【《基于红外成像蜂群无人机目标识别算法研究开题报告文献综述》7100字】

基于红外成像蜂群无人机目标识别算法研究开题报告文献综述1.1课题研究的背景及意义伴随无人机技术的迅猛发展，该无人机表现出迅速发展的台式。出于具备“慢低小”的属性，便于其飞行隐蔽，进而经常会对边防、大型场所、电站、主要办公场地、看守所、机场等诸多目标的安全空防构建了较大的威胁。例如前段时间在国外产生的无人机“飞越地标（巴黎）建筑”、“闯入白宫”“身带放射物质抵达日本首相官邸”等诸多的事项，并且国内也产生了诸多的无人机对航班干扰的事项。该事项不但对机场等主要场地产生了较大的经济损伤，并且产生了特别恶劣的社会层面的影响。图1.2无人机对机场的袭扰并且伴随人工职能技术和无人机技术的有效融合，人工智能通过和无人机的有效融合，不但改变了传统的作战方式和模式，未来在战争过程中必然会向着智能化、无人化的层面逐渐演变和发展。可以了解的为，将蜂群无人机当作典范的作战必然会演变为之后无人机技术的重点发展，在战场内发挥较大的战略成效和功效。在上个世纪的九十年代莫默念，美军开始关注到对蜂群作战而言，这一莫哦是具备较多的优势，并且论述了无人机蜂群的理念和定义，无人机蜂群体系源于最初的蜂群技术，其为经典的较低成本、分布类型、网络的作战方式，运用释放诸多的小型、大量、价格不高的无人机，相互进行合作，产生了无人机蜂群，实现了封控区域、侦查战场、攻击饱和等繁杂的任务。其不但可以精准的对主要目标进行打击，并且还具备饱和类型的空天打击、蜂群袭击等。由此，可以精准的识别和检测不了解的蜂群无人机也就是特别主要的内容，其是来袭无人机（蜂群）良好反馈的基本基础和前提。出于对无人机而言，其具备热辐射的目标特点，在探测器（红外）内可获得显著的突显，由此使用较低的成本探测方式检测和识别无人机拥有优良的使用基础和前景。图1.2作战的无人机（蜂群）将蜂群无人机目标为经典的“慢低小”目标用于较低的飞行高度、较小的体积、较慢的速度等属性，进而可闯入到诸多的主要地区或者是对主要目标进行袭击。在针对该目标识别和探测过程中，出于具备不同的目标品种和种类，也就具备不同的特性，在探测设施中其呈现出各不相同的特性，对识别检测产生了较多的困难。出于慢低小的目标有很慢的速度，并且高度不高，导致一般在红外像中呈现出这样的属性和特质：繁杂的背景：出于目标拥有较低的飞行高度，需要在远距离基础中了解和发现目标，造成广电探测设施的检测范围特别的广泛，检测获得的图像具备大范围的建筑背景，繁杂的背景导致提升了检测层面的难度。干扰基础和条件：在远距离基础中，低空光电探测设施对目标探测，精准度会伴随大气对光学镜头产生的影响而逐渐的波动，导致目标缺乏精准的目标。进而，高层建筑和雾霾天气遮挡对探测目标产生了较多的困难。几何属性：航拍气球，遥控模型和三角翼（动力）等目标出于自身有很小的面积，远距离探测造成其表现出较低的面积，像素维持在几千到几十像素等。运动属性：各不相同的低空飞行目标，有各不相同的运动轨迹，其目标表现出直线的轨迹，还有的表现出斜线，还有的表现出盘旋的轨迹，造成传统检测目标难以检测。当下，国外和国内全面深入的分析无人机反制技术，其探测和识别蜂群无人机，涵盖了光电探测、雷达探测、无线电频谱检测、声学探测等方式和手段。雷达探测拥有较远的探测距离，有精准的位置信息等属性和特质，可全面的探测目标空域，但出于蜂群无人机有很慢的速度，由此对目标没有较高的灵敏度。