导读:本文包含了低空目标检测论文开题报告文献综述及选题提纲参考文献，主要关键词:目标检测,Matlab,单元平均恒虚警技术
低空目标检测论文文献综述
魏鑫,魏俊杰,柏佳[1]（2019）在《低空复杂环境下雷达目标检测的Matlab算法实现》一文中研究指出雷达目标检测在军事中是一项具有重大意义的应用课题。随着科学技术的发展,低空低速飞行器逐渐投入到军事应用中,对于低空复杂环境下的目标追踪,需要采取合适的虚警算法。文章通过Matlab仿真,使用单元平均恒虚警技术对目标进行检测,获得目标航迹,给出了每个步骤的过程和结果,对实际问题的解决有一定的指导作用。(本文来源于《无线互联科技》期刊2019年17期）
黄伟,曹宇剑,徐国明[2]（2019）在《基于Faster R-CNN模型的低空平台偏振高光谱目标检测》一文中研究指出随着无人机等低空平台在侦察领域的不断扩展以及对性能要求的不断提高,各应用场景对目标检测精度和速度也提出了越来越高的要求。传统的目标成像方法难以满足图像质量需求,人工识别目标的方法也无法应对战场环境的快速变化。结合深度学习和偏振高光谱成像技术的发展,通过模拟偏振高光谱低空目标检测平台,提出基于FasterR-CNN的地面军事目标检测方法。采用区域建议网络模块进行模型训练,而在目标检测阶段通过对特征图进行兴趣区域池化操作得到建议特征图,最后利用建议特征图完成目标类别判定。实验选取3种典型的军事车辆缩比模型,通过偏振高光谱相机在室内外模拟环境中获取目标在不同场景条件的图像数据,以及某型无人机在低空条件下的地面车辆目标数据进行实验验证。实验表明,该方法在有效完成地面目标的检测时,能够达到理想的检测精度和速度。(本文来源于《红外技术》期刊2019年07期）
李冰清[3]（2019）在《探讨低空慢速目标检测、跟踪方法及数据处理》一文中研究指出现代战争中,小型低空飞行器因其具有飞行高度较低、小巧灵活以及良好的隐蔽性等多种优势特性,故而得到了相对广泛的运用。该类目标具有低空慢速的特性。因此本文以小型低空飞行器为研究对象,对低空慢速目标检测、跟踪方法以及数据处理进行简要分析。引言:低空环境具有较多的地物杂波,特别是在高层建筑环境下,其产生的回波极有可能掩盖待测目标回波,加之受到较强的多径效应影(本文来源于《电子世界》期刊2019年08期）
席明日[4]（2018）在《基于数据处理和信号处理一体化的低空小目标检测技术》一文中研究指出在现代社会,雷达的应用领域得到了很大的扩展,虽然各种用途的雷达层出不穷,但是雷达的最基本任务还是对各种目标进行检测和跟踪。但是,随着军事领域各种隐形飞行器技术的发展,涌现出以美国的F22为代表的一大批高隐身性能的飞行器;而在非军事领域以“大疆”民用无人机为代表的各种商用、民用小型飞行器也得到了蓬勃发展。这就使得发现、跟踪这些RCS很小的目标变得越发重要起来。在面对这些小目标时,经典的雷达信号处理流程显得无能为力。另一方面,军用的隐形飞行器除了有小的RCS往往还拥有低空突防的能力;而民用小型飞行器,天生具有低空飞行的能力。综合上面两个原因,发现并跟踪低空小目标的是一个亟需研究的问题。首先,对选题背景等进行简单介绍。然后,通过分析研究传统的检测跟踪体制,指出先检测后跟踪方法的不足并在此基础上引入了新的检测跟踪体制,也就是所谓的TBD技术。接下来,针对低空目标的检测问题进行研究,提出一种基于相位信息的杂波图技术,用以解决已有低空目标检测技术中难以避免的自遮蔽问题。然后对航迹起始算法进行研究。先对几种最基本的航迹起始算法,以及其实现方法进行介绍并利用MATLAB进行数据仿真。通过分析仿真结果对这几种基本的航迹起始算法的效果进行比较。