動態(tài)目標姿態(tài)識別技術(shù)研究.pdf

1、本文主要研究基于圖像處理的運動目標姿態(tài)識別技術(shù)方法。目標識別在軍事、自動化、民用領(lǐng)域方面等都有廣泛的應(yīng)用前景，如空中目標的預(yù)警防御和攻擊、空中交通監(jiān)控等。而運動目標檢測是利用數(shù)字圖像處理技術(shù)獲得準確的運動目標，特征提取是目標識別的一個重要環(huán)節(jié)。其中，特征提取的有效程度直接影響到目標識別的準確度，而且，分類器的選擇和參數(shù)優(yōu)化對識別精度也有很大的影響。
　　本文主要研究了天空中簡單背景下飛機目標的檢測與識別方法。文章首先探討了小波和小

2、波包的基本原理，鑒于天空中的運動目標易受外界噪聲干擾等因素的影響，選取了一種針對性的解決方案。和傳統(tǒng)的Canny算子邊緣檢測方法相比，提出了小波包 Symlet函數(shù)和基于局部統(tǒng)計的可變閾值相結(jié)合的邊緣檢測方法，可以有效的提取出圖像細小邊緣特征，并對其進行二值化處理。然后使用改進的光流法通過分析連續(xù)兩幀飛機圖像，來獲得光流場，從而檢測出飛機目標的運動區(qū)域。研究中考慮到飛機目標的中心、尺寸、形狀特征、機長翼展比、同底三角形面積比等不同幾何特

3、征，文中提取飛機目標相對應(yīng)的特征構(gòu)建特征向量，基于該特征向量分別利用k-近鄰、貝葉斯、線性判別分析和支持向量機來對飛機目標進行訓(xùn)練從而獲得穩(wěn)定的模型，然后對飛機目標進行分類識別，驗證了基于核函數(shù)的支持向量機提取特征向量的有效性。最后使用霍夫變換的線檢測來檢測機軸的位置，從而確定飛機在二維空間中的姿態(tài)變化。
　　仿真結(jié)果表明，文中提出的小波包 Symlet函數(shù)和局部閾值相結(jié)合的邊緣檢測方法能有效地提取出圖像細小邊緣特征，改進的光流法