紅外艦船檢測(cè)與目標(biāo)識(shí)別方法研究.pdf

1、海洋面積約占據(jù)了地球總面積的70％，海域戰(zhàn)場(chǎng)無疑是世界各國(guó)不容忽視的領(lǐng)域。隨著各國(guó)軍事實(shí)力突飛猛進(jìn)的發(fā)展，各國(guó)對(duì)海域防御和作戰(zhàn)更為重視。紅外檢測(cè)與目標(biāo)識(shí)別技術(shù)憑借其不可比擬的優(yōu)勢(shì)一直在海洋軍事領(lǐng)域占據(jù)著一席之地，并且不斷被研究與創(chuàng)新?？紤]到海域中的目標(biāo)多為艦船，因此紅外艦船檢測(cè)與目標(biāo)的識(shí)別就顯得尤為重要，同時(shí)也具有很高的軍事應(yīng)用和研究?jī)r(jià)值。
　　本論文對(duì)紅外艦船圖像的檢測(cè)方法進(jìn)行了深入的研究，針對(duì)紅外艦船圖像的復(fù)雜特點(diǎn)得出了具有通

2、用性的檢測(cè)方法；對(duì)艦船目標(biāo)的識(shí)別也進(jìn)行了系統(tǒng)的研究，將傳統(tǒng)艦船識(shí)別所研究的艦船種類識(shí)別細(xì)化到不同種類中艦船型號(hào)的識(shí)別，并通過研究得出了相應(yīng)的高效檢測(cè)與識(shí)別方法。通過仿真實(shí)驗(yàn)驗(yàn)證了本文方法的有效性。本文研究?jī)?nèi)容包括以下幾個(gè)方面：
　　首先，對(duì)傳統(tǒng)P-M模型進(jìn)行改進(jìn)，使處理后圖像不僅可以很好地抑制噪聲，還能夠充分保留紅外艦船目標(biāo)的邊緣特征，并利用衰減閾值來實(shí)現(xiàn)P-M模型的無監(jiān)督平滑處理；
　　其次，針對(duì)傳統(tǒng)GVF-Snake模型

3、對(duì)初始輪廓的要求較高的問題，將基于OTSU算法、SUSAN算法以及PCNN算法的輪廓初始化方法進(jìn)行比較研究，得出了基于PCNN的GVF-Snake改進(jìn)模型，又對(duì)GVF-Snake模型的梯度擴(kuò)散力場(chǎng)的雜亂分布問題進(jìn)行優(yōu)化，實(shí)現(xiàn)梯度矢量力場(chǎng)的規(guī)整化；
　　再次，針對(duì)不同種類艦船各自的形狀特點(diǎn)，首次使用一種新的特定幾何特征來進(jìn)行表征，再將新特征與傳統(tǒng)幾何特征以及不變矩特征相融合，利用最終的融合特征對(duì)艦船目標(biāo)進(jìn)行表征，使不同類的特征之間具