修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

15 条数据
?? 中文（中国） ▾

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于SVM和形态学属性滤波的遥感图像中风力发电机识别

    摘要： 风力发电机在遥感图像中具有面积小、数量少的特点，因此传统的目标分类与识别方法不适用于风力发电机的识别。本文分析了风力发电机的光谱信息和形状特征，提出了一种基于支持向量机（SVM）和形态学属性滤波器的遥感图像风力发电机识别技术。该技术的主要思路可分为两个步骤：利用形态学属性滤波器对遥感图像进行划分，筛选出风力发电机及类风力发电机区域；进一步识别出四地区图像中的分布式风力发电机群，并验证了该识别技术的准确性。

    关键词： 形态学属性滤波器、风车、支持向量机、目标识别

    更新于2025-09-23 15:22:29

  • [IEEE 2018年第25届机电一体化与机器视觉实践国际会议(M2VIP) - 德国斯图加特(2018.11.20-2018.11.22)] 2018年第25届机电一体化与机器视觉实践国际会议(M2VIP) - 基于支持向量机的多层激光雷达车辆与行人识别

    摘要： 移动物体跟踪（估算运动物体的位置与速度）是自动驾驶系统及移动机器人、车辆自动化领域中驾驶辅助系统的关键技术。为预测并避免碰撞，跟踪系统必须尽可能精准地识别物体。本文提出一种利用多层激光雷达（3D激光雷达）识别车辆（汽车与自行车骑行者）及行人的方法：对激光雷达数据进行聚类处理，从每个聚类数据中提取包含距离、速度、物体尺寸、激光测量点数量及反射强度分布等八维特征，再通过多类支持向量机基于这些特征对汽车、自行车骑行者和行人进行分类。使用"斯坦福轨迹采集"数据集进行的实验表明，相较于基于随机森林算法的方法和传统26维特征方法，本方案在识别精度和处理时效上均有提升，因此能在低计算资源环境下良好运行。

    关键词： 多类分类、支持向量机、低维特征、多层激光雷达、目标识别

    更新于2025-09-23 15:22:29

  • 基于目标红外特征与激光雷达相结合的智能车辆目标识别算法

    摘要： 智能车辆目标检测系统能通过传感器感知并识别周围行人、车辆等物体，这是实现智能车辆无人驾驶的基础。激光成像雷达主动发射激光并接收其反射回波，可形成角-角-距离-强度图像，更易实现目标识别。将激光雷达与目标的红外特性相结合，能获取更多信息，提升目标识别与抗干扰能力。为在复杂战场环境中实现快速精准的移动目标检测，本文研究激光雷达成像与目标红外特征及智能车辆目标检测，提出融合目标红外特征与激光雷达的目标识别方法。补偿解决了单一源数据难以描述移动目标缺点的难题。实验表明，激光与红外融合检测算法未增加算法复杂度，大幅提升了车辆目标检测算法的适应性与鲁棒性，并提高了测量检测算法的精度。

    关键词： 目标识别、图像融合、红外特征、红外雷达

    更新于2025-09-23 15:21:01

  • [IEEE东南会议2018 - 美国佛罗里达州圣彼得堡（2018年4月19日-2018年4月22日）] 2018年东南会议 - RGBD-Sphere即时定位与地图构建系统

    摘要： 本文提出了一种名为RGBD-Sphere SLAM的SLAM算法。该研究的关键创新在于构建了一个原型系统，展示了如何将三维几何形状与外观的形式化模型转化为能够检测和识别这些形状的生成式分类模型。物体模型通过PSML（一种专为三维物体建模设计的定制过程式语言）以形状程序的形式进行定义。针对每个PSML形状的分类器，是通过模拟该形状实例在真实传感器数据（如彩色图像和深度图像）中的表现来创建的。 所提出的RGBD-Sphere SLAM算法展示了一个典型示例：PSML程序定义了具有漫反射表面反照率和独特颜色外观的球形三维物体。识别器利用每个物体的PSML几何与外观模型，在实时RGBD传感器数据中检测这些物体实例。随后将检测到的模型参数整合至RGBD SLAM算法中——这正是"RGBD-Sphere SLAM"命名的由来。本文阐述了PSML程序、采用的球体检测与识别算法，并说明了该方法通过将检测到的物体作为地标纳入系统，从而提升RGBD SLAM性能的作用。 这是首个将几何与外观建模外化为编程语言（并据此创建识别器）的原型系统案例，标志着重要突破：它使用户能够"编程"定义问题空间，让计算机将PSML中表达的形式化物体模型，转化为适配特定传感器套件（如彩色图像与深度图像）的定制化分类器。

    关键词： 目标识别、RGBD、即时定位与地图构建（SLAM）、三维物体建模、PSML

    更新于2025-09-23 15:21:01

  • [2018年第三届IEEE信号与图像处理国际会议（ICSIP）- 中国深圳（2018年7月13日-15日）] 2018年第三届IEEE信号与图像处理国际会议（ICSIP）- 基于F-CNN的雷达目标识别：更少参数更高精度

