机载雷达图像目标识别模型仿真研究
本文选题:机载雷达 切入点:塔机目标 出处:《计算机仿真》2014年12期
【摘要】:机载视觉雷达对目标准确标识别,关系到航空领域的安全。机载视觉雷达的目标识别多是高空作业,识别的目标图像信息易受到飞机倾斜角度、高空外部噪声干扰、机身异常抖动、被测物体的抖动和采样速度过低等因素的干扰,使得识别目标区域模糊,可识别特征发生严重衰减。传统机载视觉雷达的目标识别方法中,在运动状态下对高空目标的图像衰减特征分割一直很困难,分割过程会出现过分割和欠分割的问题,导致目标识别结果不理想。提出采用机载视觉雷达倾斜状态下的目标识别方法,得到图像中对地目标的运行速度,通过雷达视场距离的标定成像几何原理,将地面目标三维场景投射到二维象平面中,并采用数据链驱动无缝集成模式来运算识别地面目标的实际数量,获取准确的塔机目标识别检测结果。实验结果说明,所提机载视觉雷达倾斜状态下的目标识别模型获取的地面目标识别更加准确,并且具有较高的检测效率和精度。
[Abstract]:The accurate identification of target by airborne visual radar is related to the safety of aeronautical field.The target recognition of airborne visual radar is mostly aerial operation, and the target image information is easily disturbed by the factors such as aircraft tilt angle, high altitude external noise interference, fuselage abnormal jitter, jitter of measured object and low sampling speed, etc.It makes the target area fuzzy and the recognition feature attenuate seriously.In the traditional target recognition method of airborne vision radar, it is always difficult to segment the image attenuation feature of high-altitude target in moving state. The segmentation process will appear the problem of over-segmentation and under-segmentation, which leads to the unsatisfactory result of target recognition.In this paper, a method of target recognition in the tilt state of airborne visual radar is proposed to get the moving speed of the ground target in the image. The 3D scene of the ground target is projected into the two-dimensional image plane by the geometric principle of the calibration imaging of the radar field of view.The data link driven seamless integration mode is used to calculate the actual number of ground targets and obtain accurate detection results of tower crane targets.The experimental results show that the target recognition model obtained by the proposed airborne visual radar is more accurate and has higher detection efficiency and accuracy.
【作者单位】: 华东交通大学信息工程学院;华东交通大学江西省先进控制与优化重点实验室;
【基金】:江西省科技计划项目(20122BBE500048) 国家自然科学基金(51174091,61164013) 江西省科技落地计划项目(赣财教[2011]243号) 江西省自然科学基金项目(20114BAB211017) 教育部人文社科基金项目(12YJCZH099)
【分类号】:TN957.52
【参考文献】
相关期刊论文 前2条
