粒子群的K均值聚类算法实现海上目标识别

首先阐述粒子群优化算法,根据海上目标识别难度大、内容复杂的特点,利用聚类算法不断的迭代,获取粒子在种群中的最优位置;然后利用K均值聚类求出每个粒子与其对应类的最短距离,从而实现目标识别,这种算法可以有效避免局部最优解的情况;最后进行对比实验说明,本文算法收敛速度快,实时性强,聚类效果好。

无人机侦察海上目标识别研究

海军无人机的任务是利用夜间电视、低亮度电视、前视红外和合成孔径雷达等各种传感器对广阔的海面进行监视,提供超视距瞄准数据及海战场态势的精确信息。本文把参数分类中的统计法--即证据理论与认识模型中的模糊集合论和模糊推理以及专家系统方法相结合,对海上目标识别进行证据分类及模糊推理融合。

基于多源异构信息的海上目标综合识别方法

针对识别海上目标主要依靠人工推理判别,自动化程度不高且效率较低的缺点,提出了一种基于多源异构数据的海上目标综合识别方法,先建立统一时空编码,将非结构化数据与结构化数据统一至相同维度,再根据D-S证据理论识别模型将各情报源收集的信息进行合成,得到海上目标综合识别结果。应用实例表明,该方法识别结果可靠,具有较高的工程应用价值。

基于微服务的空天协同目标识别与监视系统设计与实现

目前我国海域监管手段单一,缺乏早期预警识别和连续跟踪监视能力,严重制约我国海洋强国战略的深入实施。本系统基于卫星、航空平台、通信终端产品等现有硬件基础,采用微服务技术架构,构建天空基协同广域目标识别与监视平台,对我国管辖海域内海上移动目标、海域利用活动和岛礁变化等典型目标识别与监视需求,构建"天、空、地"一体化监视体系,形成具有大范围早期预警和连续跟踪能力的海上目标识别与监视系统。

逆光海况下低质量红外目标的增强与识别

海上红外目标识别在海事搜寻中发挥着重要的作用,针对逆光海况下出现的目标反向对比度特点及其目标淹没于背景的问题,结合其直方图呈现的局部尖峰特点,提出了修正灰度占比的新直方图均衡化并融合边缘信息的增强算法。该算法可以有效地提升目标区域的对比度,从而提升海上红外图像的质量。在海上红外目标识别与检测中,建立了目标与背景的多尺度“九宫格”搜索框,演化了局部对比度显著性量化的数学模型,实现了符合人眼视觉特性的红外目标的准确定位与检测。在海上红外图像增强测试中,所提算法可以使原图像的平均梯度提升两倍以上,使局部对比度增益因子提升两倍以上。在目标识别的算法测试中,所提多尺度局部对比度目标检测算法可以使目标检测率达到99%以上。