基于多尺度幾何分析的紅外圖像ATR研究.pdf_第1頁
已閱讀1頁,還剩114頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、紅外圖像的自動目標(biāo)識別(AutomaticTargetRecognition,ATR)技術(shù)是軍事、工業(yè)機器視覺等領(lǐng)域的關(guān)鍵技術(shù)之一。這項技術(shù)受到了廣泛關(guān)注并取得了許多新的進展,涌現(xiàn)出很多新理論、新方法。但由于該領(lǐng)域的復(fù)雜性和特殊性,使得多數(shù)傳統(tǒng)的自動目標(biāo)識別方法無法取得令人滿意的效果。多尺度幾何分析是近幾年來國際上興起的“第二代小波”研究浪潮,由于它具有多方向選擇性和各向異性,是獲得圖像稀疏表示的必要條件,具有這兩種特性的變換能更有效地

2、表示圖像的邊緣和紋理等幾何特征,符合視覺系統(tǒng)的特性。有研究表明,即使是相當(dāng)?shù)图壍牟溉閯游铮瑢τ谝曨l景象的辨別能力也遠(yuǎn)遠(yuǎn)優(yōu)于任何一種ATR技術(shù)。因此,融合多尺度幾何分析的多分辨性、多方向性和各向異性的紅外圖像ATR技術(shù),可望為紅外自動目標(biāo)識別技術(shù)的發(fā)展提供有益的新思路,對紅外圖像ATR技術(shù)研究的深入發(fā)展有重要的理論意義和實用價值。 紅外圖像反映的是場景中目標(biāo)和背景的紅外輻射分布,其信息不像可見光那樣直觀明確,具有圖像信噪比低、邊緣

3、模糊、圖像的先驗知識較少等特點。針對紅外圖像的特點,本論文的工作主要圍繞紅外自動目標(biāo)識別系統(tǒng)中的幾個關(guān)鍵技術(shù)展開,研究重點為多尺度分析框架下的紅外圖像去噪、紅外圖像分割和紅外目標(biāo)的特征提取與分類。 本論文的主要研究內(nèi)容和創(chuàng)新性工作包括: 1.研究了contourlet變換中不同濾波器的選擇對紅外圖像去噪效果的影響,總結(jié)了在噪聲水平不同時選擇濾波器的大致規(guī)律。提出了一種基于contourlet域改進的HMT模型(C_HMT

4、Model),該模型節(jié)點的狀態(tài)不只依賴于其父節(jié)點的狀態(tài),而且兼顧到其父節(jié)點相鄰節(jié)點的狀態(tài),可以進一步捕捉尺度間和子帶間的contourlet變換系數(shù)更為豐富的相關(guān)性。將改進的C_HMT模型用于紅外圖像去噪,結(jié)果表明,此方法能顯著去除紅外圖像的噪聲,并獲得了較好的視覺效果。 2.提出了一種基于圖像全局信息,不需要重新初始化的變分水平集的改進的紅外圖像分割方法。在分割中,不考慮圖像邊緣梯度的影響,在很大程度上克服了紅外圖像邊緣模糊時

5、過分割的問題,通過引入內(nèi)部變形能量約束水平集函數(shù)逼近符號距離函數(shù),簡化了計算過程,減小了因重新初始化水平集函數(shù)帶來的誤差。在此基礎(chǔ)上,在分割模型中增加邊界約束項,并根據(jù)圖像目標(biāo)區(qū)域和背景區(qū)域?qū)Ρ榷鹊膹娙?,調(diào)整邊界約束和全局約束兩項的權(quán)重系數(shù),擴大了此方法的適用范圍。 3.提出了一種逐層迭代的多尺度水平集紅外圖像分割算法。該算法利用小波變換將圖像分解成多尺度、多方向的子圖像,在子圖像中進行圖像分割,采用插值法將粗尺度上曲線演化結(jié)果

6、投影到細(xì)尺度上作為初始輪廓線,逐層分割。并根據(jù)圖像噪聲的大小,對曲線演化模型的參數(shù)進行調(diào)整,克服了圖像分割中需要通過實驗的方法選擇參數(shù)的困難。仿真結(jié)果表明,該方法不僅分割效果好,而且具有抗噪性強和運算速度快的特點。 4.提出了一種多尺度框架下基于感興趣區(qū)域提取的紅外圖像多目標(biāo)分割方法。該方法根據(jù)顯著性特征提取出包含目標(biāo)的感興趣區(qū)域,將原圖像域分成多個目標(biāo)子區(qū)域和一個背景子區(qū)域,在各目標(biāo)子區(qū)域中,采用C-V方法進行曲線演化,然后對

7、子區(qū)域進行合成獲得最終分割結(jié)果。該方法有效的解決了紅外圖像中的目標(biāo)與背景灰度接近,以及含有多個不同質(zhì)目標(biāo)時的分割問題。 5.提出了一種基于contourlet變換的紅外目標(biāo)特征抽取算法,該算法利用contourlet變換子帶系數(shù)的統(tǒng)計特性,構(gòu)造特征矢量。Contourlet變換獲得的特征是圖像的局部特征,由于圖像不同子帶特征的分類能力是不相同的,針對各子帶數(shù)據(jù)的離散程度進行加權(quán)處理,為分類能力強的特征量賦予較大的權(quán)值。該算法充分

8、利用樣本的統(tǒng)計信息,簡捷、高效并具有一定的魯棒性。另外,為了獲得contourlet域中具有旋轉(zhuǎn)、平移和縮放不變性的特征,構(gòu)造了一種新的特征描述算子——contourlet傅立葉不變(ContourletFourierInvariant,CFI)特征。該特征結(jié)合了Fourier變換和contourlet變換的優(yōu)點,不但具有不變性,而且具有多分辨性、多方向性等特點,能有效的描述目標(biāo)的局部特征。 6.研究了紅外目標(biāo)的協(xié)同模式識別,提

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論