1 陈卫东;赵庆展;;P2P环境下不信任节点分层免疫模型仿真分析[J];计算机仿真;2014年03期
2 魏武,张起森,王明俊,黄中祥;基于计算机视觉和图像处理的交通参数检测[J];信息与控制;2001年03期
【共引文献】
相关期刊论文 前10条
1 陈永云,刘爱伦,俞金寿;非线性时滞不确定系统传感器鲁棒故障诊断[J];传感技术学报;2003年02期
2 卢湖川,朱矿军;基于视频的交通流参数检测[J];城市交通;2005年02期
3 杨小波;石红瑞;;非线性摄动时滞系统故障诊断[J];东华大学学报(自然科学版);2009年04期
4 高超;高渊;;一种新型电子警察的设计[J];东南大学学报(自然科学版);2008年S2期
5 孙利虎;熊林;范志强;黄懿;高紫枫;;基于运动矢量场时空滤波的车辆检测算法[J];电脑知识与技术;2012年15期
6 张霖;韩宝明;李得伟;;基于图像技术的城市轨道交通大客流辨识[J];都市快轨交通;2012年01期
7 曹江中;戴青云;谭志标;邸磊;;基于视频检测的高速公路交通信息采集系统设计[J];电子技术应用;2007年06期
8 吴海翔;高朝晖;;高速公路联网环境下车牌识别技术应用[J];公路交通科技;2006年09期
9 佟守愚;程三伟;李江;;高速公路车辆超速检测算法影响因素分析与对策研究[J];公路交通科技;2006年10期
10 占建云;张毅;王长君;姚丹亚;陆磊;;基于HALCON的视频交通参数检测方法[J];公路交通科技;2008年09期
相关会议论文 前5条
1 李熙莹;唐佳林;罗东华;佘永业;;基于视频图像处理的交通流检测方法综述[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年
2 蒋大林;马军强;;基于视频的车辆检测与跟踪方法综述[A];第六届全国信息获取与处理学术会议论文集(2)[C];2008年
3 杨华;邹月娴;刘志刚;时广轶;关佩;王一言;;基于视频的复杂交通场景车辆跟踪技术研究[A];第六届全国信息获取与处理学术会议论文集(1)[C];2008年
4 蒋大林;芮瑞;;车位检测器及其发展研究[A];全国第二届信号处理与应用学术会议专刊[C];2008年
5 赵崇波;;基于视频虚拟分区的车辆信息采集方法研究[A];公交优先与缓堵对策——中国城市交通规划2012年年会暨第26次学术研讨会论文集[C];2012年
相关博士学位论文 前7条
1 张登峰;动态系统的故障检测与诊断研究[D];南京理工大学;2003年
2 彭涛;基于传感器最优配置的故障检测方法研究[D];中南大学;2005年
3 刘光耀;基于模型的交通流信息检测系统研究[D];浙江大学;2005年
4 佟守愚;基于视频技术的交通违章检测与识别理论及方法研究[D];吉林大学;2006年
5 钱玮;小波理论在图像技术中的应用研究[D];中国科学技术大学;2006年
6 颜秉勇;非线性系统故障诊断若干方法及其应用研究[D];上海交通大学;2010年
7 吴法;图像处理与机器学习在未系安全带驾车检测中的应用[D];浙江大学;2013年
相关硕士学位论文 前10条
1 张亚军;有限状态设备的移动监视与识别方法的研究[D];浙江理工大学;2010年
2 黄旭;交通视频中的车辆检测与跟踪技术研究及实现[D];电子科技大学;2010年
3 张晓晶;基于视频的车辆检测及车牌识别系统的研究[D];太原理工大学;2011年
4 张霖;北京城市轨道交通大客流辨识与安全状态评估技术及系统[D];北京交通大学;2011年
5 杨聪俐;基于视频流的车辆检测和跟踪算法的研究[D];吉林大学;2011年
6 徐步玉;基于马尔可夫随机场的运动目标检测方法研究[D];合肥工业大学;2011年
7 杨会锋;基于视频的运动汽车检测技术研究[D];兰州理工大学;2011年
8 李娜;基于视频的交通信息采集系统的研究[D];中南大学;2010年
9 梁成;基于视频的行人检测技术研究[D];长安大学;2011年
10 张克伟;基于数学形态学的车流量检测技术研究[D];长安大学;2011年
【二级参考文献】
相关期刊论文 前6条
1 张锦明;洪刚;文锐;王学涛;;Dijkstra最短路径算法优化策略[J];测绘科学;2009年05期
2 刘天时,赵嵩正;一种分层式2PC协议通信算法研究[J];计算机工程;2004年06期
3 魏星;;一种基于推荐的P2P网络信任管理模型[J];计算机仿真;2010年12期
4 陈娟;刘继承;孔维华;;P2P网络构架下路径查找的优化算法[J];计算机与数字工程;2008年10期
5 王峰;游志胜;曼丽春;高燕;汤丽萍;;Dijkstra及基于Dijkstra的前N条最短路径算法在智能交通系统中的应用[J];计算机应用研究;2006年09期
6 章永龙;;Dijkstra最短路径算法优化[J];南昌工程学院学报;2006年03期
【相似文献】
相关期刊论文 前10条
1 谢松云,张建,董大群;基于灰色模型的舰船声信号目标识别[J];信号处理;2002年05期
2 赵永强,张洪才,潘泉;基于粗集的目标识别[J];计算机应用;2003年S1期
