基于卷积神经网络的作战目标识别方法的研究

发布时间：2018-02-03 16:06

  本文关键词： 深度学习 图像抖动处理 卷积神经网络 目标识别　出处：《计算机仿真》2017年11期 　论文类型：期刊论文

【摘要】：在当前复杂多变的战场环境下,采用传统的目标识别手段存在成本高、识别率低、难以快速定位目标等问题,亟需一种成本低、识别率高的识别手段。为此提出一种战场目标识别方法,首先对连续拍摄且拍摄时有抖动的图像进行预处理以降低拍摄图像时抖动产生的影响,之后再基于卷积神经网络(Convolutional Neural Networks,CNN)改进模型实现对战场目标的识别。实验结果表明,基于改进的CNN模型的方法可以取得较高的战场目标识别准确率。
[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.
【作者单位】： 中国电子科技集团公司第十五研究所;
【分类号】：TP183;TP391.41
【正文快照】： 1引言在现代战场环境中,无人机、高精度卫星等各类尖端侦察设备的广泛应用已积累了海量的目标图像,如何有效利用这些图像素材以获取目标关键信息,以便在未来战场中能够快速识别、定位敌我目标已成为当前军事科研领域的前沿研究方向。本文提出了一种以CNN改进算法为基础,辅以抖

【相似文献】

相关期刊论文 前10条

1 尚怡君;金保华;张云龙;;基于相关分析的飞机目标识别方法[J];电子设计工程;2013年16期

2 徐胜荣，，李忠兴;自然景物中桥梁目标识别方法的研究[J];浙江大学学报(自然科学版);1995年03期

3 董慧颖;基于模糊理论的地面三维目标识别方法[J];信息与控制;2001年S1期

4 党宏社,韩崇昭;一种基于证据推理的目标识别方法[J];计算机工程与应用;2003年10期

5 ;雷达总论、雷达理论与技术[J];电子科技文摘;2006年02期

6 郭联金;陈健;;基于多传感器数据融合的目标识别方法[J];广东有色金属学报;2006年03期

7 王琰;杨大为;;小波系数特征的目标识别方法[J];小型微型计算机系统;2008年03期

8 王刚;贺伟;董卫斌;陈遵田;崔东森;;一种基于形态点特征的目标识别方法[J];探测与控制学报;2010年06期

9 鲍溪清;实时二维多尺度目标识别方法及其应用[J];大连铁道学院学报;2005年02期

10 刘荫田;一种具有自学习功能的高速目标识别方法[J];光学精密工程;1994年03期

相关会议论文 前10条

1 张艳宁;赵荣椿;梁怡;;一种有效的图像目标识别方法[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（下册）[C];2002年

2 肖怀铁;郭雷;付强;;一种新的模糊支持矢量机多目标识别方法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

3 任文君;苏开娜;;一种复杂背景下基于知识的目标识别方法的研究[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

4 陶志国;姜一晖;柳鹏;;基于BP神经网络的飞机目标识别方法研究[A];'2006系统仿真技术及其应用学术交流会论文集[C];2006年

5 张冬英;洪津;王峰;骆冬根;邱成峰;;基于灰度直方图的暗目标识别方法[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年

6 陈文新;王长富;戴蓓倩;;基于神经网络的汉语四声识别[A];第一届全国语言识别学术报告与展示会论文集[C];1990年

7 李睿;李明军;;一种模糊高斯基神经网络在数值逼近上的仿真[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

8 许旭萍;臧道青;;采用Hopfield神经网络实施缸盖表面点阵字符识别[A];第十五届全国汽车检测技术年会论文集[C];2011年

9 朱长春;;神经网络用于线性时固有系统的广义状态转移矩阵的识别[A];中国工程物理研究院科技年报（1999）[C];1999年

10 王玉斌;李永明;王颖;;用数据挖掘和神经网络技术预测工程造价[A];第十一届全国电工数学学术年会论文集[C];2007年

相关重要报纸文章 前1条

1 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

相关博士学位论文 前10条

1 白刚浩;基于视觉注意和局部不变性特征相结合的目标识别技术研究[D];浙江大学;2015年

2 汤晓;基于复杂网络的图像目标识别方法研究[D];广东工业大学;2013年

3 李晓刚;基于神经网络的码垛机器人视觉位姿测量及伺服控制研究[D];北京林业大学;2015年

4 户保田;基于深度神经网络的文本表示及其应用[D];哈尔滨工业大学;2016年

5 沈旭;基于序列深度学习的视频分析：建模表达与应用[D];中国科学技术大学;2017年

6 李彦冬;基于卷积神经网络的计算机视觉关键技术研究[D];电子科技大学;2017年

7 诸勇;正交回归神经网络及其在控制系统中的应用[D];浙江大学;1998年

8 王光伟;基于非对称逆布局模型的目标识别方法研究[D];华中科技大学;2012年

9 包姣;基于深度神经网络的回归模型及其应用研究[D];电子科技大学;2017年

10 田景文;地下油藏的仿真与预测[D];哈尔滨工程大学;2001年

相关硕士学位论文 前10条

1 罗飞扬;基于局部相似结构统计匹配模型的红外目标识别方法[D];南京理工大学;2015年

2 武俊;复杂环境中特定目标识别方法研究[D];上海交通大学;2015年

3 杨红叶;基于图像差异性特征描述的目标识别方法及其应用[D];华北电力大学;2015年

4 胡大盟;图像轮廓的特征描述及其单目标识别方法研究[D];苏州大学;2016年

5 薛陶蓓;基于LARK和近邻结构匹配的红外目标识别方法[D];南京理工大学;2016年

6 朱闪闪;基于超声阵列声场仿真平台的目标识别方法研究[D];西南科技大学;2016年

7 潘伟;基于重构的目标识别方法在人脸及雷达数据库上的应用研究[D];西安电子科技大学;2012年

8 姜嘉琳;基于结构稀疏的目标识别方法[D];西安电子科技大学;2013年

9 程蕾;基于局部特征几何结构的目标识别方法研究[D];中国科学技术大学;2009年

10 于筱川;基于机器学习的车辆目标识别方法[D];西安电子科技大学;2009年

本文编号：1487796