基于多光谱偏振成像技术的目标识别方法研究

来源 :黑龙江大学 | 被引量 : 0次 | 上传用户:zhongjcrazytbag
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
当前,目标识别技术无论在军事还是日常生活中,都具有重要的应用价值。比如我们常见的雷达定位、激光测距和光谱检测等,都是属于目标识别方法中的目标检测技术。但是,这些识别方法都是在目标物与背景物具有较大差异时才能准确识别。当所需要检测的目标与背景颜色接近时,则无法准确识别出目标物。光谱检测技术依靠的核心是物体的不同光谱,而不同光谱的产生是由物体表层差异以及物体内部结构不同产生的。例如,草地、树木以及雪地等一系列自然物,都有特定的光谱曲线,它们存在明显的区别,光谱检测技术可以很快的区别彼此。然而,光谱检测经常会出现“异物同谱”的情况。而偏振探测无法准确探测低对比度的目标物,但在识别与背景物接近、材质不同的目标物时具有独特优势。因此,我们在光谱探测中引入物体的偏振特性,以改善目标识别的效果。本文提出将光谱探测技术与偏振探测技术融合在一起的识别方法。实验主要针对那些隐藏或者伪装在背景物中的目标物,对其进行光谱成像实验和偏振成像实验。本文主要利用地物光谱仪进行光谱探测实验,使用旋转线偏振片进行偏振成像实验,来获取目标的偏振信息。然后,通过融合算法将两种光学信息融合在一起,使所需探测的目标物体同时具有两种信息。为了能达到更好的识别目的,所以提出了增强目标物特征的优化方法。优化方案主要分析了目标物与背景物的反射率、光谱曲线、偏振角图像的均值和方差以及偏振度图像的均值和方差,并且得到在红光与偏振度图像中,目标物与背景物特性差异最大。实验结果表明,当目标物与背景颜色相近或在可见光图像中无法区分时,本文提出的方法可以将其有效识别出来。本文提出的方法不需要大量数据训练,并且比单一的光谱识别方法或偏振识别方法识别的目标信息更完整、更准确。
其他文献
目前国内大部分的铸件、塑料件、钢制品等材质工件打磨作业,大多采用手工或者使用手持气动、电动工具进打磨、锉等方式进行加工。这种方式容易导致产品不良率上升,效率低下,加工后的产品表面粗糙不均匀等问题。与手持打磨比较,打磨机器人能有效提高生产效率,降低成本,提高产品质量。本文设计一种六自由度打磨机器人,负载55kg,末端可根据打磨工件的形状特征和工艺要求,安装合适的打磨工具。主要研究内容如下:首先,根据
随着人类对海洋资源的进一步开发与利用,水下三维测量技术将具有巨大的应用前景。本文利用摄像机、微型投影仪、透明玻璃缸搭建了水下测量系统。投影仪投射标准正弦光栅条纹到达测量场产生相位调制,摄像机采集变形光栅条纹图,结合快速经验模态分解算法和傅里叶变换轮廓术实现三维测量技术。为了提高测量精度需要抑制条纹图的干扰噪声,同时去除零频分量扩大测量范围。由于水下测量环境的特殊性,需要解决折射和散射现象以提高测量
自动人脸关键点检测是在涉及面部识别或分析的任何任务之前的非常重要的步骤。这些关键点,也称为基准点或锚点,用于准确识别人脸,并对即将进行的分析产生重大影响。深度学习技术极大地提高了人脸对齐算法的性能。然而,由于人脸的多样性和数据的缺乏,在不受约束的情况下,例如大的头部姿势、夸张的表情和不均匀的照明等情况,该任务仍然没有完美的解决办法。为了应对这些复杂的情况,本文探索了两种不同的解决方案。一方面,本文
2012年,我国税务系统全面推动“营改增”的实施,并在2016年得到全面贯彻。通过实践发现,“营改增”策略的实施,不但有效降低了企业税负,还有利于推动产业结构的转型升级,从而大幅提升了中国增值税抵扣链条的完整程度,在很大程度上避免了对企业进行重复征税。以“营改增”政策的实施为契机,企业重复缴税问题得到有效缓解,行业分工更加科学合理,企业的发展环境得到极大改善。在“营改增”政策实施之后,虽然政策落实
多输入多输出技术(Multiple-Input Multiple-Output,MIMO)技术与正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术的结合MIMO-OFDM技术是5G通信的研究热点。MIMO-OFDM系统的信号检测等效于平坦衰落信道的MIMO系统的信号检测,而基于MIMO系统的信号检测存在最优检测复杂度过高、次优检测的性
2014年8月13日新《国十条》正式公布以后,国内保险行业逐步面临“回归保险正道”这一重大课题。保险作为国家保障体系中的磐石砥柱,为中国百姓担负着重要使命。社会需要从保
资本结构不单单只是企业融通资金的比例划分,它还对企业的财务风险、企业的市场价值等都会产生重要的影响。自上世纪五十年代美国著名经济学家Modigliani和Miller提出了经典
知识是智能系统的主要特征,知识库(Knowledge Base)是知识系统的核心。斯坦福大学信息技术实验室于2014年发布了开放知识库构建框架Deep Dive,以解决知识库构建过程复杂且涉及到的关键技术过多等问题,使得开发者可以专注于知识库中最能直接提高知识库数据质量的部分。近年来,随着金融业的快速发展,金融企业规模日益壮大,金融企业间的关系错综复杂,给金融企业信息的获取带来了不小的挑战,传统通
近年来,随着节能减排不断兴起,低碳、环保的电动汽车逐渐受到人们青睐。然而,续驶里程不足至今仍然是影响电动汽车发展的一个障碍,为了增加电动汽车的续驶能力,研究提升电动汽车电驱动系统的效率是非常有益的。在5G通讯技术成功研究和通讯网络的加速建设下,万物互联指日可待,这为电动汽车的网联化提供了支撑。在多电动汽车互联环境下,充分利用网联化的电动汽车电驱动系统易于实现状态数据采集和信息交互的便利条件,可以实
深度学习(Deep Learning,DL)算法作为现代人工智能领域的重要分支,已被广泛应用于模式识别、自然语言处理、机器视觉诸多项目的实现,具有很高的科研价值。卷积神经网络(Convolutional Neural Network,CNN)是一种基于生物大脑视觉皮质原理,以高度分类和识别准确率著称的深度学习算法,Caffe是第一个工业级深度学习架构。现场可编程门阵列(Field Programm