3 冯杰,盖强,古军峰;模糊聚类分析方法在海上目标识别中的应用[J];仪器仪表学报;2004年S1期
4 李彦鹏,黎湘,庄钊文,梁甸农;应用多级模糊综合评判的目标识别效果评估[J];信号处理;2005年05期
5 周乐儒;王宝树;;数据融合系统中并行目标识别的研究与实现[J];计算机工程;2006年05期
6 王娜;陈克安;;基于特性响度的心理声学特征在车辆目标识别中的应用[J];电声技术;2006年06期
7 陆强强;章新华;;综合目标识别的输入信息源研究[J];现代防御技术;2006年05期
8 魏丽;吴中福;李云;古毅;;感知归类在目标识别中的应用研究[J];计算机科学;2006年05期
9 綦辉;;面向目标识别的水下多传感器信息融合技术比较研究[J];舰船科学技术;2009年01期
10 程蕾;吴秀清;;局部特征几何结构用于目标识别[J];计算机工程与应用;2010年26期
相关会议论文 前10条
1 王宇;钟秋海;;用统计模式识别方法建立海上目标识别的数学模型[A];1995中国控制与决策学术年会论文集[C];1995年
2 郑援;胡成军;;基于数据融合的鱼雷目标识别[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年
3 李夕海;赵克;慕晓冬;刘代志;;目标识别中的特征相空间吸引子分析[A];第十届全国信号处理学术年会(CCSP-2001)论文集[C];2001年
4 冯杰;盖强;古军峰;;模糊聚类分析方法在海上目标识别中的应用[A];第二届全国信息获取与处理学术会议论文集[C];2004年
5 赵克;刘代志;慕晓东;苏娟;;目标识别的特征量约束[A];第九届全国信号处理学术年会(CCSP-99)论文集[C];1999年
6 李正东;陈兴无;宋琛;何武良;;多传感器的目标识别[A];中国工程物理研究院科技年报(1999)[C];1999年
7 郭相科;刘进忙;曹学斌;张玉鹏;;子类独立分量分析在声目标识别中的应用[A];中国声学学会2007年青年学术会议论文集(上)[C];2007年
8 张翠;高广春;赵胜颖;;基于时间融合算法的近程目标识别[A];2011下一代自动测试系统学术研讨会论文集[C];2011年
9 俞鸿波;赵荣椿;;三维空间目标识别概述[A];信号与信息处理技术——第一届信号与信息处理联合学术会议论文集[C];2002年
10 曹健;陈红倩;毛典辉;李海生;蔡强;;基于局部特征的图像目标识别问题综述[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
相关重要报纸文章 前2条
1 莫衍崴 特约记者刘谦;上士白光斌:电话传音排故障[N];战士报;2012年
2 陈德潮邋本报特约通讯员 曹金平 刘剑;为潜艇铸“魂”[N];解放军报;2008年
相关博士学位论文 前10条
1 舒锐;卫星目标识别与特征参数提取方法研究[D];哈尔滨工业大学;2010年
2 张池平;多传感器信息融合方法及其在空间目标识别中的应用[D];哈尔滨工业大学;2006年
3 李彦鹏;自动目标识别效果评估[D];国防科学技术大学;2004年
4 贾宇平;基于信任函数理论的融合目标识别研究[D];国防科学技术大学;2009年
5 张祥合;复杂场景中目标识别与分类的仿生原理和方法[D];吉林大学;2012年
6 谢妤婵;视觉目标识别与三维定位关键技术的研究[D];天津大学;2009年
7 黄双萍;通用视觉目标识别的关键技术研究[D];华南理工大学;2011年
8 杨国;3mm波段主被动复合探测技术研究[D];南京理工大学;2006年
9 邹健;统计流形框架下视觉特征的嵌入与目标识别[D];南京理工大学;2012年
10 邢卓异;基于图像的目标识别与跟踪方法研究[D];哈尔滨工程大学;2007年
相关硕士学位论文 前10条
1 张建;灰建模理论及其在目标识别中的应用[D];西北工业大学;2002年
2 周芳芳;数据融合与数据挖掘理论在目标识别中的应用研究[D];东南大学;2004年
3 李祥茹;基于视频监控的特定目标识别研究[D];南京邮电大学;2012年
4 许维星;复杂背景下的目标识别及高精度定位技术研究[D];中国科学院研究生院(西安光学精密机械研究所);2011年
5 杨红丽;目标识别与跟踪在激光主动侦查中的研究[D];电子科技大学;2009年
6 来磊;基于室内的人体目标识别与跟踪关键技术研究[D];东华大学;2010年
7 李旭军;多传感器数据融合及其在潜艇目标识别中的应用[D];武汉理工大学;2006年
8 王德生;机场目标识别、快速算法、快速实现及仿真[D];国防科学技术大学;2006年
9 孙越;水下柱状目标识别与视觉硬件系统研究[D];哈尔滨工程大学;2009年
10 田娜;基于数据挖掘技术的目标识别分类研究[D];西北工业大学;2004年
,本文编号:1701384
本文链接:https://www.wllwen.com/kejilunwen/wltx/1701384.html