简介：摘要：目标识别对于航空电子信息融合系统的建设非常重要，不仅可以在第一时间评估战场发展的状态，更可以直接决定最后指挥的效果。本文重点以传感器的目标探测为基础再借助合适的算法来识别辐射源，然后再在分析与辐射源不同的参数特征之后借助高效的推理平台进行识别，实践证明这种方法是非常有效的。

简介：摘要:计算机视觉定位检测装置是指使工业计算机人技术能够有效获得多种工业领域外部数据及内部环境信息资料的重要有效应用方法形式装置之一,通过判断或推理确定出各类工件实际中所占应处位置上的相对确切位置。对于全面改善关于CCD相机或者相关摄像头的高分辨率行为，需要从矩形工件图像信号的边缘图像质量入手，并且同时参照有限远分析新技术的方法理论，以及高级MATLAB数学建模的线上网络技术手段，将矩形工件图像的数据特征边缘图像，进行预处理工作。其中，类似于直方图均衡化，以及中值滤波，边缘化特征的检测分析等先进的作业方法在近些年的计算机领域皆有应用。

简介：【摘要】：基于光学遥感的目标检测与分类识别是遥感图像的研究热点之一，主要是研究遥感中是否存在目标及其检测、分割、提取和识别。遥感图像检测是获取大量地块信息的重要途径，目标分割是提高遥感图像质量的重要手段，通过一些方法和应用，能够提高检测目标的能力，让目标检测与识别的结果更加准确。因此，选择识别方法对于正确识别目标非常重要。本文概述了遥感图像目标检测和识别的处理框架，分析了目标检测的方法、图像分割的方法、特征提取和识别，以供未来研究参考。

简介：摘要：遥感图像军事目标纹理分类识别技术作为遥感图像分类技术的重要组成部分，在军事目标纹理分类识别中有着重要地位。本文基于遥感图像分类对典型军事目标进行纹理分析，提出了SOFM网络模型结构以及LIADR纹理分类识别算法，同时又针对不同环境下的不同目标纹理进行了分类识别试验。试验结果表明与一般纹理分类算法相比，遥感图像军事目标纹理分类识别算法在降低目标纹理分类误差、提高目标纹理识别精度、提高军事目标地理信息系统服务质量等方面具有明显优势而且可应用于军事目标纹理检测之中。

简介：摘要：近些年，随着社会科技的不断进步，现代飞机等大型复杂产品制造能力是衡量国家工业基础、科技领先水平、综合国力以及国防现代化程度的重要标志，能够体现国家综合实力、军事威慑能力和国际影响力。飞机装配作为飞机制造的主要环节，飞机装配技术是一项技术难度大、涉及学科领域多的综合性集成技术。整个过程涉及了成千上万的零部件、工装、夹具、工具、装配操作等，具有整体结构复杂、工艺难度大、装配误差控制难度高等特点，是整个飞机制造过程的龙头、关键和核心技术。

简介：摘要：现有的声探测目标识别系统主要是基于传统的模式识别方法建立起来的，传统模式识别具有算法程序不灵活、数学上严格等特点，其对目标的分类能力弱，适应范围小，仅能区分经过明确映射表达式映射后具有可分性的目标类型，而人工神经网络技术用于目标识别可以获得比传统模式识别更优的效果。战场环境目标大多是为远场目标，如履带式装甲车、旋翼式飞机等，针对战场环境目标的识别是中近程目标探测体制中的重要分支。因此本文提出了一种基于ANN与频域能量的远场声目标识别技术，通过研究战场信号频域特性与人工神经网络训练识别技术，提升传感器在复杂战场的多种类高噪声等恶劣环境下的识别准确率。

简介：摘要：本文旨在探讨基于深度学习的目标识别算法，并对其性能进行全面评估。介绍深度学习在计算机视觉领域的重要性及其广泛应用。随后，分析了目标识别算法的发展历程，并重点介绍了经典模型如卷积神经网络（CNN）和循环神经网络（RNN）。在此基础上，着重讨论了算法性能评估的方法和标准，包括准确率、召回率、F1分数等。最后，通过对比实验结果，全面评估了不同算法在目标识别任务上的性能，并提出了一些优化和改进的方向，为进一步研究和应用提供了重要参考。

简介：摘要：随着雷达技术的不断进步，高分辨极化雷达在地面目标识别中发挥着越来越重要的作用。高分辨极化雷达地面目标识别技术是一种高效、准确的雷达技术，具有广泛的应用前景。它在军事、安防等领域都有重要的应用价值，对于提升我国在这些领域的实力具有重要意义。本文深入研究了高分辨极化雷达地面目标识别的关键技术，包括极化特性分析、高分辨率成像以及目标识别算法。

简介：摘要：机器视觉的目标识别和表面缺陷检测是当前计算机视觉领域的研究热点之一。本文在现有研究的基础上进行了扩展，并提出了一种基于深度学习的目标识别和表面缺陷检测方法。首先，我们使用卷积神经网络（CNN）对目标进行特征提取和分类，以实现准确的目标识别。其次，我们引入了一种基于图像分割的方法，通过对图像进行分割，可以有效地检测和定位表面缺陷。最后，我们在公开数据集上进行了实验验证，并与其他方法进行了比较。实验结果表明，我们提出的方法在目标识别和表面缺陷检测方面具有较高的准确性和鲁棒性。