并且雷达容易受制于杂波产生的干扰，影响搜索无人机目标；一般而言，声学探测运用获得目标中的部件运动形成的声波心哈，进而实现探测目标的最终目标，但出于无人机（蜂群）有很慢的飞行速度，其在飞行过程中，重点依托电动力的动力，由此这一目标有很低的噪音，且出于在背景环境产生的噪音引导和干扰内，其难以落实有效识别无人机目标；无限电频谱检测为运用检测地面站和无人机目标的交互信号开展探测的模式，但对位于无线电静默基础中的目标会难以落实良好的探测。对比光电探测，其普遍为红外、可见光、激光类型的探测，哟耦与其防辐射或反射有关的光波落实探测目标，激光探测仅管有交较高精准性的属性，但其可受制于雨、云、雾等形成的干扰，可见光探测无法呈现全天的探测。但针对无人机（蜂群）目标而言，其在低空基础中对比其他目标，红外辐射性有很强的属性，由此不会遭受雨雾和烟尘等环境的干扰，并且具备优良的全天性，并逐渐演变为不同国家的热点问题。1.2蜂群无人机目标识别的研究现与发展趋势近段时间，伴随集群（无人机）技术的迅速发展和逐渐成熟，蜂群（无人机）作战已经开始在最开始的理论分析更改为实践操作。例如在2019年，胡塞武装应用无人机运用集群的模式打击阿拉伯区域的天然气石油设施，对沙方产生了较大的损伤。在2020年产生了纳卡冲突内，阿塞拜疆应用无人机对亚美尼亚的士兵和坦克进行攻击，进而呈现出无人机蜂群的作战能力和威力，强化识别和探明无人机蜂群，其为反制技术（无人机）的研究方向，当下国外和国内均开始全面分析和研究了无人机的“慢低小”的基本目标。为全面解决蜂群无人机的“慢低小”的国外和国内的重要探测途径重点涵盖了2个：光电探测（激光、可见光、红外）以及雷达探测的类别。在2012前，美国的DARPA均在开展AWARE项目工作内，当下DARPA研制产生的AWARE-10、AWARE-2摄像机的60×100度、70×120度，普遍对高分辨率、大视场的矛盾，可落实有效探测“慢低下”的无人机。美国2015年的诺斯罗普·格鲁曼企业在陆军开展的试验MFIX内，检验了反无人机“毒液”体系具体见图1.3.“毒液”为定位地面的体系，汇集了诺斯罗普·格鲁曼企业在通过战争检验的较轻激光的指示/LLDR，可在模糊和昼夜环境中锁定、识别、跟踪低飞兴矿下的小型无人机。图1.3毒刺反无人机系统英国有关的公司在2015年正式研发了汇集了跟踪、探测、干扰为一身的AUDS体系。其是4频段的屏蔽和抑制系统、迅速部署和光学干扰器共同组建产生，可在8千米中跟踪、探测、干扰、识别无人机。对AUDS而言，其优势重点呈现为：（1）应用了多普勒技术的电子雷达，可全面的探测低速和高速飞行的小型和微型无人机，拥有优良的抑制地面杂波的功效；（2）使用稳定高精准度的光电指示器，融合先进的红外摄像机、昼夜光电、视频数字跟踪技术，可自动的识别和跟踪无人机；（3）使用职能射频抑制器，可按照不同种类的无人机指控通信链干扰选择性，降低附带形成的损害。图1.4反无人机AUDS系统以色列拉法尔企业在2016年在巴西安全防务中呈现了无人机穹的跟踪、探测、压制的体系。这一体系涵盖了RADA企业的战术RPS-42空中光电传感器、雷达监视，无死角的对无人机开展探测。我国针对无人机反制蜂群技术内的识别无人机目标的该问题，在有关的技术组织和科研组织建立在目前的技术基础和条件，构建了诸多针对“慢低小”无人机（蜂群）目标的拦截打击和探测等相关技术。例如中科院上海天文台建立在低空场景内的“慢低小”的检测目标算法，构建了使用在空内“慢低小”目标的搜索光电体系，且获得了优良的成效。张少峰运用研究了解到，雷达综合应用精细化处置、高分辨率技术、便捷频率等技术，可落实探测“慢低小”的目标。郭豹等成员建立在光束合成制度对将大疆精灵3当作典范的“慢低小”目标开展了试验激光打击，并获得了优良的成效。