    摘要： 为区分真实目标、杂波及密集多假目标，我们提出一种基于因子化卷积神经网络的雷达目标鉴别算法。该算法采用深度可分离卷积构建因子化卷积神经网络模型，并通过减少卷积滤波器数量和全连接层连接节点数来精简网络结构。实测数据结果表明：相比现有模型，简化后的因子化卷积神经网络对真实目标、杂波及密集多假目标的鉴别率更高，其参数量不足近期同类模型的10%。

    关键词： 目标识别、密集多假目标、雷达抗干扰、因子化卷积神经网络

    更新于2025-09-23 08:40:48

  • [ACM出版社2018年国际会议 - 捷克共和国布拉格（2018.10.12-2018.10.14）] 2018年传感器、信号与图像处理国际会议论文集 - SSIP 2018 - 基于互补特征联合稀疏表示的SAR目标识别

    摘要： 本文提出了一种基于三种互补特征联合稀疏表示的合成孔径雷达（SAR）目标识别方法。通过提取目标轮廓的椭圆傅里叶描述符（EFDs）和PCA特征来描述原始SAR图像的几何形状与强度分布，构建方位向敏感图像以表征目标的电磁散射特性。利用联合稀疏表示对三类特征进行协同分类以发挥其互补优势，最终根据重构误差确定测试样本的目标类别。为验证所提方法的有效性，在运动与静止目标获取与识别（MSTAR）数据集上开展了多种工作条件下的实验。

    关键词： 联合稀疏表示、目标识别、合成孔径雷达（SAR）、互补特征

    更新于2025-09-23 12:12:51

  • 用于大动态范围测量的混合光纤折射仪分析与设计

    摘要： 本文报道了由IEEE地球科学与遥感学会图像分析与数据融合技术委员会（IADF TC）主办的2015年数据融合竞赛成果。与往年一样，IADF TC组织数据融合竞赛旨在推动多源研究的新思路与解决方案。2015年度竞赛提出了涉及超高分辨率RGB图像（地面采样距离5厘米）和三维激光雷达点云（点云密度约65点/平方米）的多分辨率多传感器挑战。比赛分为二维与三维产品两个平行赛道进行。本部分B报告了三维竞赛获奖者的成果，其分别探索了道路提取与ISO集装箱识别的挑战性任务。二维竞赛部分及数据集详细介绍见部分A。

    关键词： 光探测与测距（LiDAR）、甚高分辨率（VHR）数据、目标识别、多分辨率数据融合、多源数据融合、多模态数据融合、图像分析与数据融合（IADF）、道路检测

    更新于2025-09-16 10:30:52

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于局部约束与类别特定稀疏表示的SAR目标识别

    摘要： 近期，稀疏表示在合成孔径雷达（SAR）图像目标识别中取得了显著成效。然而，稀疏表示的不稳定无监督优化可能导致识别效果不佳。本文提出一种局部约束类特定稀疏表示（LCSR）框架以缓解这些问题。该框架采用局部约束替代稀疏约束，利用训练样本的局部结构信息，为微小变化的样本提供稳定表示，从而提升分类效果。为进一步提高识别性能，基于类别信息监督，将查询样本表示为类特定图库的线性组合，最终根据最小重构误差对应的类别作出推断。实验结果验证了所提方法的有效性与鲁棒性。

    关键词： 类特定、稀疏表示、目标识别、局部约束、合成孔径雷达

    更新于2025-09-10 09:29:36

  • 基于人工智能视觉的动态场景目标识别系统

    摘要： 使用现有识别系统对动态场景进行目标识别无法有效提升识别速度。当目标数量增加时，识别准确率相对较低。为解决该问题，设计了一种基于DSP的动态场景目标识别系统。结合DSP系统设计思路，阐述了目标识别系统的设计流程与组成结构。通过采用基于时空条件信息的识别算法实现所设计的识别系统，并引入视觉注意机制构建基于视觉显著性的时空域模型。以像素邻域加权条件信息作为分类特征，增强目标与背景的线性可分性，提高动态场景运动目标的识别准确率。最终结合图像块建模策略，实现了动态场景中运动目标的高效实时识别。实验结果表明，所提出的目标识别系统能有效提升目标识别准确率。

    关键词： 人工智能视觉、识别系统、动态场景、目标识别

    更新于2025-09-10 09:29:36

  • [IEEE 2018年第37届中国控制会议(CCC) - 武汉(2018.7.25-2018.7.27)] 2018年第37届中国控制会议(CCC) - 基于卷积神经网络的高光谱图像目标检测

    摘要： 卷积神经网络（CNN）已成功应用于图像分类和目标检测领域，但鲜少被引入高光谱图像（HSI）目标检测。为此，本文提出一种基于CNN的高光谱图像目标检测方法。首先对原始HSI数据进行预处理以获取光谱信息；其次通过训练CNN提取特征信息，并根据高光谱数据调整网络参数；最后依据提取的特征实现目标校准。为评估该方法的目标检测性能，在真实AVIRIS高光谱实验中与深度置信网络（DBN）和支持向量机（SVM）方法进行对比。数值结果表明，该方法在高光谱目标检测领域具有良好应用前景。

    关键词： 目标识别、遥感图像、深度置信网络、深度学习、卷积神经网络

    更新于2025-09-09 09:28:46