导读:本文包含了海天线论文开题报告文献综述及选题提纲参考文献，主要关键词:前视红外图像,海岸线,海天线,梯度显着性
海天线论文文献综述
仇荣超,吕俊伟,宫剑,修炳楠,马新星[1]（2019）在《前视红外图像中海岸线与海天线的通用检测方法研究》一文中研究指出海岸线与海天线检测作为前视红外成像型反舰导弹末制导技术中的关键技术,通常会受到岛岸、云层、亮带、条状波浪等多种因素干扰。为解决这一问题,提出了一种海岸线与海天线的通用检测方法。对原始图像构建积分图像,采用箱式滤波器来增强海岸线与海天线的边缘特征;逐行滑动统计矩形区域内像素的梯度显着性来确定海岸线与海天线潜在区域,通过潜在区域内逐列寻找显着性最大值点,并对所有的最大值点进行多项式迭代拟合,获得海岸线与海天线的准确位置;基于实际采集的前视红外海面场景图像对该方法进行了验证和分析。结果表明,通用检测方法能够克服岛岸、云层、亮带、条状波浪等复杂背景的干扰,实现海岸线与海天线的检测,场景适应性强,实时性好。(本文来源于《兵工学报》期刊2019年06期）
邵旭慧,裴继红,赵阳[2]（2019）在《基于边界先验双模型贝叶斯决策的红外图像海天线检测》一文中研究指出为了解决红外图像在复杂海面干扰下的海天线检测问题,本文提出了一种基于边界先验双模型贝叶斯决策的海天线检测方法。该方法首先将海空背景下的红外图像划分为子图像块,以子图像块的离散余弦变换的主余弦谱作为子图像块特征;然后,基于边界先验建立了海、天子图像块的贝叶斯决策模型,对海、天子图像块进行粗划分;之后,利用粗划分的子图像块集合建立细划分贝叶斯决策模型,利用重迭子图像块滑动细划分方法,获取海天线上候选点;最后,利用随机抽样一致性(RANSAC)算法得到海天线模型参数,实现海天线的检测。实验结果表明,该方法能有效检测出复杂海空背景下的海天线,对于海杂波、亮斑等干扰较多的复杂红外图像具有更优的检测效果,运算速度较快。(本文来源于《信号处理》期刊2019年05期）
冯鸿奎,傅敏辉,钟德安,包飞,马颖亮[3]（2019）在《基于海天线的舰船姿态算法》一文中研究指出为提高船舶姿态测量的精度,提出一种基于海天线进行姿态测量的新方法。依据海洋环境的特殊性,在确定海天线区域的基础上,对图像的处理、目标的提取进行分析,构建测姿算法模型,获取海基平台的水平姿态,利用海天线信息解算出船舶姿态,并进行实船测量及效果分析。仿真结果表明:该算法可以有效地解算出船体的姿态信息,精度较高。(本文来源于《兵工自动化》期刊2019年05期）
王传龙[4]（2019）在《基于无人艇的海天线与船艇小目标检测方法研究》一文中研究指出近年来,基于水面无人艇可见光图像的海天线和船艇小目标检测技术逐渐成为无人艇领域的研究热点。相较于雷达和红外图像,可见光图像具有成本低、分辨率高等优势。远距离成像的船艇目标缺乏尺寸、形状和纹理等特征信息,且易于受到海面杂波及天空云层干扰,使得目标检测难度很大。本文以水面无人艇为载体,对海天背景可见光图像进行试验研究和分析,通过定位海天线以实现海天线区域分割,并完成船艇目标检测。首先介绍了几种常见图像预处理方法,包括图像灰度变换、几何变换、图像平滑、边缘检测和形态学滤波等;接着探讨了无人艇视觉系统的构成,针对于海雾、降雨等能见度较低场景,研究了几种图像去雾方法,并提出了自适应MSR算法,有效提高了图像信噪比,改善了色彩失真问题;提出了基于自适应MSR算法和Hough变换相结合的海天线检测算法,通过边缘细化和减小θ角度范围以解决Hough变换计算量大的问题,试验表明海天线检测成功率约为95%。本文依据海天线倾斜角度对图像进行旋转校正,然后依据旋转后海天线位置在其上方分割出30个像素高度,下方分割出20个像素高度为海天线区域,最后采用基于背景抑制的局部OTSU算法和GrabCut算法进行船艇目标检测。仿真验证试验表明基于背景抑制的局部OTSU算法可有效增强目标特征信息,抑制背景噪声的干扰,目标检测成功率约为94%,在无人艇的目标检测领域有着良好的应用前景。(本文来源于《中国舰船研究院》期刊2019-03-01）
