【摘 要】
：
近年来,海洋安全逐渐成为我国国防安全重点关注和发展的重要方向。一旦海上发生局部冲突,对海洋态势的实时获取,是掌握战略主动和制定正确决策的重要影响因素。GF-4卫星作为我国首颗凝视卫星,具有高时间分辨率和较高空间分辨率,在海上目标监测方面具有较大应用潜力。本文以GF-4卫星序列图像中的舰船目标为观测对象,研究对其进行跟踪的问题,具体内容包括:一是GF-4卫星序列图像背景抑制研究。首先,结合图像地物反
论文部分内容阅读
近年来,海洋安全逐渐成为我国国防安全重点关注和发展的重要方向。一旦海上发生局部冲突,对海洋态势的实时获取,是掌握战略主动和制定正确决策的重要影响因素。GF-4卫星作为我国首颗凝视卫星,具有高时间分辨率和较高空间分辨率,在海上目标监测方面具有较大应用潜力。本文以GF-4卫星序列图像中的舰船目标为观测对象,研究对其进行跟踪的问题,具体内容包括:一是GF-4卫星序列图像背景抑制研究。首先,结合图像地物反射差异和舰船目标初始信息完成水体区域提取,减小陆地和厚云等冗余信息对后续目标跟踪研究的影响。其次,分析光学卫星成像模型,通过改进暗通道先验方法对图像背景进行建模,去除图像中的加性噪声;最后,通过改进Retinex去照度方法去除图像乘性噪声,实现舰船目标增强。二是基于时空联合的目标跟踪算法研究。首先,分析基于图像相关性的目标跟踪模型,结合GF-4卫星序列图像的成像特点,估计舰船目标邻域图像在不同波段中的大小。其次,以图像灰度梯度分布特征为基础,提取舰船目标在序列图像不同波段中的多尺度特征,增强舰船目标特征在相邻图像中的相关性。最后,通过核方法将舰船目标的高维多尺度特征映射至核空间进行计算,使其适用于基于图像相关性的目标跟踪模型,减小算法运算复杂度,提升跟踪效果。三是基于目标特性的跟踪结果优化方法研究。首先,分析舰船运动的实际情况,对基于时空联合的目标跟踪结果进行约束,剔除舰船目标跟踪轨迹中的异常节点。其次,结合舰船目标运动历史数据,通过无迹Kalman滤波模型对失跟的舰船目标位置进行预测校正。最后,在上一步预测的目标位置邻域内进行基于图像显著性的目标检测,实现失跟舰船目标位置校正,提高舰船目标跟踪精度。
其他文献
随硬件水平发展,机器学习突破瓶颈,图像分类问题也成为深度学习活跃领域之一,而传统的深度学习一味增加网络深度与结构复杂程度,使用巨量的训练数据集以及庞大的硬件资源进行学习,这样的资源需求对于日常场景显然是不可行的。学习样本的数量与质量对深度学习效果的影响举足轻重,如何在样本不足的情况下快速训练网络以及如何使网络获得较好的泛化能力乃至网络的自我学习的能力是小样本学习的关键。在小样本图像分类问题中,图像
随着现代科技的发展,无人机技术的发展范围也迅速扩大,通过无人机群执行难以由人力完成的任务,可以有效地减少不必要的人力消耗,降低复杂任务带来的伤亡和潜在的危险。无人机执行任务的一个重要前提是航迹规划,其本质是在满足无人机本身物理限制和任务约束的条件下,在复杂环境的可行路径中寻找最优解的过程,但随着任务复杂程度的增加,离线航迹规划的复杂度也随之增加;无人机飞行时潜在的突发威胁因素变得复杂,在线局部重规
智能反射面（Intelligent Reflecting Surface,IRS）是由大量低成本的无源反射单元组成的二维电磁超表面,它可以“改变无线通信环境”,从而提高无线通信网络的性能,被认为是第六代移动通信（The 6th Generation,6G）的关键候选技术之一。物理层安全（Physical Layer Security,PLS）技术是一种利用无线信道的时变性、随机性、互易性等特点,独
红外热成像技术具有全天候工作以及隐蔽性好等优势。红外弱小目标检测与跟踪技术应用于精确制导、红外监控以及早期预警等领域,具有重要意义和研究价值。但是红外弱小目标具有尺寸小、对比度低、缺乏纹理信息等特性,并且复杂红外背景中存在与目标尺寸以及亮度等相似的干扰,这些因素使得目标检测与跟踪任务困难重重。本文通过分析红外弱小目标特性,对红外弱小目标检测与跟踪技术展开了深入研究。首先,本文对红外辐射原理以及红外
近年来,随着人们工作生活品质的要求不断提高,很多基于位置的服务逐步受到关注,而这些服务的核心就是准确获得使用者的位置。室内场所是很多人工作生活的主要活动区域,而卫星导航技术在室内的精度不高甚至会失效。在面对未知且复杂多变的室内环境时,如何进行准确且高效的定位并且快速熟悉周围环境是目前相关行业的研究热点,利用室内可以获取的各种信息进行定位和环境探测具有重要的现实意义和广阔的发展前景。本文以计算机图像
脑机接口（Brain-Computer Interface,BCI）是一种通过对采集到的脑电图（Electroencephalogram,EEG）信号进行处理,将EEG信号解码成相应的脑部神经活动的科学技术。BCI系统不依赖于人体的神经-肌肉输出通路,提供了一种新型的与外界交流的方式。BCI系统按照所使用信号种类的不同可以划分为多种类型,其中基于运动想象的脑机接口（Motor Imagery Br
以行政区划为边界,制作省、市、县等区域的固定周期全覆盖图,可用于变化监测、审计、执法督察、应急救灾等多种场景,遍及国土、水利、环保、应急、政务等多个行业领域。黑龙江省作为中国最大的林业和农业省份之一,生成该省固定周期内的全覆盖图,对黑龙江省的农业、林业进行监测意义重大。然而,生成固定周期内给定行政区域的全覆盖图,有两个关键问题亟需解决:一是厚云污染的问题;二是传感器无法覆盖的问题。针对上述问题,本
由于中等轨道（Medium Earth Orbit,MEO）SAR具有覆盖范围广、平台运行稳定度高、工作时间长等优点,能够长期、动态、宏观地对海洋进行观测,因此本文主要研究MEO SAR对舰船目标成像方法。MEO SAR卫星轨道高度较高,轨道弯曲特性明显,使得双曲线性斜距模型误差较大,LEO SAR的成像算法不再适用于MEO SAR。在海面上航行的舰船运动存在多维度运动,既包括沿着航向的平行运动,
随着物联网和深度学习的兴起,以卷积神经网络为主流的深度学习技术在边缘计算场景得到了广泛应用,然而性能增速逐渐放缓的算力平台难以适应卷积神经网络日益增长的算力需求。因此,如何利用边缘设备的有限算力进行卷积神经网络的高效推理成为高性能计算领域的前沿问题。针对上述问题,本文从硬件加速-模型轻量化协同优化的角度出发,在设计硬件加速时兼顾模型结构优化,在模型轻量化时兼顾硬件加速的计算特点。围绕上述研究动机,
现场可编程门阵列（Field-Programmable Gate Array,FPGA）是当前在嵌入式边缘端进行卷积神经网络（Convolutional Neural Network,CNN）模型推理加速的代表性高性能计算处理器,可为CNN中大量重复的卷积计算进行并行加速。为了充分利用FPGA并行计算能力,需要针对推理过程高效且处理精度高的网络模型进行定制化计算结构设计,以满足在边缘端高速、高精度