【摘 要】
：
将一幅图像按照一个目标的大小进行缩放,然后计算其梯度特征,再对梯度特征进行标准化,二值化能够极大地提高目标候选区域的选择和检测计算效率,减少耗时。由于对海上舰船目标
【机 构】
：
海军航空工程学院控制科学与工程系,中国国防科技信息中心,91868部队
【基金项目】
：
国家自然科学基金（61303192）资助课题
论文部分内容阅读
将一幅图像按照一个目标的大小进行缩放,然后计算其梯度特征,再对梯度特征进行标准化,二值化能够极大地提高目标候选区域的选择和检测计算效率,减少耗时。由于对海上舰船目标的检测是具有丰富角点的人造目标,对ObjectNess二值化标准梯度特征（binarized normed gradients,BING）方法中的目标候选区域提取算法进行改进,使其能够更加快速地进行候选区域的选择并保持较高的检测率。分析了海上多舰船目标的图像特征,提出了利用角点确定目标的候选基点,再利用ObjectNess BING检测模型训练
其他文献
针对雷达高分辨距离像(high resolution range profile,HRRP)目标识别问题,提出基于卷积稀疏编码与多分类融合(convolutional sparse coding and multi-classifier fusion,CS
近年来通用航空发展迅速,由此引发的安全问题日益引起重视。但是由于通用航空器种类繁多,样本之间的差异性较大,传统的统计分析技术在通用航空风险预测方面就显得无能为力。
提出了一种基于信息融合的目标管理与被动定位技术的总体思路与实现方法。以坦克分队对目标的管理和被动定位需求为应用背景,首先利用战场图像信息提取目标种类、位置和姿态