雷达态势图像表格检测与识别

TN957.52; 随着军贸出口的指挥控制类武器装备种类增多,设计兼容不同国家、不同体制的雷达接口非常关键.而如何高效获取接口不开放的雷达目标信息是核心问题之一.因此,设计了一种基于数学形态学和深度学习的图像识别方法,用于获取雷达图像的情报信息,实现雷达图像信息的数字化转换,并将数据上传至指挥中心.通过网络摄像头实时采集雷达态势图像信息,采用数学形态学方法实现雷达图像文本定位与检测,并采用CRNN深度学习模型,完成雷达目标情报的识别与提取.结果表明,平均每帧雷达图像的识别时间在500 ms以内,准确率可以达到95％以上,满足实时性和准确性的要求....

Full description

Saved in:
Bibliographic Details
Published in指挥控制与仿真 Vol. 44; no. 6; pp. 110 - 114
Main Authors 蔡玉宝, 李德峰, 王宁, 杜会盈, 徐聪
Format Journal Article
LanguageChinese
Published 中国电子科技集团公司第二十七研究所, 河南 郑州 450047 2022
Subjects
雷达图像识别
表格识别
光学字符识别
Online AccessGet full text
ISSN1673-3819
DOI10.3969/j.issn.1673-3819.2022.06.018

Cover

More Information
Summary:TN957.52; 随着军贸出口的指挥控制类武器装备种类增多,设计兼容不同国家、不同体制的雷达接口非常关键.而如何高效获取接口不开放的雷达目标信息是核心问题之一.因此,设计了一种基于数学形态学和深度学习的图像识别方法,用于获取雷达图像的情报信息,实现雷达图像信息的数字化转换,并将数据上传至指挥中心.通过网络摄像头实时采集雷达态势图像信息,采用数学形态学方法实现雷达图像文本定位与检测,并采用CRNN深度学习模型,完成雷达目标情报的识别与提取.结果表明,平均每帧雷达图像的识别时间在500 ms以内,准确率可以达到95％以上,满足实时性和准确性的要求.
ISSN:1673-3819
DOI:10.3969/j.issn.1673-3819.2022.06.018