基于可重構(gòu)計(jì)算技術(shù)的圖像識(shí)別與分類系統(tǒng)研究.pdf

1、隨著圖像自動(dòng)目標(biāo)識(shí)別和分類技術(shù)應(yīng)用領(lǐng)域的迅速拓展，對(duì)計(jì)算機(jī)處理能力的要求越來越高?？芍貥?gòu)計(jì)算是隨著電子技術(shù)的進(jìn)步而發(fā)展起來的一種新的計(jì)算技術(shù)，它將微處理器的靈活性和ASIC的高效性結(jié)合起來，使圖像實(shí)時(shí)處理技術(shù)的快速實(shí)現(xiàn)成為可能。
　　 本論文在綜合分析當(dāng)前圖像目標(biāo)識(shí)別和分類算法特點(diǎn)的基礎(chǔ)上，深入研究了SAR圖像本身的特性，目標(biāo)的特征和提取方法，并對(duì)利用可重構(gòu)計(jì)算技術(shù)實(shí)現(xiàn)圖像識(shí)別和分類的方法做了有益的研究和探討。本文的主要工作和創(chuàng)

2、新之處包括：
　　 (1)研究了遙感圖像特點(diǎn)及目標(biāo)識(shí)別的方法，提出了一種基于模板的圖像識(shí)別算法。
　　 遙感圖像以其覆蓋面積大、時(shí)效性強(qiáng)、數(shù)據(jù)綜合性高等特點(diǎn)成為了國民經(jīng)濟(jì)各個(gè)部門重要的數(shù)據(jù)來源，因此遙感圖像處理成為當(dāng)今計(jì)算機(jī)應(yīng)用領(lǐng)域的熱點(diǎn)。SAR圖像地物目標(biāo)可分為點(diǎn)目標(biāo)、線目標(biāo)、面目標(biāo)以及這三者在有限尺度內(nèi)組合成的硬目標(biāo)。大多數(shù)人造目標(biāo)屬于硬目標(biāo)。SAR圖像中顯示的硬目標(biāo)并非人們平常感知的視覺形象，只有在雷達(dá)分辨率較高的

3、時(shí)候硬目標(biāo)才能顯示出一定的目標(biāo)細(xì)節(jié)，必須充分分析目標(biāo)的特征才能較好的對(duì)目標(biāo)進(jìn)行識(shí)別。本文在分析SAR圖像自動(dòng)識(shí)別過程，并結(jié)合國內(nèi)外研究的經(jīng)驗(yàn)的基礎(chǔ)上，提出基于模板的自動(dòng)目標(biāo)識(shí)別算法。通過對(duì)圖像進(jìn)行有效的預(yù)處理，將目標(biāo)集中在一個(gè)含有較少背景的區(qū)域中，不僅減少了背景對(duì)目標(biāo)檢測的影響，而且大大減少了目標(biāo)檢測時(shí)的數(shù)據(jù)量。并且通過對(duì)目標(biāo)特征進(jìn)行大量分析，獲得了行之有效的模板，提高了識(shí)別率。
　　 (2)研究了圖像噪聲、紋理特征及支持向量機(jī)

4、分類器，提出了一種基于紋理的圖像分類算法。
　　 圖像分類是根據(jù)像元的灰度信息以及其他空間特征，判定圖像中地物類別的過程。在遙感圖像技術(shù)中，無論是專業(yè)信息提取、運(yùn)動(dòng)變化預(yù)測，還是專題地圖制作和建立遙感數(shù)據(jù)庫等都離不開遙感圖像的分類。根據(jù)求解判別函數(shù)是否利用了類別的先驗(yàn)知識(shí)，圖像分類的方法可以歸結(jié)為監(jiān)督分類法和非監(jiān)督分類法。非監(jiān)督分類的結(jié)果只是對(duì)不同類別達(dá)到區(qū)分，并不能確定類別的屬性，且準(zhǔn)確性和收斂速度較差。本文深入研究了圖像的有

5、監(jiān)督分類方法。在分析已有算法不足的基礎(chǔ)上，選擇支撐向量機(jī)作為分類器，通過對(duì)SAR圖像有效去噪和紋理特征的提取，不僅減少了無關(guān)特征向量的計(jì)算，而且提高了圖像分類的正確率。
　　 (3)研究了軟硬件協(xié)同設(shè)計(jì)方法學(xué)，提出了將基于模塊的部分重構(gòu)技術(shù)應(yīng)用于圖像識(shí)別算法設(shè)計(jì)與實(shí)現(xiàn)的方法。
　　 根據(jù)高分辨率圖像的目標(biāo)識(shí)別低層算法處理數(shù)據(jù)量大、算法較簡單等特點(diǎn)，提出了在可重構(gòu)平臺(tái)上以軟硬件協(xié)同的模式實(shí)現(xiàn)目標(biāo)識(shí)別的方法。首先針對(duì)可重構(gòu)計(jì)

6、算平臺(tái)的特點(diǎn)分析了圖像識(shí)別的算法，再借鑒模塊化的設(shè)計(jì)方法的思路完成各個(gè)模塊的設(shè)計(jì)與實(shí)現(xiàn)，最終利用可重構(gòu)邏輯器件的部分重構(gòu)特性實(shí)現(xiàn)系統(tǒng)運(yùn)行時(shí)重構(gòu)。設(shè)計(jì)文件不僅能夠普遍適用于Virtex系列的可重構(gòu)邏輯器件，而且適用于各種圖源圖像的預(yù)處理方法，為其他相關(guān)圖像處理算法的可重構(gòu)實(shí)現(xiàn)奠定了良好的基礎(chǔ)。可重構(gòu)平臺(tái)上以軟硬件協(xié)同工作的模式的引入，不僅準(zhǔn)實(shí)時(shí)的實(shí)現(xiàn)了目標(biāo)識(shí)別方法，而且減少了芯片的使用面積，降低了可重構(gòu)器件的布線難度。
　　 (4

7、)研究了圖像紋理計(jì)算的特點(diǎn)及部分重構(gòu)方法學(xué)，提出了將基于差異的部分重構(gòu)技術(shù)應(yīng)用于實(shí)現(xiàn)圖像分類算法設(shè)計(jì)與實(shí)現(xiàn)的方法。
　　 基于灰度共生矩陣的紋理普遍應(yīng)用于各種圖源的分類和特征提取。針對(duì)軟件實(shí)現(xiàn)紋理計(jì)算量大、時(shí)間長的問題，傳統(tǒng)的方法只能將圖像降維或者降階，這顯然會(huì)影響后續(xù)特征提取時(shí)的效果。本文提出的方法首先針對(duì)可重構(gòu)平臺(tái)的特點(diǎn)分析了圖像分類方法，然后利用基于差異的部分重構(gòu)技術(shù)完成了系統(tǒng)設(shè)計(jì)。使圖像紋理的計(jì)算，乃至整個(gè)圖像分類的速度