紅外場(chǎng)景下遮擋目標(biāo)識(shí)別算法研究.pdf

1、紅外傳感器具有良好的性能，在現(xiàn)代戰(zhàn)場(chǎng)中應(yīng)用廣泛。紅外場(chǎng)景下的目標(biāo)檢測(cè)與識(shí)別問(wèn)題，一直是圖像處理領(lǐng)域的主要方向之一。在紅外場(chǎng)景中，云和霧是十分常見(jiàn)的自然現(xiàn)象，由云和霧帶來(lái)的遮擋問(wèn)題，也成為紅外場(chǎng)景下目標(biāo)檢測(cè)與識(shí)別的重要挑戰(zhàn)。本文針對(duì)紅外場(chǎng)景中有云、霧遮擋的目標(biāo)識(shí)別問(wèn)題，進(jìn)行了深入的研究，針對(duì)云和霧對(duì)紅外場(chǎng)景中目標(biāo)檢測(cè)與識(shí)別的影響，進(jìn)行了分析總結(jié)，并給出了解決方案。
　　首先，由于實(shí)時(shí)圖像并沒(méi)有先驗(yàn)知識(shí)確定云霧的覆蓋程度，因此為了定量

2、衡量紅外圖像中的云霧的干擾的程度，我們提出了衡量標(biāo)準(zhǔn)。根據(jù)制定的衡量標(biāo)準(zhǔn)，決定是否對(duì)圖像做去霧處理，是否對(duì)圖像中有云區(qū)域進(jìn)行標(biāo)記，并且給出了去霧的算法以及有云區(qū)域標(biāo)記的算法。
　　其次，對(duì)于遮擋問(wèn)題，局部特征點(diǎn)方法相比傳統(tǒng)模板匹配的方法，有很大的優(yōu)勢(shì)。本文詳細(xì)研究了常見(jiàn)局部特征點(diǎn)的性能，對(duì)比FAST、Harris、SUSAN、SIFT和Symmetry point等局部特征點(diǎn)提取算法，綜合考慮各特征點(diǎn)的時(shí)間代價(jià)、數(shù)量、覆蓋程度以及

3、重現(xiàn)率等多個(gè)指標(biāo)，最終選擇FAST特征點(diǎn)作為局部特征點(diǎn)。另外，本文中特征點(diǎn)匹配的圖像為異譜圖像，通過(guò)研究，發(fā)現(xiàn)傳統(tǒng)的特征描述，如包括HOG特征，LBP特征，LPQ特征，Symmetric特征以及CNN特征等，其表示能力有限，并不能很好地描述異譜圖像。本文總結(jié)傳統(tǒng)特征工程的經(jīng)驗(yàn)，并針對(duì)具體應(yīng)用，給出了共線性編碼特征，很好地解決了這一問(wèn)題。同時(shí)，本文也探討了高維特征對(duì)特征點(diǎn)匹配的影響，給出了構(gòu)造高維特征的方法以及參數(shù)選擇的經(jīng)驗(yàn)，通過(guò)設(shè)計(jì)實(shí)驗(yàn)

4、，證明了高維特征能夠顯著提升匹配的穩(wěn)定性。針對(duì)高維特征匹配效率低的問(wèn)題，本文使用了內(nèi)積量化的方法，對(duì)高維特征進(jìn)行壓縮編碼，在不損失精度的情況下，大幅提升了匹配效率。而對(duì)于錯(cuò)誤匹配的問(wèn)題，本文通過(guò)對(duì)誤匹配點(diǎn)對(duì)分布的假設(shè)，利用向量場(chǎng)一致性（VFC）算法，有效消除錯(cuò)誤的匹配點(diǎn)對(duì).再利用RANSAC算法，進(jìn)一步去除錯(cuò)誤的匹配點(diǎn)對(duì)，以VFC和RANSAC組合的方式消除錯(cuò)誤匹配，建立仿真圖像和實(shí)時(shí)圖像的映射關(guān)系，消除云霧遮擋對(duì)目標(biāo)識(shí)別的影響。

5、>　　然后，本文也研究基于全局信息的遮擋目標(biāo)識(shí)別算法，該方法利用大場(chǎng)景圖像的策略和圖像中的全局信息進(jìn)行匹配，解決局部遮擋導(dǎo)致信息損失無(wú)法匹配的問(wèn)題。同時(shí)，本文研究了實(shí)時(shí)圖像旋轉(zhuǎn)對(duì)匹配精度的影響，并利用低秩矩陣原理，有效矯正圖像，避免了特征對(duì)旋轉(zhuǎn)敏感的問(wèn)題。通過(guò)特征匹配，確定大場(chǎng)景圖像與實(shí)時(shí)圖像的映射關(guān)系，快速有效的避免了遮擋的影響。
　　最后，我們也對(duì)提出的算法在硬件平臺(tái)上進(jìn)行了實(shí)時(shí)實(shí)現(xiàn)，通過(guò)算法級(jí)和代碼級(jí)的優(yōu)化，對(duì)算法的特征進(jìn)行