导读:本文包含了地面目标论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:目标,神经网络,地面,稀疏,首都机场,射影,卷积。
地面目标论文文献综述
马俊[1]（2019）在《中国卫星给地球拍“3D大片”》一文中研究指出当我们拿起手机导航时，总会不由得感叹“科技改变生活”。然而很少有人知道，要实现这样的导航功能，少不了高精度的实地测绘工作。中国最新发射的高分七号卫星，将原本需要动用大量人力、耗费数月甚至数年时间的测绘工作压缩到几分钟内完成。国家航天局10日对外发布了高分(本文来源于《环球时报》期刊2019-12-11）
杨磊,李慧娟,李埔丞,方澄[2]（2019）在《基于贪婪-快速阈值迭代的SAR地面动目标稀疏表征算法》一文中研究指出合成孔径雷达地面动目标成像(Synthetic Aperture Radar Ground Moving Target Imaging, SAR-GMTIm)技术通过在静止场景的SAR图像中检测运动目标响应,实现针对运动目标的重聚焦成像。通常情况下,地面运动目标回波响应相对于静止场景的回波(即杂波)具有较强的稀疏性,增强SAR-GMTIm成像结果的稀疏特征有利于目标分类和识别。现有的一阶算法如阈值迭代算法(Iterative Shrinkage-thresholding Algorithm,ISTA)及其改进方法,快速阈值迭代算法(Fast Iterative Shrinkage-thresholding Algorithm,FISTA)都可用于SAR-GMTIm稀疏特征增强,但都存在运算效率偏低,收敛速度较慢的问题。针对以上问题,本文提出了一种贪婪-快速阈值迭代算法(Greedy Fast Iterative Shrinkage-thresholding Algorithm,Greedy FISTA)用于SAR-GMTIm稀疏特征恢复。该算法基于重启动框架对FISTA进行改进,缩短了算法重启间隔和振荡周期,拥有比FISTA更快的收敛速度。本文利用Greedy FISTA针对SAR-GMTIm的仿真复数据以及美国空军实验室的Gotcha实测雷达数据进行成像实验,并对比Greedy FISTA和FISTA、ISTA在SAR动目标成像中达到同等精度所需的迭代次数,再结合相变热力图分析法对比叁种算法的恢复性能。实验结果表明Greedy FISTA应用于SAR-GMTIm系统具有良好的成像效果,且在收敛速度和稀疏信号恢复方面相较传统阈值迭代算法及快速阈值迭代算法有明显优势。(本文来源于《信号处理》期刊2019年11期）
段佳,贺治华,吴亿锋[3]（2019）在《基于稀疏表示的SAR地面目标分割技术》一文中研究指出提出了一种引入先验约束的合成孔径雷达(SAR)图像的目标分割技术,以解决强杂波背景干扰下的目标分割困难问题。不同于基于统计理论的目标检测,文中利用目标图像切片在图像域的稀疏性,通过稀疏分解的方法构建目标特征窗函数实现目标的检测,并引入目标的形状先验对目标区域进行修正;然后,利用目标阴影的空间约束对基于统计检测的阴影区域进行修正,实现目标的分割;最后,基于实测数据验证了算法的有效性。(本文来源于《现代雷达》期刊2019年11期）
乔士航[4]（2019）在《油气田地面建设场站工程工期目标管理体系的建立》一文中研究指出目标管理体系的建立有利于促进油气田地面建设场站工程工期的顺利完成,文章从目标管理体系出发,分析了油气田地面建设场站工程目标管理体系的管理目标值,研究了油气田地面建设场站工程管理目标体系的考核系数和绩效考核,提出目标管理体系建立的意义、注意事项,并探索优化目标管理体系的有效措施。(本文来源于《化工管理》期刊2019年32期）
