本文關(guān)鍵詞： 深度學(xué)習(xí) 圖像抖動(dòng)處理 卷積神經(jīng)網(wǎng)絡(luò) 目標(biāo)識(shí)別　出處：《計(jì)算機(jī)仿真》2017年11期 　論文類(lèi)型：期刊論文

【摘要】：在當(dāng)前復(fù)雜多變的戰(zhàn)場(chǎng)環(huán)境下,采用傳統(tǒng)的目標(biāo)識(shí)別手段存在成本高、識(shí)別率低、難以快速定位目標(biāo)等問(wèn)題,亟需一種成本低、識(shí)別率高的識(shí)別手段。為此提出一種戰(zhàn)場(chǎng)目標(biāo)識(shí)別方法,首先對(duì)連續(xù)拍攝且拍攝時(shí)有抖動(dòng)的圖像進(jìn)行預(yù)處理以降低拍攝圖像時(shí)抖動(dòng)產(chǎn)生的影響,之后再基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)改進(jìn)模型實(shí)現(xiàn)對(duì)戰(zhàn)場(chǎng)目標(biāo)的識(shí)別。實(shí)驗(yàn)結(jié)果表明,基于改進(jìn)的CNN模型的方法可以取得較高的戰(zhàn)場(chǎng)目標(biāo)識(shí)別準(zhǔn)確率。
[Abstract]:In the current complex and changeable battlefield environment, the traditional method of target recognition has the problems of high cost, low recognition rate and difficult to locate targets quickly. Therefore, a method of battlefield target recognition is proposed. Firstly, the images that are shot continuously and have jitter are preprocessed in order to reduce the impact of the jitter when shooting images. Then, an improved model based on Convolutional Neural Networks (CNN) is used to recognize battlefield targets. The experimental results show that the proposed model can be used to recognize battlefield targets. The method based on improved CNN model can achieve high accuracy of battlefield target recognition.
【作者單位】： 中國(guó)電子科技集團(tuán)公司第十五研究所;
【分類(lèi)號(hào)】：TP183;TP391.41
【正文快照】： 1引言在現(xiàn)代戰(zhàn)場(chǎng)環(huán)境中,無(wú)人機(jī)、高精度衛(wèi)星等各類(lèi)尖端偵察設(shè)備的廣泛應(yīng)用已積累了海量的目標(biāo)圖像,如何有效利用這些圖像素材以獲取目標(biāo)關(guān)鍵信息,以便在未來(lái)戰(zhàn)場(chǎng)中能夠快速識(shí)別、定位敵我目標(biāo)已成為當(dāng)前軍事科研領(lǐng)域的前沿研究方向。本文提出了一種以CNN改進(jìn)算法為基礎(chǔ),輔以抖

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 尚怡君;金保華;張?jiān)讫?;基于相關(guān)分析的飛機(jī)目標(biāo)識(shí)別方法[J];電子設(shè)計(jì)工程;2013年16期

2 徐勝榮，，李忠興;自然景物中橋梁目標(biāo)識(shí)別方法的研究[J];浙江大學(xué)學(xué)報(bào)(自然科學(xué)版);1995年03期

3 董慧穎;基于模糊理論的地面三維目標(biāo)識(shí)別方法[J];信息與控制;2001年S1期

4 黨宏社,韓崇昭;一種基于證據(jù)推理的目標(biāo)識(shí)別方法[J];計(jì)算機(jī)工程與應(yīng)用;2003年10期

5 ;雷達(dá)總論、雷達(dá)理論與技術(shù)[J];電子科技文摘;2006年02期

6 郭聯(lián)金;陳健;;基于多傳感器數(shù)據(jù)融合的目標(biāo)識(shí)別方法[J];廣東有色金屬學(xué)報(bào);2006年03期

7 王琰;楊大為;;小波系數(shù)特征的目標(biāo)識(shí)別方法[J];小型微型計(jì)算機(jī)系統(tǒng);2008年03期

8 王剛;賀偉;董衛(wèi)斌;陳遵田;崔東森;;一種基于形態(tài)點(diǎn)特征的目標(biāo)識(shí)別方法[J];探測(cè)與控制學(xué)報(bào);2010年06期

9 鮑溪清;實(shí)時(shí)二維多尺度目標(biāo)識(shí)別方法及其應(yīng)用[J];大連鐵道學(xué)院學(xué)報(bào);2005年02期

10 劉蔭田;一種具有自學(xué)習(xí)功能的高速目標(biāo)識(shí)別方法[J];光學(xué)精密工程;1994年03期

相關(guān)會(huì)議論文 前10條

1 張艷寧;趙榮椿;梁怡;;一種有效的圖像目標(biāo)識(shí)別方法[A];加入WTO和中國(guó)科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對(duì)策（下冊(cè)）[C];2002年

2 肖懷鐵;郭雷;付強(qiáng);;一種新的模糊支持矢量機(jī)多目標(biāo)識(shí)別方法[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

3 任文君;蘇開(kāi)娜;;一種復(fù)雜背景下基于知識(shí)的目標(biāo)識(shí)別方法的研究[A];中國(guó)圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國(guó)圖象圖形科技大會(huì)論文集[C];1998年