王传龙,马善伟,屈崇[5]（2019）在《基于Retinex算法的水面无人艇海天线检测方法》一文中研究指出针对海天线检测在水面无人艇自动巡航和目标识别方面的重要作用,提出一种基于Retinex算法和霍夫(Hough)变换的水面无人艇海天线检测方法。采用Retinex算法增强海天背景下的RGB图像,采用中值滤波、阈值分割、形态学闭运算和Canny算子提取边缘,采用Hough变换提取海天线,通过MATLAB进行仿真验证。验证结果表明,所提出的算法可精准提取复杂背景下的海天线,具有较好的适应性。(本文来源于《船舶与海洋工程》期刊2019年01期）
胡耀辉,张科,邢超[6]（2019）在《基于海天线的舰船弱小目标检测》一文中研究指出针对复杂海天背景下,远距离成像的舰船弱小目标检测问题,提出一种基于海天线的检测方法。该方法首先采用基于全卷积网络的方法提取海天线,确定目标潜在区域,排除海天线区域外干扰,接着采用基于四向梯度的方法来检测舰船弱小目标。仿真结果表明:文中所提出的基于全卷积神经网络的海天线检测方法可以克服传统Otsu和行均值梯度法的缺点,在复杂海面背景中精确地检测出海天线;采用基于四向梯度的检测方法有效滤除了海面白色噪点,降低了虚警率,可以较好地实现舰船弱小目标的检测。(本文来源于《西北工业大学学报》期刊2019年01期）
金毅,崔爱莲,严传续,陶卫,赵辉[7]（2018）在《基于海天线检测的无人艇晃动条件下视频拼接方法》一文中研究指出为获得无人艇周围的大视场无失真图像信息,需要对无人艇周边图像进行实时拼接处理。该文采用单应性映射方法对图像进行拼接。无人艇在行驶过程中不可避免的会发生一定程度的晃动,通过建立空间数学模型,得到晃动条件下的图像拼接单应性矩阵计算方法。并通过对图像中海天线的检测对船体晃动进行空间分解,计算。海天线的检测采用改进的概率霍夫方法。采用该文方法对海天线进行检测,正确率达到94.5%,且该方法对逆光图片具有鲁棒性。通过拼接3台相机的视频图像得到无人艇正前方180°视场。该方法实时性良好,满足实际需求。(本文来源于《中国测试》期刊2018年12期）
戴永寿,刘博文,李立刚,金久才,孙伟峰[8]（2018）在《基于局部Otsu分割与Hough变换的海天线检测》一文中研究指出海面波浪、船只与光照等因素的影响,使得可见光海面图像中的海天线难以被准确检测。为提高海天线检测的准确性与鲁棒性,提出了基于局部Otsu分割与Hough变换的海天线检测方法。首先,通过纵向中值滤波快速地抑制灰度图像中的光斑等高频噪声。然后,根据图像特点进行纵向分块处理来补偿光照的不均匀性并将船只的干扰范围限定在部分图像块中,再进行局部Otsu分割得到二值图像并提取其中的边缘像素,抑制了波浪边缘的干扰。最后,采用Hough变换拟合边缘像素以得到海天线。实验结果表明所提方法具有较高的准确性、鲁棒性与实时性,其检测准确率达93.0%,显着高于叁种代表性的海天线检测方法。(本文来源于《光电工程》期刊2018年07期）
