紅外目標的分割與識別算法研究.pdf

1、隨著紅外成像技術的發(fā)展，其應用也越來越廣泛，在現(xiàn)代制導、搜索、跟蹤等領域，紅外技術起到了越來越重要的作用。因此，對于紅外圖像的后期處理也有著越來越苛刻的要求，尤其是對圖像中感興趣目標的分析，如目標的檢測、跟蹤、識別等。在現(xiàn)代紅外系統(tǒng)中，為提高整個系統(tǒng)的工作魯棒性、準確性，通常采用多波段成像技術。為有效利用多波段的信息源，本文重點研究了在復雜背景條件下的紅外目標的精確分割與融合識別這兩個問題。 本文主要工作如下： 1．提出

2、了一種基于張量表達的圖像分割方法。 張量的表達形式，由于其所包含的豐富信息，在現(xiàn)代圖像處理技術中具有越來越重要的作用。在以往的文獻中，也已經(jīng)有了一些獲取圖像的張量場的方法。本文提出了一種新的圖像張量場編碼方法，在對圖像的局部區(qū)域重新定義了一種新的結構假設后，給出了更為合理的張量結構表達?；谶@個結構張量場，為后續(xù)的圖像處理提供了一個良好的計算基礎，如進一步的圖像分割、特征提取等。本文初步給出了一些基于張量場的圖像分割結果，取得了

3、較好的效果。 2．改進了FCM聚類方法及SVM分類方法，給出了新的訓練策略。 經(jīng)典的FCM及SVM兩種方法，是模式識別領域常用的訓練手段，然而由于其自身固有的特點，在某些應用領域中無法滿足需求。本文結合項目情況，給出了類別的不確定度定義，分別研究了改進的FCM及SVM方法，使得其訓練結果能夠體現(xiàn)類別的不確定度，更為符合實際狀況，并為后端的融合識別提供恰當?shù)妮斎搿?3．實現(xiàn)了多信息源的融合識別，給出更為可靠的判別結

4、果。 由于紅外成像多波段技術的應用，以及對同一目標提取多種特征，識別系統(tǒng)必須給出一個綜合的可靠判別結果。經(jīng)典的DS證據(jù)理論能夠根據(jù)多條證據(jù)有效的減小證據(jù)間的不確定性，本文在借鑒DS證據(jù)理論的過程中，依據(jù)前面的訓練結果，在工程實現(xiàn)上，完成了多特征、多幀、多波段的融合識別。 4．給出了一種新的動態(tài)點目標的特征提取及識別方法。 對于紅外點目標圖像來說，由于其有效像素數(shù)目太少，在單幀圖像上很難提取到有效的特征，因此如何對