法进行了对比,结果表明,该方法可以实现对不同空间目标的有效识别,平均识别准确率超过95%,具有较强的鲁棒性。(本文来源于《中国传媒大学学报(自然科学版)》期刊2019年03期）
王柳[7]（2019）在《基于深度学习的空间多目标识别方法研究》一文中研究指出随着智能感知技术、目标识别技术的快速发展,以卫星为主要代表的太空飞行器已成为各国太空攻防出奇制胜的重要军事资源。精确识别卫星的类型,并精确定位卫星的帆板、喷管、星敏感器等部件是实施太空攻防和在轨维护的重要前提及保障技术。利用基于深度学习的卷积神经网络YOLO模型对空间卫星及其部件进行识别,对两种卫星模型的叁维模型及实物模型图片集进行训练,对近距离正视、远距离、遮挡、运动模糊等不同条件下的卫星及卫星部件进行识别,几种情况下卫星及卫星部件的识别准确率均达到了90%以上,对在轨服务、太空攻防对抗等领域有重要意义。(本文来源于《无人系统技术》期刊2019年03期）
金薷薏[8]（2018）在《视觉选择性注意空间位置的优先效应对目标识别的影响》一文中研究指出选择性注意的研究一直是认知心理学研究的核心领域。随着选择性注意的研究不断推进,现今已有许多理论来解释其现象、特征及作用。本研究采用注意线索技术通过记录30名大学生反应时探讨角度和空间位置对视觉选择性注意的影响。实验一的图片以显示屏中央为圆心,直径为16.5cm,视角为18.3°的同心圆(小圆直径为8.5cm,视角为9.6°),以水平线左侧为0°顺时针旋转,按照注视点-间隔画面-掩蔽刺激-刺激-反应的顺序呈现,呈现时间和间隔时间为200ms-300ms-500ms-300ms,被试按键做出反应。实验二程序及呈现时间均与实验一相同,在实验一的基础上去除在大圆上的刺激,要求被试在呈现的叁个字母中找出不同的一个字母,做按键反应,并记录反应时。结果显示:(1)目标刺激位于大圈的反应时最长,位于注视点时最短,从左到右刺激的加工速度在坐标图上呈现显着的"V"字形曲线的空间梯度。(2)各个角度的反应时有显着差异。圆的位置和角度存在交互作用。空间位置的反应时有显着差异。在实验一的平行加工中,出现上视野优势;而在实验二的序列加工中则出现下视野优势。(3)实验一中,处于中心位置的刺激识别速度最快,准确率最高,出现中心位置的优先效应;而在实验二中,中心位置的优先效应消失,出现返回抑制效应。根据以上结果,本研究基于空间和基于特征的的注意都影响目标搜索的反应时,空间位置的优势效应随着任务难度的增加而消失。(本文来源于《第二十一届全国心理学学术会议摘要集》期刊2018-11-02）
张耀天,吴智昌,魏少明,张玉玺[9]（2018）在《基于CNN+LSTM的空间目标识别》一文中研究指出雷达回波信号包含丰富的特征信息,如时频特征、HRRP和RCS等。本文提出了基于特征融合的空间目标识别方法,采用CNN和LSTM组合的深度学习网络,利用雷达回波信号的时频特征和HRRP特征进行融合识别。本文仿真的训练集和测试集存在多种信噪比(-5d B,-10d B和-15d B)。在上述数据集上,该方法的分类精度能够达到93.90%。(本文来源于《第十二届全国信号和智能信息处理与应用学术会议论文集》期刊2018-10-19）
王月海,郭迎达[10]（2018）在《融合深度信息的目标识别及叁维空间定位算法》一文中研究指出针对YOLO算法只能从含有目标的图像识别出目标种类,但无法给出空间位置信息的问题,本文提出一种融合深度信息的目标识别的叁维空间定位算法YRLA.算法首先利用YOLO对物体进行建模识别,然后通过对Kinect获得物体的深度信息进行处理,得到物体的位置信息并实现定位.通过对物体进行定位,YRLA算法可使距离摄像头1 m之内的定位精度的误差在0. 2～1 cm,定位误差的百分比不超过2%.(本文来源于《北方工业大学学报》期刊2018年05期）
空间目标识别论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了解决当前皮肤病变目标特征微弱和所处背景环境干扰大,导致对病原目标识别能力较弱的问题,提出了基于肤色模型与颜色空间的目标识别算法。首先,根据RGB颜色空间,设计一个肤色图像模型,区分皮肤区域与非皮肤区域;然后,根据HSV颜色空间,建立淡红图像模型,区分疑似目标区域与非目标区域;结合以上两种模型,进行图像与操作,进一步缩小疑似目标区域,提取图像帧颜色特征;最后,建立基于支持向量机的机器学习机制,精准区分正常图像帧与含病变图像帧,完成病原目标识别与定位。实验测试结果显示,相对于已有的目标识别技术而言,该方案具有更高的准确识别率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
空间目标识别论文参考文献
[1].李琦,孙桂玲,黄翠,刘颉,常哲.基于水声环境空间中多模态深度融合模型的目标识别方法研究[J].海洋技术学报.2019
[2].张杜娟.基于肤色模型与颜色空间的目标识别算法[J].国外电子测量技术.2019
[3].金薷薏,包呼格吉乐图.视觉选择性注意空间位置的优先效应对目标识别的影响[J].赤峰学院学报(自然科学版).2019
[4].宋建辉,宋鑫,于洋,尹哲.采用轮廓片段空间关系实现遮挡目标识别[J].华中科技大学学报(自然科学版).2019
[5].欧攀,路奎,张正,刘泽阳.基于MaskRCNN的目标识别与空间定位[J].计算机测量与控制.2019
[6].徐高贵,殷红成,袁莉,董纯柱.一种基于卷积神经网络的HRRP序列空间目标识别方法[J].中国传媒大学学报(自然科学版).2019
[7].王柳.基于深度学习的空间多目标识别方法研究[J].无人系统技术.2019
[8].金薷薏.视觉选择性注意空间位置的优先效应对目标识别的影响[C].第二十一届全国心理学学术会议摘要集.2018
[9].张耀天,吴智昌,魏少明,张玉玺.基于CNN+LSTM的空间目标识别[C].第十二届全国信号和智能信息处理与应用学术会议论文集.2018
[10].王月海,郭迎达.融合深度信息的目标识别及叁维空间定位算法[J].北方工业大学学报.2018