基于Gabor特征提取的海面艦船目標識別.pdf

1、伴著國家經(jīng)濟的快速發(fā)展，大量資金投入到科技事業(yè)發(fā)展進程中，計算機科技領域和數(shù)字化圖像分析和處理技術(shù)實現(xiàn)了質(zhì)的飛越，隨著海軍的重要性在現(xiàn)代的軍事戰(zhàn)爭中的不斷提升以及多樣的擁有先進作戰(zhàn)設備的作戰(zhàn)艦船的不斷推陳出新，能夠?qū)δ繕诉M行識別并施以打擊變得更加重要。由于海天背景比較復雜（云層和海浪的干擾）以及氣象條件不穩(wěn)定，導致目標可能會與海面上的干擾背景混為一體，這樣就使得圖像中的艦船目標的識別變得具有挑戰(zhàn)性。隨著成像技術(shù)的發(fā)展，基于圖像處理的目標

2、識別逐漸成為研究的熱點，目前應用的主要圖像種類有可見光圖像、遙感圖像、視頻圖像等。對于圖像的處理技術(shù)成為信息綜合的重要部分。獲取的可見光圖像中的艦船目標能夠較好地體現(xiàn)各種不同類型艦船的主要特征，通過對與這類圖像的處理和圖像中艦船目標的識別可以實現(xiàn)對于不同類型艦船的智能識別。
　　首先對本課題相關(guān)的艦船目標識別的基礎知識，以及課題的研究背景與意義進行了研究，并對課題研究的國內(nèi)外現(xiàn)狀進行了解與分析，以便后面有側(cè)重地研究并解決所遇到的問

3、題。
　　然后針對采集到的圖像會受到周圍采集環(huán)境的影響，需要對圖像進行去除噪聲的預處理操作。將改進的Wavelet變換與Ridgelet變換融合進行實驗，并分析評價標準，根據(jù)評價標準評判本文算法是否有效；針對圖像中對比度低、部分目標邊緣模糊的特點，采用模糊對比度增強的方法來提高圖像中艦船與周圍背景的對比度，同時能夠使目標輪廓邊緣附近的像素起伏變大，進而增強目標邊緣，通過仿真結(jié)果來驗證算法的有效性。
　　其次對于分割工作來說，

4、先從縮小目標可能會或一定會存在的區(qū)域范圍入手，分析了海面背景中會存在水域區(qū)域與天空區(qū)域，且面積大約相等、灰度值有一定差別、灰度分布均勻等特點，運用PCNN模型（脈沖耦合神經(jīng)網(wǎng)絡模型）結(jié)合最大香農(nóng)熵的評判標準來實現(xiàn)水域分割，在此基礎上利用Hough（霍夫）變換確定海天線位置，能去除大部分與艦船目標無關(guān)且會有所干擾的背景，進而在提取目標特征的基礎上對特征進行融合，濾除干擾因素，利用多特征融合的方法將圖像中的艦船目標突顯出來，再使用自適應閾值

5、最終進行分割。將分割結(jié)果與原始圖像中的目標相對比，觀察分割后對于目標輪廓信息的保存完整程度，來驗證算法的可行性。
　　最后在進行識別艦船之前，需要進行艦船的特征提取，對常用的矩特征進行研究，針對矩特征對于旋轉(zhuǎn)不變性的不足，進而將Gabor特征引入艦船的特征提取工作中，針對提取出來的Gabor特征的高維數(shù)不利于后續(xù)計算的問題，采用核主成分分析方法進行壓縮降維，為了使識別速度快并具有更好的適應性，研究了一種適用于多種的不同類型的樣本進