紅外圖像中車輛目標(biāo)識(shí)別方法研究.pdf

1、紅外技術(shù)在21世紀(jì)的軍事和民用等各個(gè)領(lǐng)域發(fā)揮著至關(guān)重要的作用，而且隨著未來戰(zhàn)場的需要和國民經(jīng)濟(jì)的不斷發(fā)展，紅外技術(shù)將發(fā)揮著越來越重要的作用。其中紅外目標(biāo)識(shí)別技術(shù)是世界各國學(xué)者研究的前沿和熱點(diǎn)問題之一。本文根據(jù)紅外目標(biāo)自動(dòng)識(shí)別系統(tǒng)(ATR)的特點(diǎn)，在紅外車輛目標(biāo)的對(duì)比度增強(qiáng)、自動(dòng)分割、特征提取、目標(biāo)識(shí)別等方面，進(jìn)行了較為系統(tǒng)的研究。本文的主要研究內(nèi)容如下： 1.基于遺傳算法的紅外圖像自適應(yīng)模糊增強(qiáng)。由于紅外車輛目標(biāo)在成像過程中存在

2、許多不確定性即模糊性，針對(duì)紅外圖像的模糊性將模糊理論運(yùn)用到紅外圖像，提出了一種基于模糊理論的圖像質(zhì)量測度函數(shù)，把它作為遺傳算法的適應(yīng)度函數(shù)對(duì)非完全Beta函數(shù)的α和β參數(shù)進(jìn)行自適應(yīng)動(dòng)態(tài)調(diào)節(jié)來擬合幾種典型的灰度變換曲線，實(shí)現(xiàn)感興趣區(qū)域紅外車輛目標(biāo)的自適應(yīng)模糊增強(qiáng)。實(shí)驗(yàn)結(jié)果表明了該方法的合理性和有效性，在性能上優(yōu)于傳統(tǒng)的圖像增強(qiáng)技術(shù)和現(xiàn)有的一些同類增強(qiáng)技術(shù)，具有較高的自適應(yīng)性和智能性。 2.基于遺傳算法的紅外車輛目標(biāo)自動(dòng)模糊分割。針

3、對(duì)紅外圖像的特點(diǎn)，提出了一種基于遺傳算法的自動(dòng)模糊分割紅外車輛目標(biāo)圖像的方法。首先選取圖像中包含待分割的車輛目標(biāo)的感興趣區(qū)域以加快運(yùn)算速度；然后對(duì)感興趣區(qū)域圖像進(jìn)行模糊增強(qiáng)，借助于二維OTSU方法對(duì)增強(qiáng)后的感興趣區(qū)域進(jìn)行閾值分割。為了加快分割算法的速度，先限定一個(gè)最佳閾值取值空間，再利用遺傳算法在此閾值空間內(nèi)自動(dòng)搜索最佳分割閾值；為了彌補(bǔ)單獨(dú)利用二維OTSU方法分割的不足，采用縮短模糊邊緣寬度的方法來提取感興趣區(qū)域紅外車輛目標(biāo)圖像的邊緣

4、。把二維OTSU方法分割的圖像與模糊邊緣提取得到的邊緣圖像進(jìn)行或運(yùn)算，最后進(jìn)行填充以得到最終的車輛目標(biāo)分割圖像。實(shí)驗(yàn)結(jié)果表明：這種自動(dòng)模糊分割技術(shù)比一維OTSU和二維OTSU算法能得到更準(zhǔn)確和完整的車輛目標(biāo)。 3.基于徑向基神經(jīng)網(wǎng)絡(luò)的紅外車輛目標(biāo)識(shí)別。給出一種基于徑向基(RBF)神經(jīng)網(wǎng)絡(luò)的車輛目標(biāo)識(shí)別算法。該方法提取平移、旋轉(zhuǎn)、尺度放縮等變換下都不變的目標(biāo)形狀特征，其中包括8個(gè)離散余弦變換描述子，6個(gè)獨(dú)立的不變矩，3個(gè)最能區(qū)別目