导读:本文包含了舰船检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:舰船,卷积,孔径,神经网络,图像,遥感,特征。
舰船检测论文文献综述
蒋丽婷[1]（2019）在《基于改进EAST算法的舰船目标检测研究》一文中研究指出针对可见光遥感图像待检测目标较小、尺度多样,检测困难问题,文中提出一种基于改进EAST的舰船检测方法。文中检测算法将使用单个神经网络以端到端的方式实现斜矩形框预测,并采用多尺度特征融,改进后,预测速度达到17FPS,准确率提升5. 35%,在小目标检测性能上表现良好,对多尺度目标检测具有较好鲁棒性。(本文来源于《信息技术》期刊2019年12期）
余东行,郭海涛,赵传,李道纪,张保明[2]（2019）在《直线特征辅助的靠岸舰船检测》一文中研究指出针对靠岸舰船难以检测的问题,提出了一种直线特征辅助的靠岸舰船检测方法。首先利用高精度的卷积神经网络目标检测算法YOLOv3对影像进行粗检测,获取可能存在舰船目标的区域作为兴趣区域;然后提取影像的直线特征,将直线的方向作为确定舰船方向的辅助信息;最后利用具有一定角度的滑动窗口遍历兴趣区域获取候选目标,并对侯选目标进行二次分类和识别得到最终检测结果。利用不同港口的遥感影像进行实验的结果表明,提出方法能够有效检测港口内多种方向和并列停靠的舰船目标。(本文来源于《测绘科学技术学报》期刊2019年03期）
王彤[3]（2019）在《基于卷积神经网络的舰船图像边缘检测算法》一文中研究指出为合理分布舰船行驶图像卷基层结构中的边缘化网络参数,设计基于卷积神经网络的舰船图像边缘检测算法。按照图像数据特征可视化处理依据,设定必要的神经动量值,完成基础卷积神经网络设计。在此基础上,命名舰船图像节点,再以基本边缘数据结构连接原理为参照,配置检测链接库,实现舰船图像边缘检测算法的顺利应用。对比实验结果,与理论检测手段相比,应用舰船图像边缘检测算法后,最大化网络参数值达到9.0×1015 T,图像边缘化检测覆盖率超过80%,舰船行驶图像卷基层结构中的边缘化网络参数达到理想化分布状态。(本文来源于《舰船科学技术》期刊2019年22期）
仲伟峰,郭峰,向世明,潘春洪[4]（2019）在《旋转矩形区域的遥感图像舰船目标检测模型》一文中研究指出高分辨率遥感图像舰船目标检测是遥感图像理解任务中的热点研究问题.由于遥感图像中舰船目标存在成像视角单一、目标分布密集和目标尺度变化大等特点,直接将自然场景目标检测方法应用于遥感图像舰船检测任务中,并不能获得满意的效果.此外,自然场景目标检测任务中常用的水平矩形框对细长型舰船目标的定位精确度无法满足实际应用需求.因此,提出了基于旋转矩形区域的遥感舰船目标检测算法.首先,采用旋转矩形框完成舰船目标的定位.其次,提出兴趣区域特征金字塔池化模块,融合兴趣区域的多尺度池化特征以处理目标尺度变化较大的问题.最后,设计定位准确度预测分支,利用定位准确度预测值指导非极大值抑制算法,从而优化后处理的结果.在遥感舰船公开数据集HRSC2016上,通过3个级别任务(分别为单类、4类和19类舰船检测识别)上的实验结果验证了算法的有效性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年11期）
郭利军,刘晓腾[5]（2019）在《安全防护环境下舰船监控网络病毒检测系统》一文中研究指出针对舰船监控网络病毒检测系统检测结果精度较低的问题,设计安全防护环境下舰船监控网络病毒检测系统。在此次设计中沿用原有舰船监控网络病毒检测系统硬件,着重进行系统软件设计。通过构建软件框架进行软件设计,设定病毒规则库并对网络数据进行捕获;将捕获后的数据通过滤波进行预处理;采用聚类的方式进行数据挖掘并构建病毒特征库;将网络中的数据与病毒特征库进行匹配,完成网络病毒的检测。至此,安全防护环境下舰船监控网病毒检测系统设计完成。构建对比试验,对比检测范围体现检测精度。与原有系统相比,此系统检测范围更加完成。由此可见,此系统检测精度更高,检测更有效。(本文来源于《舰船科学技术》期刊2019年20期）
于娜,王清,靳晨聪[6]（2019）在《基于合成孔径雷达图像处理的舰船目标检测与优化》一文中研究指出合成孔径雷达(SAR)具有全天候、全方位的目标监测功能,被广泛应用于国防军事和工业领域。本文主要研究了一种基于合成孔径雷达图像处理的舰船目标检测技术,海上舰船目标的检测和识别有重要的军事意义,能够提高海上交通的管理能力。本文首先介绍了合成孔径雷达的基本成像原理,然后基于LEE滤波器介绍SAR图像的噪声处理,最后针对舰船SAR图像的目标特征进行了识别与分析。(本文来源于《舰船科学技术》期刊2019年20期）
罗兴潮,黄文骞,程益锋[7]（2019）在《大范围近海舰船近红外遥感检测方法》一文中研究指出随着遥感技术的快速发展,应用遥感手段进行舰船目标检测也受到了国内外的普遍关注。为此,论文利用水体对近红外波段吸收性强的特性,提出了一种基于近红外遥感的大范围近海舰船目标检测方法。该方法先用最大类间方差对影像进行海陆阈值粗分割,再通过形态学处理得到海陆精分割影像;然后在此基础上,通过方差纹理滤波器减小海面背景的灰度变化区间,增强舰船的相对亮度,从而分割出疑似舰船目标;最后,经过特征分析排除非舰船目标,得到检测结果。实验结果表明,该方法能有效地检测的舰船目标,具有较高的精度。(本文来源于《舰船电子工程》期刊2019年10期）