张勋,马豪伯,李昀澄[9]（2018）在《行均值梯度与直线拟合联合优化的UUV海面红外图像海天线检测》一文中研究指出在近海面水下无人航行器(underwater unmanned vehicle,UUV)的红外图像采集过程中,由于波浪起伏引起的高倾斜度、海空背景复杂等原因,红外图像的噪声过大,不利于目标的识别与海天线的检测。为此提出了一种海天线检测的改进方法。首先,将经过中值滤波和非线性增强预处理后的红外图像进行处理,得到行均值梯度图,确定海天线粗略位置;然后对其中的天空区域和海面区域进行滤波平滑处理,平滑二者背景中灰度起伏较大的噪声;最后利用优化的直线拟合法对天空区域和海面区域滤波后的图像进行海天线提取。实验结果表明,该方法可改善海天线位置的检测效果,具有较强的通用性,适用于复杂的海天环境。(本文来源于《应用科技》期刊2018年04期）
梅升阳,田金文[10]（2018）在《基于海天线引导与卷积神经网络的舰船目标检测》一文中研究指出红外舰船目标检测在自动目标识别系统中具有重要作用。海天背景下的舰船目标检测通常可以先检测海天线,从而减小目标检测的计算量,提高目标检测的效率。论文结合海天线的分界特性与直线特性,提出基于多特性融合的海天线检测方法,取得较好的效果。在海天线检测基础上,将卷积神经网络的方法引入舰船检测任务中来。通过自行设计网络结构,自主标记训练样本,实现基于卷积神经网络的舰船目标检测方法。实验表明,海天线引导降低了神经网络算法的计算量,使得检测过程更具有实用性。神经网络的引入也让舰船目标检测任务有了更通用更简单的方案。(本文来源于《计算机与数字工程》期刊2018年04期）
海天线论文开题报告
（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：
为了解决红外图像在复杂海面干扰下的海天线检测问题,本文提出了一种基于边界先验双模型贝叶斯决策的海天线检测方法。该方法首先将海空背景下的红外图像划分为子图像块,以子图像块的离散余弦变换的主余弦谱作为子图像块特征;然后,基于边界先验建立了海、天子图像块的贝叶斯决策模型,对海、天子图像块进行粗划分;之后,利用粗划分的子图像块集合建立细划分贝叶斯决策模型,利用重迭子图像块滑动细划分方法,获取海天线上候选点;最后,利用随机抽样一致性(RANSAC)算法得到海天线模型参数,实现海天线的检测。实验结果表明,该方法能有效检测出复杂海空背景下的海天线,对于海杂波、亮斑等干扰较多的复杂红外图像具有更优的检测效果,运算速度较快。
（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。
海天线论文参考文献
[1].仇荣超,吕俊伟,宫剑,修炳楠,马新星.前视红外图像中海岸线与海天线的通用检测方法研究[J].兵工学报.2019
[2].邵旭慧,裴继红,赵阳.基于边界先验双模型贝叶斯决策的红外图像海天线检测[J].信号处理.2019
[3].冯鸿奎,傅敏辉,钟德安,包飞,马颖亮.基于海天线的舰船姿态算法[J].兵工自动化.2019
[4].王传龙.基于无人艇的海天线与船艇小目标检测方法研究[D].中国舰船研究院.2019
[5].王传龙,马善伟,屈崇.基于Retinex算法的水面无人艇海天线检测方法[J].船舶与海洋工程.2019
[6].胡耀辉,张科,邢超.基于海天线的舰船弱小目标检测[J].西北工业大学学报.2019
[7].金毅,崔爱莲,严传续,陶卫,赵辉.基于海天线检测的无人艇晃动条件下视频拼接方法[J].中国测试.2018
[8].戴永寿,刘博文,李立刚,金久才,孙伟峰.基于局部Otsu分割与Hough变换的海天线检测[J].光电工程.2018
[9].张勋,马豪伯,李昀澄.行均值梯度与直线拟合联合优化的UUV海面红外图像海天线检测[J].应用科技.2018
[10].梅升阳,田金文.基于海天线引导与卷积神经网络的舰船目标检测[J].计算机与数字工程.2018