1.3红外成像探测技术的应用及发展趋势红外探测技术历经最近六十多年的发展和历史，当下红外呈现探测已经步入了四十年的发展，其后历经冷战军备竞赛、越南战争、新军事革命等各不相同的历史要素的推动，且历经实战的检验和考验，红外成像探测体系的理论、体制、技术、办法、应用均获得了较大的发展。出于对红外成像而言，其技术获得了较快的发展，在诸多的不同使用领域内其性能获得了较快的发展和提升。1.3.1红外成像系统发展及成像体制介绍伴随近段时间，伴随无人机技术的迅猛发展和制导武器的更好发展，我国更加的关注防空安全层面的问题和发展。对提升空域自身的安全性，需要在无人机反制、防空预警体系层面提高脱欧入，提升探测技能并且更好的对抗。建立在红外成像探测的无人机反制系统和防空预警制度，提高投入提升探测技能，且更好的进行对抗。建立在红外成像探测体系的无人机反制和预警体系，出于其拥有全天候工作、被动隐蔽的属性，让其演变为在防空领域内特别主要的力量。红外预警体系内的探测体系和处理图像体系的重要关键内容。红外成像探测体系的构成是红外探测器、光学探测器、跟粽子体系、视轴瞄准、提取子体系和信息处置等构成，针对分布类型的红外成像网络探测体系涵盖了通信子体系。在红外成像探测体系的中级、初级发展的前半时期，技术创新和发展主要是在处理信息、红外探测器、提取技术的层面，但红外成像图像体系的最后性能决策综合继承组件技术，由此在中阶和后半时期开端，更注重融合当下拥有的探测器技术、全新的探测技术，运用全新的计算成像、光学技术等理念体系满足全新的需求。对红外成像体系而言，红外探测器为特别重要的部件，在诸多时间其历经了红外探测（单元扫描）、红外探测器（多元扫描）、红外探测（线扫）、红外探测器（凝视型）的发展经历。目前市场内的红外探测器结合其温度可被划分为两个类别：非制冷、制冷类型的红外探测器。制冷类型的探测器在低温中工作，运用温度降低的方式降低成像环节产生的噪音干扰。由此，对比非制冷类型的探测器而言，其拥有很高的精准度、灵敏度、较低的误差、较大的探测范围、分辨率较高的优势等。但出于协同制冷器共同工作，制冷类型的红外探测器有更短的应用寿命、较大的功耗、高昂的价格、较大的体积等缺陷。对军事层面而言，其在精准度、灵敏度方面有更高的要求，重点使用制冷类型的探测器，非制冷类型的探测器重点首先考量功耗、成本、较低体积的民用层面和使用。(a)4元以及2元红外探测器(b)红外探测器（焦平面）图红外成像探测器成像探测技术是在点源探测层面形成的，最开始使用这一技术重点是制导导弹，例如美国制定的响尾蛇导弹等，且获得了优良的成绩和战绩，但伴随科技的迅猛发展，诱饵干扰技术的使用，有更加恶劣的战场环境，点源探测技术开始获得更多的挑战，为契合探测战场需求的技术，开始演变为成像探测或多元技术。在上个世纪的四十年代产生的首代红外探测系统开始计算，发展大上个世纪的六十-八十年代产生的建立在单元制冷锑化铟探测器、圆锥扫描调制盘等的红外探测系统，并且建立在多元或单元探测器的初步红外成像跟踪器，可将其当作红外探测体系初步发展的时期。中阶段的前半时期（上个世纪的八十年代到该世纪初，共二十年）到上个世纪的八十年代，建立在首代前视红外探测体系的产生，还会建立在TDI型号的二维探测器焦平面阵列的红外线第2代探测体系装备为普通设施和装备，和建立在非制冷类型的焦平面（二维）阵列的非制冷的较低成本的红外探测设施，可被当作该系统发展的中级发展时期的前半阶段。