简介：摘要：本文针对雷达战场目标分类与识别技术的实时应用进行研究，分析了现有技术的优缺点，提出了一种基于深度学习与大数据的实时目标分类与识别方法。通过对雷达信号的处理与分析，结合神经网络与聚类算法，实现了对战场目标的高效分类与识别。实验结果表明，该方法在实时性、准确性和鲁棒性方面具有显著优势，为雷达战场目标监测提供了有力支持。

简介：埋藏在6000m以下的地震反射异常体是礁体还是火成岩体?或者是海底滑塌体?在高质量重磁电资采集的基础上,通过对研究区域内的地层岩石物性细致研究,利用CEMP资料界面约束二维反演、重磁力异常剥离技术和LCT重磁力地震联合反演解释技术细致研究了异常体的物性参数,从密度、磁化率、电阻率、速度等多种特征推测判断了深层异常体地质属性,为钻井部署提供了间接依据.

简介：雷达辐射源识别是电子对抗情报系统中的关键技术之一,对其识别效果进行科学的评估是一项全新的课题。以往大多数学者评价雷达信号识别方法的好坏主要是比较识别率的高低。针对雷达辐射源识别效果评估指标单一等缺点,选取识别时间、识别率测试结果的均值和方差作为评估指标,将模糊综合评价法引入雷达辐射源识别效果的评估,提出基于模糊综合评价的雷达信号识别效果评估方法,并通过计算机仿真,对三种识别方法进行了评估实验,验证了该方法的可行性。

简介：摘要：城市地下综合管廊是建于地下用于容纳两种及以上城市工程管线的构筑物及附属设施。自2014年，随着综合管廊的政策密集出台，综合管廊进入了飞速发展阶段，在“十三五”期间更是迎来了建设高潮。随着我国已有综合管廊的建设完成，开始逐步投向运维使用阶段，对风险的关注点也将从建设阶段转移到运维阶段。管廊运维的正常运维对保障民生具有重要的影响，但由于管廊运维涉及管线、风险来源众多，在管廊运维过程中既要保证内部管线的运行安全，又要提高管廊运维公司应对风险的能力，而这一切的前提是做好风险管理与控制。因此，对城市地下综合管廊运维阶段安全风险进行分析并加以控制具有重要的意义。本文对综合管廊全寿命风险识别与评估进行分析，以供参考。

简介：具有大小，位移，旋转不变性（TRSI）的目标识别是一个三阶问题，如果采用三阶神经网可以使问题得以解决，但最大难点就是互连权矩阵的组合爆炸问题，在本文中，我们将视觉生物物理学的研究成果应用到高阶神经网的研究中，首次提出双向Log-Polar变换与高阶网（HONN）结合的方法，有效地解决了权系数的组合爆炸问题，进一步提高了识别率。取得了突破性进展，使得将高阶网用于自动目标识别成为可能。

简介：摘要：随着汽车制造技术的不断发展和完善，车辆动力和安全性能有了显著提高，但随之带来的路面状况对悬架的影响也变得越来越明显，智能悬架逐渐成为现代汽车中越来越重要的部件之一。基于此，车辆智能悬架控制策略成为了解决这一问题的有效手段。本文将主要探讨基于路面感知的车辆智能悬架控制策略研究。

简介：摘要：随着计算机科学与技术的发展，计算机视觉成为一个热门的研究领域。目标检测与识别是计算机视觉的核心任务之一，它在许多应用领域中具有广泛的应用前景。本论文基于深度学习技术，研究计算机视觉中的目标检测与识别问题，通过分析不同的深度学习模型和算法，探讨如何提高目标检测与识别的准确性和效率，以满足现实场景中对计算机视觉的需求。

简介：文章提出了一种基于峰值匹配的SAR目标识别方法。采用最近邻匹配算法构建测试样本峰值特征集与模板样本峰值特征集之间的对应关系。在此匹配关系的基础上,设计了稳健的匹配度准则评价两组峰值特征集的匹配度,并根据最大匹配度的准则判定目标类别。在MSTAR数据集进行目标识别实验验证提出方法的有效性。

简介：在数据融合的基础上，以红外／毫米波双模传感器的智能融合结构为模型，将模糊神经网络与D-S证据理论相结合，提出了一种新的目标识别方法。该算法根据红外／毫米波传感器的性能及工作范围，构造模糊变量作为神经网络的输入，根据神经网络的不同输出判别目标的真伪，并利用D-S证据理论进行目标身份识别。仿真结果证明了该算法的可行性。

简介：提出了一种基于图像配准的自动目标识别算法,图像配准算法采用基于归一化互信息相似性判据,并采用模糊自适应粒子群优化算法作为搜索策略。在图像精确配准的基础上,通过图像间的相互转换,间接实现了目标的准确识别。仿真试验结果表明,该方法可以实现复杂背景下目标的准确识别。

简介：作为一种自然景物的模型，分形几何越来越多地受到人们的关注。分形纹理分析是分形在图像处理中的应用研究的一个主要内容，注意到仅用分形维数特征不足以描述和区分不同的图像纹理，本文采用不同尺度下的方向性分维的变化曲线作为纹理图像的特征，对不同纹理的图像进行识别。实验表明这一方法是有效的。最后，本文讨论了该方法在雷达目标情况识别技术中的应用。