4 陶志國(guó);姜一暉;柳鵬;;基于BP神經(jīng)網(wǎng)絡(luò)的飛機(jī)目標(biāo)識(shí)別方法研究[A];'2006系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2006年

5 張冬英;洪津;王峰;駱冬根;邱成峰;;基于灰度直方圖的暗目標(biāo)識(shí)別方法[A];光子科技創(chuàng)新與產(chǎn)業(yè)化——長(zhǎng)三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

6 陳文新;王長(zhǎng)富;戴蓓倩;;基于神經(jīng)網(wǎng)絡(luò)的漢語(yǔ)四聲識(shí)別[A];第一屆全國(guó)語(yǔ)言識(shí)別學(xué)術(shù)報(bào)告與展示會(huì)論文集[C];1990年

7 李睿;李明軍;;一種模糊高斯基神經(jīng)網(wǎng)絡(luò)在數(shù)值逼近上的仿真[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國(guó)第17屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2006年

8 許旭萍;臧道青;;采用Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)施缸蓋表面點(diǎn)陣字符識(shí)別[A];第十五屆全國(guó)汽車(chē)檢測(cè)技術(shù)年會(huì)論文集[C];2011年

9 朱長(zhǎng)春;;神經(jīng)網(wǎng)絡(luò)用于線(xiàn)性時(shí)固有系統(tǒng)的廣義狀態(tài)轉(zhuǎn)移矩陣的識(shí)別[A];中國(guó)工程物理研究院科技年報(bào)（1999）[C];1999年

10 王玉斌;李永明;王穎;;用數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)預(yù)測(cè)工程造價(jià)[A];第十一屆全國(guó)電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類(lèi)大腦[N];計(jì)算機(jī)世界;2003年

相關(guān)博士學(xué)位論文 前10條

1 白剛浩;基于視覺(jué)注意和局部不變性特征相結(jié)合的目標(biāo)識(shí)別技術(shù)研究[D];浙江大學(xué);2015年

2 湯曉;基于復(fù)雜網(wǎng)絡(luò)的圖像目標(biāo)識(shí)別方法研究[D];廣東工業(yè)大學(xué);2013年

3 李曉剛;基于神經(jīng)網(wǎng)絡(luò)的碼垛機(jī)器人視覺(jué)位姿測(cè)量及伺服控制研究[D];北京林業(yè)大學(xué);2015年

4 戶(hù)保田;基于深度神經(jīng)網(wǎng)絡(luò)的文本表示及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2016年

5 沈旭;基于序列深度學(xué)習(xí)的視頻分析：建模表達(dá)與應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

6 李彥冬;基于卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)視覺(jué)關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2017年

7 諸勇;正交回歸神經(jīng)網(wǎng)絡(luò)及其在控制系統(tǒng)中的應(yīng)用[D];浙江大學(xué);1998年

8 王光偉;基于非對(duì)稱(chēng)逆布局模型的目標(biāo)識(shí)別方法研究[D];華中科技大學(xué);2012年

9 包姣;基于深度神經(jīng)網(wǎng)絡(luò)的回歸模型及其應(yīng)用研究[D];電子科技大學(xué);2017年

10 田景文;地下油藏的仿真與預(yù)測(cè)[D];哈爾濱工程大學(xué);2001年

相關(guān)碩士學(xué)位論文 前10條

1 羅飛揚(yáng);基于局部相似結(jié)構(gòu)統(tǒng)計(jì)匹配模型的紅外目標(biāo)識(shí)別方法[D];南京理工大學(xué);2015年

2 武俊;復(fù)雜環(huán)境中特定目標(biāo)識(shí)別方法研究[D];上海交通大學(xué);2015年

3 楊紅葉;基于圖像差異性特征描述的目標(biāo)識(shí)別方法及其應(yīng)用[D];華北電力大學(xué);2015年

4 胡大盟;圖像輪廓的特征描述及其單目標(biāo)識(shí)別方法研究[D];蘇州大學(xué);2016年

5 薛陶蓓;基于LARK和近鄰結(jié)構(gòu)匹配的紅外目標(biāo)識(shí)別方法[D];南京理工大學(xué);2016年

6 朱閃閃;基于超聲陣列聲場(chǎng)仿真平臺(tái)的目標(biāo)識(shí)別方法研究[D];西南科技大學(xué);2016年

7 潘偉;基于重構(gòu)的目標(biāo)識(shí)別方法在人臉及雷達(dá)數(shù)據(jù)庫(kù)上的應(yīng)用研究[D];西安電子科技大學(xué);2012年

8 姜嘉琳;基于結(jié)構(gòu)稀疏的目標(biāo)識(shí)別方法[D];西安電子科技大學(xué);2013年

9 程蕾;基于局部特征幾何結(jié)構(gòu)的目標(biāo)識(shí)別方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

10 于筱川;基于機(jī)器學(xué)習(xí)的車(chē)輛目標(biāo)識(shí)別方法[D];西安電子科技大學(xué);2009年

本文編號(hào)：1487796