排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
为降低无人机硬件设备升级成本,研究利用深度学习技术进行航拍图像超分辨(super-resolution,SR).针对神经网络训练参数量大的特点,提出了一种稀疏卷积神经网络SR(SR based on sparse convolutional neural network,SRSCNN)重构方法,对神经网络连接权值进行选... 相似文献
2.
在基于计算机视觉的无人机自主着陆过程中,地标的设计与检测是关键问题。提出了一种快速轮廓角点检测算法,并设计了一种新型嵌套三角形图案作为无人机自主着陆地标。首先,利用Suzuki-Abe算法提取的背景及目标的整体轮廓信息,进行目标嵌套轮廓提取;其次,通过改进Douglas-Peucker拟合算法来检测轮廓角点。由于优化了角点个数及最远距离两点的寻找方法,在很大程度上减少了计算时间且降低了复杂度。实验结果表明,在距离地标较远、地标部分信息缺失的情况下,该算法准确快速,适合于无人机自主着陆过程位置实时检测。 相似文献
3.
针对雷达高分辨距离像(high resolution range profile, HRRP)目标识别问题,提出基于卷积稀疏编码与多分类融合(convolutional sparse coding and multi-classifier fusion,CSCMF)的识别方法。首先,该方法利用CSC方法对目标HRRP进行特征提取,同时实现数据压缩;然后,将测试样本的特征分别输入随机森林分类器、朴素贝叶斯分类器和最小值分类器进行预分类,得到3个预测标签。采用多数投票法对3个预测标签进行分类器融合,得到最终的识别决策。实验中研究了分类器融合方法。基于5种飞机目标的HRRP仿真数据进行了实验验证,实验结果表明该方法的分类准确率较高,而且对噪声有较强的鲁棒性。 相似文献
1