基于PRIC理論的圖像信息技術(shù)研究.pdf

1、本文利用PRIC(Pattern Recognition and Intelligent Control,模式識別與智能控制)面向外部環(huán)境信息實(shí)現(xiàn)機(jī)器直接感知并做出相應(yīng)智能反映的技術(shù)特點(diǎn),融合信息、計(jì)算機(jī)、控制、模糊數(shù)學(xué)等交叉學(xué)科開展以圖像信息的識別為前提的復(fù)雜背景下目標(biāo)識別與跟蹤技術(shù)研究,并將其應(yīng)用于軍事領(lǐng)域。文章在闡述圖像識別基本理論的基礎(chǔ)上提出多種有效識別算法及其實(shí)用技術(shù)。尤其是模糊加權(quán)的圖像匹配方法,利用直方圖的特性,引進(jìn)數(shù)學(xué)中

2、的模糊加權(quán)概念,顯示各級量數(shù)在總量中所具有的重要程度,分別給予不同的級數(shù)；在相關(guān)匹配中,先對權(quán)重高的灰度值進(jìn)行匹配,并運(yùn)用模糊加權(quán)模板的思想來處理要匹配的現(xiàn)場圖像,以獲得二值化的稀疏矩陣,再以模糊加權(quán)模板將相關(guān)運(yùn)算的乘法簡化為稀疏矩陣的加法。文章闡述,模糊加權(quán)的圖像匹配方法能夠使得整個識別過程不僅降低了運(yùn)算量,而且對噪聲污染具有較強(qiáng)的抗干擾性；同時,系統(tǒng)能夠克服一般模板方法對環(huán)境亮度輕微變化而造成的匹配失誤；并通過實(shí)驗(yàn)證明了模糊加權(quán)算法

3、對NMI特征值能保持良好的穩(wěn)定性,且優(yōu)于灰度門限算法和邊緣檢測等算法。為增強(qiáng)識別匹配的實(shí)用性,文章在給出模糊加權(quán)的NMI特性提取方法的同時,還提出了一種實(shí)用的復(fù)合圖像識別匹配算法。該算法以模糊權(quán)重為二者的連接點(diǎn),既降低了灰度匹配的計(jì)算量,又為NMI特征值計(jì)算尋找到了有效的方法。針對本課題的應(yīng)用技術(shù)背景,文章詳盡介紹了PRIC在制導(dǎo)武器系統(tǒng)中的末制導(dǎo)尋的實(shí)用算法及其技術(shù)。對于當(dāng)前圖像匹配過程所采用的經(jīng)典決策中特征空間尺度MAD、CF和CC

4、F等算法的局限性難以實(shí)現(xiàn)復(fù)雜環(huán)境條件下目標(biāo)圖像的高準(zhǔn)確率識別,提出一種目標(biāo)圖像匹配的模糊合成多維決策方法。該方法在增加運(yùn)算量不多的情況下,可以大幅度提高對復(fù)雜背景下目標(biāo)圖像識別的準(zhǔn)確率,因此使得該領(lǐng)域的研究向?qū)嵱眉夹g(shù)邁進(jìn)一大步。同時通過變角度識別、遠(yuǎn)距逼近、遮擋目標(biāo)等復(fù)雜環(huán)境實(shí)驗(yàn)測試,最終證實(shí),本課題提出的系列算法具有優(yōu)異的實(shí)用性和有效性。最后,文章闡述了基于PRIC理論的圖像信息技術(shù)拓展研究,以攝像機(jī)雙目測量與圖像形態(tài)學(xué)處理方法作為圖