在虚假目标稀疏和密集的两种环境下,分别指出这些算法的不同效果以及它们的适应性。接着介绍了几种常用的改进算法,并对其中的“利用多普勒信息”的航迹起始算法进行仿真,分析结果证明,这种算法在虚假点迹较多时也能取得比较理想的效果。然后提出一种利用航迹质量并结合修正的逻辑法进行航迹起始的方法,此方法可以在修正的逻辑法基础上有效地减少虚假航迹的发生。此外还介绍了一种使用跟踪信息的一体化技术,这种方法能提升小目标的检测效果。最后,结合具体项目,详细叙述了一个基于Qt的数据处理和显示系统的实现方法,为基于信号处理和数据处理的一体化检测技术打下实践基础。(本文来源于《西安电子科技大学》期刊2018-06-01）
龚作豪[5]（2018）在《低空慢速目标检测、跟踪方法及数据处理》一文中研究指出现代化武器装备无一不和信息科技相结合,丧失了信息主动权就等于失去了武器装备的控制权。在现代化城市战中,小型低空飞行器成为了战场中的新型杀手,它们往往是多个一起行动或编队飞行,能自由穿梭在楼宇之间,不仅能获得战场动态信息,还具备一定的杀伤力。因其飞行高度低,体积小,隐蔽性强,在大型杀伤力武器无法到达或无法使用的情况下,往往能起到出其不意,占据战场优势,主宰战局的作用。当前关于此类低空慢速目标的检测及跟踪技术研究尚缺,本文根据低空慢速目标特性,提出了适合此类目标的检测及跟踪方法。首先分析了低空慢速目标在检测及跟踪时的难点所在,就强杂波背景下的目标检测问题,介绍了叁种常规方法:以杂波抑制为目的的自适应动目标显示技术,强杂波背景下为避免计算机过载而采用的恒虚警检测技术以及通过改变传统处理流程提高低信杂比时检测性能的检测前跟踪技术。并简要说明了叁种典型跟踪滤波方法。然后针对性的就多目标跟踪过程中的两个重点难点环节航迹起始与数据互联做了细致分析和研究。分析了传统航迹起始及数据互联方法存在的问题,分别提出了基于多普勒速度的联合逻辑快速航迹起始方法和基于多普勒速度的快速概率数据互联算法。通过对比试验,验证了本文提出方法的可行性及有效性。最后处理了低空慢速无人机实测回波数据。介绍了传统雷达信号处理及数据处理流程,并根据雷达系统参数和工程环境进行流程改进。然后对处理过程中遇到的异常现象做出分析和解释,提出相应的解决方案。通过检测和跟踪结果的对比,利用本文提出的算法和改进流程得到了较数据提供单位性能更好的处理结果。(本文来源于《西安电子科技大学》期刊2018-06-01）
任超瑛[6]（2018）在《低空复杂环境多源运动目标检测方法研究》一文中研究指出多源运动目标检测技术在安保监视、应急搜救、低空避险等应用领域中具有十分重要的地位。在安保监视领域,伴随着无人机应用日益广泛,针对无人机的监管却滞后于应用发展的脚步。无人机属于典型的“低、小、慢”运动目标,多源传感器上视获取无人机数据,对数据处理获得目标的可靠检测与跟踪尚不成熟。在应急搜救领域,安置于低空运动平台的多源传感器下视获取含有微弱运动目标及强地物背景的数据,从强的地物背景中有效提取出微弱的运动目标是极其困难的。因此,开展多源协同运动目标检测的研究是十分必要的,其关键技术的突破对我国提升“低、小、慢”运动目标的安保监视能力和复杂地物背景下全天时全天候搜救能力具有十分重要的意义。面向上视“低、小、慢”无人机监视的需求,针对传统检测方法计算复杂度高、实时性差、检测不可靠等缺陷,利用目标稀疏与背景低秩的特点,通过矩阵分解和降维处理实现动静的有效分离。分别利用DECOLOR算法、RPCA算法、Godec分解算法、MAMR算法对录取的红外数据流和光学数据流进行了实测数据处理验证。实测数据结果表明利用DECOLOR算法检测,较大目标和较小目标都能比较完整的检测出来,慢速目标检测效果欠佳,检测时间较长。