基于多尺度幾何分析的紅外圖像ATR研究.pdf

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