1.3.2红外成像探测的优势及应用领域红外图像内的无人机成像有显著的优势，一般而言，对比图像背景无人机有更高的亮度，并且不会受制于纹理、肤色、阴影等产生的影响，并且不会受制于周边环境产生的限制，有更大的应用，重点被应用在如下领域内：安全领域：使用在驾驶辅助、交通监控、安全监控、搜索追捕、救灾消防、防爆等，在较差的条件、夜间和雨雪可正常的进行监控，降低产生诸多的危险事情，实现搜索效率的提升等。军事层面：例如扫描有生力量、瞄准武器等。倘若在其中添加了红外目标识别，也就是在光线不佳或夜间的基础中，还可以迅速的锁定目标，提升战胜的几率，实现时间的节约，降低消耗的代价。视觉层面：针对场景内的目标的手势或姿态的改变和目标跟踪具备显著的含义。尽管在诸多的层面内大量的使用红外人体识别技术，但一般具备很差的自适应性。使用红外成像探测器针对“慢地小”目标的识别具备自身的优势：较快的响应能力：在获得指令之后，可迅速的让无人机抵达地区，快速的成像和飞行，在很短的时间中构建高精度装备可获得拍摄的结果；高精度的定位和高分辨率的获得能力：体系的高分辨率图像可被使用在检测、搜索、识别的层面；无人机有较低的应用成本；无人机可担当高科技、高风险的任务：针对船、车、人不能抵达的区域的监测环境、检测有毒区域的污染、救援指挥和检测灾情等，都拥有很大的优势。本文章结合容易被繁杂的噪音环境淹没弱小无人机目标的情况和问题，分析建立在红外成像探测体系对蜂群“慢低小”无人机的识别目标技术，运用研究空中的“慢低小”无人机（蜂群）目标产生的图像属性和特质，构建了契合“慢低小”目标的分割图像和目标特性的基本算法。这一课题针对蜂群“慢低小”无人机目标的识别红外图像问题，论述了契合“慢低小”的无人机蜂群目标的目标识别办法，进而推动有关的分析发展和演变。1.4主要研究工作及结构安排本文融合对蜂群“慢低小”无人机反制技术属性，研究建立在蜂群“慢低小”无人机的目标问题予以分析，运用实验仿真和理论融合的模式，分析空域环境内的无人机（蜂群）目标的红外辐射属性和特征，论述了建立在目标轮廓特征和目标灰度直方图的识别办法，直接解决“慢低小”的无人机由于遭受背景噪音、较低目标的噪音干扰、目标特性的缺陷导致的不具备较高的识别精准度，并且按照多目标无人机（蜂群）特性论述的打击多目标对策，对反制无人机技术论述基础方面的支撑。课题分析可划分为6个方面细致研究：：绪论。融合本文的研究背景，分析对无人机（蜂群）反制技术的价值和含义。第一论述了“慢低小”无人机（蜂群）目标对主要地区和场地产生的危险，其后汇总了对“慢低小”无人机（蜂群）的反制技术的探测方式和数段，研究其缺点和优势。：蜂群无人机和红外成像的辐射特性研究。本章节建立在探测技术（红外成像）创建了契合无人机目标探测体系的综合办法，第一运用研究红外成像的基本远离和探测器成像基本原理探测被动远红外探测器，其后论述了船组成探测体系的结构和探测环节，最终对分辨率和像元尺寸关系、探测器距离、目标成像环节开展研究。对其后的分析构建基础。：目标分割检测和预处置图像。本章节建立在红外成像体系，论述了处理图像技术的定义，并对图像分割、预处置图像、提取图像特征、识别目标等精简的开展了论述，其后融合处理图像算法，对和红外探测体系获得的无人机（单一）图像开展了图像的锐化、去噪、分割图像的处置，进而提升图像自身的品质。对其后的无人机（蜂群）的识别构建基础。：建立在识别模式的识别算法分析。在如上研究基础中对无人机目标开展了预处理，且获得了分割后的最终图像，对持续识别目标，本章节建立在分割人机红外图像获得图像自身的辐射特征和目标自身的轮廓性。在目标特征中，特征有更多的种类，就具备更加复杂的算法，相反有更少的特征数，就具备更少的精准度。