传统的RPCA算法所用的时间最短,但是对于较小的目标只能看到检测小块点集,而难以完整的看出运动目标的形状。对于较大目标的检测,存在空洞、轮廓缺失现象。Godec检测效果较RPCA略好,但也同样存在传统RPCA检测结果的不足。MAMR算法对于目标轮廓缺失和空洞现象有所改善,但是对于较小目标,同样难以完整的看出运动目标的形状。针对视频合成孔径雷达(VideoSAR)下视工作时运动目标速度快导致的信噪比(SNR)低以及帧间时空配准精度不高造成地物背景消除性能下降的难题,开展了对运动目标阴影检测的研究。快速运动目标在成像中由于散焦直接检测极其困难,目标的阴影可作为检测的重要手段。传统静止阴影检测模型直接应用于VideoSAR运动目标检测,存在虚警目标多、难以排除静止阴影困难的问题,利用运动目标帧间的时空关联特性,提出了一种基于时空关联的VideoSAR运动目标检测方法。首先,采用基本的静止阴影检测模型对VideoSAR的单帧图像进行阴影检测并获得初步的阴影目标(包含运动的阴影如动目标,静止的阴影如树木、低洼等),为了提高检测效率,降低了检测门限,得到了带有大量虚警目标的阴影集;然后,为降低虚警,采用时空关联方法对静止模型检测得到的阴影集进行检测前跟踪。在时空关联检测新方法中,首先利用杂波阴影比来估计目标的运动参数;接着,利用已获得的目标运动参数对其阴影进行卡尔曼滤波,进而筛选出符合运动航迹的阴影即为大概率运动目标集;最后,通过滑窗的形式判断检测分组内初始帧和末尾帧之间的质心距离,若质心距离小于门限值,则认为该阴影为静止阴影,否则判断其为运动目标阴影,即实现了从大概率运动目标集中的静止阴影剔除。所提方法提升了VideoSAR运动目标检测的可靠性。通过对Sandia实验室的VideoSAR实测数据处理,验证了所提动目标检测方法的有效性。(本文来源于《西安电子科技大学》期刊2018-06-01）
奚玉鼎,于涌,丁媛媛,李岩,唐正宏[7]（2018）在《一种基于低空全景图像的低慢小目标检测方法》一文中研究指出随着国家低空空域的开放,防范和处置低慢小目标的干扰和破坏已经成为重大安保活动的世界性难题。上海天文台研制了一套快速搜索空中低慢小目标的光电系统。针对该光电系统,提出一种基于全景图像的低慢小目标的检测算法,以降低低慢小目标虚警率。首先利用Top-hat算子对低空全景图像进行高通滤波;然后对提取出的可疑目标进一步筛查判断,通过统计局部区域的天空、云朵和目标自身的灰度特性,设置门限以减少低慢小目标的误检率。对检测算法进行了试验验证,算法有效降低了形态学单帧检测算法虚警率,在低慢小目标搜索发现中取得了较好的工程应用效果。(本文来源于《工业控制计算机》期刊2018年05期）
曹宇剑,徐国明,史国川[8]（2018）在《基于旋转不变Faster R-CNN的低空装甲目标检测》一文中研究指出对机动变换的装甲目标进行快速精确检测是低空无人机的一项重要性能要求,但目前主流检测方法自身的旋转不变性不能有效应对这一挑战。结合深度卷积神经网络(CNN)提出基于旋转不变Faster R-CNN的低空装甲目标检测方法,该方法在Faster R-CNN框架的基础上引入旋转不变层,通过在模型的目标函数上增加正则化约束条件来加强目标CNN特征旋转前后的不变性。实验选取叁种典型的装甲目标缩比模型,在室内外模拟不同场景条件下的低空侦察环境,利用偏振高光谱相机获取目标的侦察模拟图像作为样本数据用于模型验证。在多模型对比实验中,改进模型的平均检测准确率提升了2.4%,取得了最好的检测效果,初步验证了改进方法的有效性。(本文来源于《激光与光电子学进展》期刊2018年10期）
