项目名称: 扩展工作条件下基于核免疫集成的SAR目标识别关键技术研究

项目编号: No.61573375

项目类型: 面上项目

立项/批准年度: 2016

项目学科: 自动化技术、计算机技术

项目作者: 黄文龙

作者单位: 中国人民解放军空军工程大学

项目金额: 16万元

中文摘要: 在扩展工作条件(EOC)下,难以获得SAR目标的全面信息,再加上斑点噪声的影响,使得SAR图像分割和目标识别成为极具挑战性的任务。本项目借鉴免疫网络的结构自适应性和免疫全局优化特点,结合支持向量域描述理论,拟从仿生学角度给出解决问题的途径。首先研究有效的SAR图像不变特征的提取方法,然后利用支持向量域描述理论来改造抗体的识别邻域,构建一种完全非监督的免疫网络聚类算法,以结构自适应免疫抗体网络的构建为核心,结合分水岭和最小生成树算法来设计一种完全非监督的SAR图像层次分割模型。良好的分割结果将为后续SAR自动目标识别奠定很好的基础。这些研究成果将为SAR自动目标识别提供理论依据和技术支撑,具有重要的研究价值和广阔的应用前景。

中文关键词: SAR图像分割;人工免疫网络;结构自适应;聚类;半监督

英文摘要: Under the extended operating condition (EOC), it is difficult to obtain comprehensive information on the synthetic aperture radar (SAR) target, and coupled with the impact of speckle noise it becomes a challenging task for the SAR image segmentation and target recognition. Borrowing artificial immune network structure adaptive characteristic and immune multi-objective global optimization performance, the project attempts to make thorough research on correlative techniques for SAR image segmentation and recognition with a strong focus on bionics based on the theories of support vector domain description (SVDD). The project firstly attempts to make thorough research on effective SAR image feature extraction method, then to research a novel completely unsupervised immune clustering network based on the reform of antibody recognition neighborhood by SVDD. Taking the design of a structure adaptive immune antibody network as the core, and associating with watershed and minimum spanning tree algorithms, we want to structure a fully unsupervised SAR image segmentation layered model. Good segmentation results will establish the good foundation for the follow-up SAR automatic target recognition(ATR). These study achievements will be efficiently applied to the complex SAR ATR system, and have important research values and

英文关键词: SAR image segmentation;Artificial immune networks;Structural adaptation;Clustering;Semi-supervised

成为VIP会员查看完整内容
0

相关内容

军事知识图谱构建技术
专知会员服务
122+阅读 · 2022年4月8日
基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
专知会员服务
36+阅读 · 2021年10月16日
【经典书】半监督学习,524页pdf
专知会员服务
134+阅读 · 2021年8月20日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
61+阅读 · 2021年3月6日
Python机器学习经典实例,366页pdf
专知会员服务
104+阅读 · 2021年1月2日
专知会员服务
77+阅读 · 2020年12月6日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
浅谈主动学习(Active Learning)
凡人机器学习
31+阅读 · 2020年6月18日
【机器视觉】计算机视觉前沿技术探索
产业智能官
11+阅读 · 2018年12月25日
ISI新研究:胶囊生成对抗网络
论智
17+阅读 · 2018年3月7日
深度学习学习合集
计算机视觉战队
12+阅读 · 2017年12月12日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
基于深度学习的肿瘤图像分割研究取得进展
中科院之声
17+阅读 · 2017年9月17日
干货 | 目标识别算法的进展
计算机视觉战队
17+阅读 · 2017年6月29日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Simple and Effective Unsupervised Speech Synthesis
Arxiv
2+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
12+阅读 · 2022年4月12日
Arxiv
19+阅读 · 2018年5月17日
小贴士
相关VIP内容
军事知识图谱构建技术
专知会员服务
122+阅读 · 2022年4月8日
基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
专知会员服务
36+阅读 · 2021年10月16日
【经典书】半监督学习,524页pdf
专知会员服务
134+阅读 · 2021年8月20日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
61+阅读 · 2021年3月6日
Python机器学习经典实例,366页pdf
专知会员服务
104+阅读 · 2021年1月2日
专知会员服务
77+阅读 · 2020年12月6日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
相关资讯
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
浅谈主动学习(Active Learning)
凡人机器学习
31+阅读 · 2020年6月18日
【机器视觉】计算机视觉前沿技术探索
产业智能官
11+阅读 · 2018年12月25日
ISI新研究:胶囊生成对抗网络
论智
17+阅读 · 2018年3月7日
深度学习学习合集
计算机视觉战队
12+阅读 · 2017年12月12日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
基于深度学习的肿瘤图像分割研究取得进展
中科院之声
17+阅读 · 2017年9月17日
干货 | 目标识别算法的进展
计算机视觉战队
17+阅读 · 2017年6月29日
相关基金
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员