胡月,丁萌,姜欣言,曹云峰,禹科[5]（2019）在《一种面向有人/无人直升机协同打击的地面目标任务分配方法》一文中研究指出针对有人/无人直升机协同打击地面目标的任务分配问题,依据有人/无人直升机协同集中式结构建立任务分配模型,利用Vonoroi图粗略估算航程,并引入时敏特征函数和无人直升机最大航程限制作为任务分配模型的约束条件。采用模拟退火算法改进的粒子群算法(PSO),实现对分配模型的解算。结果表明该算法合理,具有良好的全局寻优性。(本文来源于《航空科学技术》期刊2019年10期）
张伯川,胡瑞光,张仲峰,王浩,韦海萍[6]（2019）在《一种新的基于目标区域知识的地面复杂场景目标显着性计算方法》一文中研究指出提出了一种新的基于目标区域知识的地面复杂场景目标显着性计算方法,该方法对前期得到的可见光卫星图像进行特征稳定区域选择及稳定边缘特征增强处理后,再利用目标区域信息建立目标显着性模型,使得实时图目标显着性计算过程具有很好的目标针对性且对红外/可见光异源图像匹配具有很好的适应性,同时,该方法对角度和分辨率差异也具有较好的容忍性。(本文来源于《自动化与仪器仪表》期刊2019年10期）
李含清,王宏宇,王彦华,李阳,曾涛[7]（2019）在《基于CNN的地面目标高分辨距离像识别方法》一文中研究指出针对地面目标高分辨距离像识别问题,提出一种基于卷积神经网络的高分辨距离像序列识别方法。使用CNN对每一帧高分辨距离像进行识别,通过相对多数投票法融合多帧数据识别结果,得到目标类别。实测数据表明,基于CNN的地面目标识别算法相比于人工特征提取可有效提高识别率。(本文来源于《第十叁届全国信号和智能信息处理与应用学术会议论文集》期刊2019-10-25）
吕坚,邓博,阙隆成[8]（2019）在《复杂红外地面环境下的稳定目标跟踪方法》一文中研究指出针对红外目标相关滤波跟踪过程中由于背景杂波干扰、目标遮挡和目标形变等情况导致的鲁棒性差甚至跟踪目标丢失的问题,提出一种融合跟踪-学习-检测方法和相关滤波理论的红外目标跟踪算法.该算法在传统相关滤波框架基础上,融合目标的方向梯度直方图特征和亮度直方图特征,改善了目标轻微形变导致的模型漂移问题.针对背景杂波和遮挡导致的多峰值响应问题,对目标背景区域的相关响应进行惩罚,建立目标和背景响应的多模态检测机制,实现目标由粗到精的定位,并采用自适应的学习率优化跟踪模型的漂移问题;针对目标被严重遮挡或脱离视野的问题,通过全局目标再检测,实现目标的重捕.实验结果表明,在复杂红外地面环境下,该算法有效地解决了相似目标干扰和目标被严重遮挡导致的目标丢失问题.基于OTB-2015视频基准序列和红外视频序列测试,对比多个主流的相关滤波跟踪算法,该算法在跟踪精度和成功率方面较长时相关滤波跟踪算法分别提升了5.6%和4.1%;在目标遮挡指标测试中,该算法在跟踪精度和成功率方面相较长时相关滤波跟踪算法分别提升了4.6%和6.1%.(本文来源于《光子学报》期刊2019年10期）
赵薇,许铜华,王楠[9]（2019）在《基于深度学习的无人值守地面传感器目标检测与识别方法》一文中研究指出目前,针对震动信号的目标检测与识别方法已得到广泛而深入的研究,但对距离较远、目标信号幅值与背景噪声幅值相近或相等的行人等目标的探测精度无法达到较高水平。针对该问题,从时域信号特征提取与学习的角度出发,提出一种基于深度学习的目标检测与识别方法,通过提取行人行走及跑步信号的峰值序列,将该序列输入循环神经网络进行训练,从而得到可准确检测与识别行人震动信号的网络模型。实验结果表明,该方法对远距离(≥30 m)行人目标的识别精度可达到93%以上。(本文来源于《战术导弹技术》期刊2019年05期）