王靖宇,王霰禹,张科,蔡宜伦,刘越[9]（2018）在《基于深度神经网络的低空弱小无人机目标检测研究》一文中研究指出针对低空无人机目标视觉特征较弱,传统识别模型在目标尺度较小时易受干扰导致识别精度下降等问题,提出了一种基于多隐含层深度神经网络的弱小无人机目标检测模型。根据低空监视图像输入特性和弱小无人机目标视觉表征特点,设计了包含多个隐含层的多通道深度神经网络模型结构,并通过建立多尺度、多角度、多背景条件下的无人机目标图像数据库,完成了对深度网络模型参数的训练及优化。仿真结果表明,所设计的深度模型对低空无人机目标具有较好的变尺度检测能力和抗干扰效果,体现出良好的鲁棒性和潜在工程应用前景。(本文来源于《西北工业大学学报》期刊2018年02期）
赵丹[10]（2018）在《关于低空雷达导引头海面目标检测性能的研究》一文中研究指出精确指导式导弹研制技术中的核心技术。主动雷达导引头制导技术对导弹作战时效能的提升有着重要的作用。海杂波与雷达导引头检测性能之间有着较为密切的联系。雷达导引头目标检测能力的影响因素为多径散射与海杂波的影响效果。本文主要从低空雷达导引头海面目标检测的杂波特性入手,对低空雷达导引头海绵目标检测性能问题进行了分析。(本文来源于《中国设备工程》期刊2018年05期）
低空目标检测论文开题报告
（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：
随着无人机等低空平台在侦察领域的不断扩展以及对性能要求的不断提高,各应用场景对目标检测精度和速度也提出了越来越高的要求。传统的目标成像方法难以满足图像质量需求,人工识别目标的方法也无法应对战场环境的快速变化。结合深度学习和偏振高光谱成像技术的发展,通过模拟偏振高光谱低空目标检测平台,提出基于FasterR-CNN的地面军事目标检测方法。采用区域建议网络模块进行模型训练,而在目标检测阶段通过对特征图进行兴趣区域池化操作得到建议特征图,最后利用建议特征图完成目标类别判定。实验选取3种典型的军事车辆缩比模型,通过偏振高光谱相机在室内外模拟环境中获取目标在不同场景条件的图像数据,以及某型无人机在低空条件下的地面车辆目标数据进行实验验证。实验表明,该方法在有效完成地面目标的检测时,能够达到理想的检测精度和速度。
（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。
低空目标检测论文参考文献
[1].魏鑫,魏俊杰,柏佳.低空复杂环境下雷达目标检测的Matlab算法实现[J].无线互联科技.2019
[2].黄伟,曹宇剑,徐国明.基于FasterR-CNN模型的低空平台偏振高光谱目标检测[J].红外技术.2019
[3].李冰清.探讨低空慢速目标检测、跟踪方法及数据处理[J].电子世界.2019
[4].席明日.基于数据处理和信号处理一体化的低空小目标检测技术[D].西安电子科技大学.2018
[5].龚作豪.低空慢速目标检测、跟踪方法及数据处理[D].西安电子科技大学.2018
[6].任超瑛.低空复杂环境多源运动目标检测方法研究[D].西安电子科技大学.2018
[7].奚玉鼎,于涌,丁媛媛,李岩,唐正宏.一种基于低空全景图像的低慢小目标检测方法[J].工业控制计算机.2018
[8].曹宇剑,徐国明,史国川.基于旋转不变FasterR-CNN的低空装甲目标检测[J].激光与光电子学进展.2018
[9].王靖宇,王霰禹,张科,蔡宜伦,刘越.基于深度神经网络的低空弱小无人机目标检测研究[J].西北工业大学学报.2018
[10].赵丹.关于低空雷达导引头海面目标检测性能的研究[J].中国设备工程.2018