吴猛猛,董秀臣,孙团[8]（2019）在《基于声发射的舰船管路阀门内漏检测技术研究》一文中研究指出阀门泄漏尤其是内漏是影响舰船管路系统正常运行的重要因素。在对国内外阀门泄漏声发射检测的研究现状及进展进行综述的基础上,分析了阀门泄漏声发射检测的工作机理;在实验室条件下,设计并搭建了阀门泄漏模拟系统以及阀门泄漏声发射检测装置,研究了不同工况下阀门内漏声发射信号特征参数的变化规律。实验结果表明:声发射信号可以较好地反映阀门泄漏故障状态,这对下一步舰船管路阀门的泄漏监测具有借鉴意义。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年09期）
王明春,张嘉峰,杨子渊,刘涛[9]（2019）在《Beta分布下基于白化滤波的极化SAR图像海面舰船目标CFAR检测方法》一文中研究指出在杂波纹理服从Beta分布的极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,POLSAR)图像目标检测中,提出了一种基于多视极化白化滤波(Multilook Polarimetric Whitening Filter,MPWF)的恒虚警(Constant False Alarm Rate,CFAR)检测解析新方法.首先,假设乘积模型中纹理变量服从Beta分布,推导得到MPWF检测量的概率密度函数(Probability Density Function,PDF).然后,对概率密度函数积分得到虚警概率关于检测门限的解析式,并设计相应的CFAR检测流程.最后,提出了基于MPWF的对数累积量估计方法,对Beta分布纹理变量参数u和v进行估计.通过实测数据验证了新方法的有效性.实验结果表明Beta分布对某些区域的极化SAR数据有更好的拟合效果,同时新方法与已有方法相比具有更好的CFAR保持能力.(本文来源于《电子学报》期刊2019年09期）
邱洪彬,王雪梅,许哲,张钧,宿常鹏[10]（2019）在《基于二维能量检测的舰船SAR图像阈值分割》一文中研究指出鉴于传统阈值分割算法过于依赖背景杂波分布模型,以及在抗噪性、鲁棒性等方面的不足,文章通过改进传统能量检测算法的局部信杂比模型,提出了基于λ检测的算法,解决了阈值不能自适应选择的问题。并针对图像存在大量相干斑及拖影时,算法处理能力不足的问题,考虑邻域像素均值μ将其拓展到二维,提出了基于二维能量检测的阈值分割法。最后,通过引入域内一致性、域间差异性和形状复杂度3个指标,与目前流行的最大熵阈值法以及改进的二维最大类间差法做对比实验,结果证明了本文算法简单有效。(本文来源于《系统工程与电子技术》期刊2019年12期）
舰船检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对靠岸舰船难以检测的问题,提出了一种直线特征辅助的靠岸舰船检测方法。首先利用高精度的卷积神经网络目标检测算法YOLOv3对影像进行粗检测,获取可能存在舰船目标的区域作为兴趣区域;然后提取影像的直线特征,将直线的方向作为确定舰船方向的辅助信息;最后利用具有一定角度的滑动窗口遍历兴趣区域获取候选目标,并对侯选目标进行二次分类和识别得到最终检测结果。利用不同港口的遥感影像进行实验的结果表明,提出方法能够有效检测港口内多种方向和并列停靠的舰船目标。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
舰船检测论文参考文献
[1].蒋丽婷.基于改进EAST算法的舰船目标检测研究[J].信息技术.2019
[2].余东行,郭海涛,赵传,李道纪,张保明.直线特征辅助的靠岸舰船检测[J].测绘科学技术学报.2019
[3].王彤.基于卷积神经网络的舰船图像边缘检测算法[J].舰船科学技术.2019
[4].仲伟峰,郭峰,向世明,潘春洪.旋转矩形区域的遥感图像舰船目标检测模型[J].计算机辅助设计与图形学学报.2019
[5].郭利军,刘晓腾.安全防护环境下舰船监控网络病毒检测系统[J].舰船科学技术.2019
[6].于娜,王清,靳晨聪.基于合成孔径雷达图像处理的舰船目标检测与优化[J].舰船科学技术.2019
[7].罗兴潮,黄文骞,程益锋.大范围近海舰船近红外遥感检测方法[J].舰船电子工程.2019
[8].吴猛猛,董秀臣,孙团.基于声发射的舰船管路阀门内漏检测技术研究[J].重庆理工大学学报(自然科学).2019
[9].王明春,张嘉峰,杨子渊,刘涛.Beta分布下基于白化滤波的极化SAR图像海面舰船目标CFAR检测方法[J].电子学报.2019
[10].邱洪彬,王雪梅,许哲,张钧,宿常鹏.基于二维能量检测的舰船SAR图像阈值分割[J].系统工程与电子技术.2019
论文知识图