陈知华,张天才,邓贤明,黄翔,吴非[10]（2019）在《地面目标多谱测试及隐身效能评估现状与展望》一文中研究指出随着隐身技术的应用以及多模探测技术的发展,单一频段的光电对抗已经不能满足日益复杂的现代战争需求,隐身、探测、识别与跟踪等技术都必须基于多谱测试技术的发展。本文以地面武器装备的威胁分析入手,以应用最为广泛的雷达、红外目标特性测试为例分析了多谱测试及后期数据融合处理技术的发展现状,并提出了发展建议。(本文来源于《计测技术》期刊2019年04期）
地面目标论文开题报告
（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：
合成孔径雷达地面动目标成像(Synthetic Aperture Radar Ground Moving Target Imaging, SAR-GMTIm)技术通过在静止场景的SAR图像中检测运动目标响应,实现针对运动目标的重聚焦成像。通常情况下,地面运动目标回波响应相对于静止场景的回波(即杂波)具有较强的稀疏性,增强SAR-GMTIm成像结果的稀疏特征有利于目标分类和识别。现有的一阶算法如阈值迭代算法(Iterative Shrinkage-thresholding Algorithm,ISTA)及其改进方法,快速阈值迭代算法(Fast Iterative Shrinkage-thresholding Algorithm,FISTA)都可用于SAR-GMTIm稀疏特征增强,但都存在运算效率偏低,收敛速度较慢的问题。针对以上问题,本文提出了一种贪婪-快速阈值迭代算法(Greedy Fast Iterative Shrinkage-thresholding Algorithm,Greedy FISTA)用于SAR-GMTIm稀疏特征恢复。该算法基于重启动框架对FISTA进行改进,缩短了算法重启间隔和振荡周期,拥有比FISTA更快的收敛速度。本文利用Greedy FISTA针对SAR-GMTIm的仿真复数据以及美国空军实验室的Gotcha实测雷达数据进行成像实验,并对比Greedy FISTA和FISTA、ISTA在SAR动目标成像中达到同等精度所需的迭代次数,再结合相变热力图分析法对比叁种算法的恢复性能。实验结果表明Greedy FISTA应用于SAR-GMTIm系统具有良好的成像效果,且在收敛速度和稀疏信号恢复方面相较传统阈值迭代算法及快速阈值迭代算法有明显优势。
（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。
地面目标论文参考文献
[1].马俊.中国卫星给地球拍“3D大片”[N].环球时报.2019
[2].杨磊,李慧娟,李埔丞,方澄.基于贪婪-快速阈值迭代的SAR地面动目标稀疏表征算法[J].信号处理.2019
[3].段佳,贺治华,吴亿锋.基于稀疏表示的SAR地面目标分割技术[J].现代雷达.2019
[4].乔士航.油气田地面建设场站工程工期目标管理体系的建立[J].化工管理.2019
[5].胡月,丁萌,姜欣言,曹云峰,禹科.一种面向有人/无人直升机协同打击的地面目标任务分配方法[J].航空科学技术.2019
[6].张伯川,胡瑞光,张仲峰,王浩,韦海萍.一种新的基于目标区域知识的地面复杂场景目标显着性计算方法[J].自动化与仪器仪表.2019
[7].李含清,王宏宇,王彦华,李阳,曾涛.基于CNN的地面目标高分辨距离像识别方法[C].第十叁届全国信号和智能信息处理与应用学术会议论文集.2019
[8].吕坚,邓博,阙隆成.复杂红外地面环境下的稳定目标跟踪方法[J].光子学报.2019
[9].赵薇,许铜华,王楠.基于深度学习的无人值守地面传感器目标检测与识别方法[J].战术导弹技术.2019
[10].陈知华,张天才,邓贤明,黄翔,吴非.地面目标多谱测试及隐身效能评估现状与展望[J].计测技术.2019
论文知识图
