排序方式: 共有102条查询结果,搜索用时 31 毫秒
71.
72.
针对多目标网络中重心的抽象性及不易打击的特点,分析影响重心的关键要素及其依赖关系,提出了基于改进网络分析法的多目标网络重心模型,利用该模型分析目标相对于重心的重要度。研究了该模型涉及的两个关键技术,即改进判断矩阵以提高决策的速度和克服决策的主观性,利用协调理论确定要素之间的依赖关系。以分析某地区多目标网络的过程为例,验证了该模型的有效性和合理性。 相似文献
73.
74.
讨论了复杂背景下缓动点目标的流水线检测算法。通过两个流水线,分割流水线和检测流水线,可以用15帧图像满意地检测出目标。对算法的性能和实验结果作了分析。 相似文献
75.
红外图像序列中小目标的检测问题是当前的研究热点。为了检测起伏背景中的弱小目标,在理论分析的基础上提出了用Wiener滤波器去除起伏背景,然后进行自适应目标检测的小目标检测方法。采用连续采集的长波红外图像序列进行了实验研究,并给出了目标检测结果及其分析。结果表明,该算法能够从信噪比大于2.0的图像序列中检测出目标轨迹。 相似文献
76.
77.
78.
79.
战争的信息化程度不断加深对军事侦察提出了更高要求。军事目标识别作为军事侦察的主要任务之一,需要能够处理细粒度军事目标,为人员提供更加详细的目标信息。但传统的粗粒度目标识别方法无法得到目标的细粒度信息。因此,如何识别细粒度目标成为目前军事侦察亟需解决的问题。针对该问题,本文结合军事领域的实际需求,对细粒度识别技术的发展现状进行了分析,提出了军事领域细粒度识别技术应用流程的数据集构建、模型设计和终端部署三个阶段,同时,从无人机侦察、遥感侦察和单兵侦察三个方向分析了细粒度识别的应用前景。经过分析,军事领域细粒度识别技术已经具备实际运用条件,具备良好的应用价值。 相似文献
80.
非合作目标不提供已知的目标标识器和敏感器件,无疑增加了检测识别的难度.CCD相机能够提供大量包含有非合作目标的尺寸、形状、相对位置和相对姿态等信息的高分辨率图像,用常规方法进行非合作目标图像分割时,由于空间环境的影响,使得目标的轮廓线非常零碎,常掩埋在杂乱的背景分割线中.为了克服这种问题,提出了一种保持边界的整体变分方法和数学形态学相结合的方法.先用整体变分方法对图像进行平滑的同时可以最大限度地保留图像中的轮廓、边缘等特征信息以增强目标的边缘,然后采用数学形态学的方法对其进行膨胀、腐蚀以滤除众多的背景噪声.经大量的实验验证,这种方法可以有效地提取出非合作目标的边缘信息,并可滤除大量噪声,为进一步开展非合作目标识别工作奠定基础. 相似文献