由此本文章融合提取目标特征的关系，构建了关联特征的检测目标算法，识别模糊理论目标。：无人机（集群）目标的多目标识别和评估威胁。在如上的两个章节内，建立在红外成像探测体系扫描获得空天基础内不同目标（无人机）的红外图像，且建立在红外图像属性中才处理图像，进而获得了目标的有关图像属性和热症，且建立在图像特征中检测和判断目标，对持续检验探测体系的识别和探测的能力，本章节第一构建了无人机（蜂群）集群模型，且建立在模型层面构建威胁评估目标研究，最终运用实验获得无人机（蜂群）红外图像，且使用如上制定的处理算法和识别目标算法开展处置，检验有关的算法是不是符合探测无人机（蜂群）目标环境。：展望和总结。在本章节内运用总结获得的研究结果和工作，研究当下的缺陷和不足，且按照具体的缺陷论述其后的分析内容和方向。参考文献[1]刘立章,张骞,赵梓涵.无人机蜂群拦截系统作战构想与关键技术[J].指挥控制与仿真,2021,43(01):48-54.[2]兰顺正.美初创公司推出应对“蜂群”无人机导弹[N].中国国防报,2020-11-17(004).[3]徐明兴,林冰轩,陈志刚,王文正,沈雁鸣.中小型无人机防御激光武器的技术途径分析[J].现代防御技术,2020,48(05):10-15.[4]王伟.基于遥感图像的船舶目标检测方法综述[J].电讯技术,2020,60(09):1126-1132.[5]陈花卫,谭文斌.基于人眼视觉特性的无人机红外图像增强研究[J].激光杂志,2020,41(09):137-141.[6]李丰雨,曹文涛.反无人机“蜂群”作战难题如何破[N].解放军报,2020-09-15(007).[7]柳兴国.基于压缩感知的红外图像超分辨率重建[D].电子科技大学,2020.[8]杨丽娜,曹泽阳,李勇祥.无人机蜂群作战构成及作战概念研究[J].现代防御技术,2020,48(04):44-51.[9]姬龙鑫,冯辅周,闵庆旭.基于小波变换的超声红外热图像处理[J].长春理工大学学报(自然科学版),2020,43(04):112-116+128.[10]张小孟,胡永江,李文广,庞强伟,袁国刚.基于改进人工蜂群算法的多无人机灭火任务规划[J].中国惯性技术学报,2020,28(04):528-536.[11]马晓楠,洪普,宫文峰.场景自适应的红外图像动态范围压缩算法[J].光学与光电技术,2020,18(04):25-31.[12]李佳.低慢小无人机目标红外成像探测关键技术研究[D].西安电子科技大学,2020.[13]聂丰英,吴丽华.车载红外热成像图像处理系统的构建[J].激光杂志,2020,41(07):123-127.[14]李辉,方丹,高伟伟,陶贵明.巡飞弹蜂群关键技术与战术构想研究[J].战术导弹技术,2020(04):58-63.[15]高鹏.无线紫外光蜂群无人机避让预警方法研究[D].西安理工大学,2020.[16]杨峻巍,王向伟,贾建生,袁浩波,曾操.基于球谐变换的无人机蜂群RCS快速分析算法[J].电讯技术,2020,60(06):651-656.[17]张双雄,李晶晶,尹帅,王思力,王苏.无人机蜂群作战分析[J].现代信息科技,2020,4(12):22-24.[18]陈严波,黄金龙,汪志军,姜斌,程月华,杨浩.基于有向图的蜂群无人机故障影响[J].航空学报,2020,41(S2):115-121.[19].Robotics-RoboticSystems;NewRoboticSystemsFindingsfromHohaiUniversityDescribed(InfraredImageSegmentationBasedO