海天背景下基于AdaBoost的紅外目標檢測.pdf

1、海面紅外目標檢測技術是目標檢測研究領域的重要分支，是海面目標檢測的重要技術手段，已成為研究熱點，并且具有廣泛的應用前景。AdaBoost算法是一種基于學習的迭代算法，通過針對同一訓練集訓練不同分類器，并將這些分類器集合起來構成一個強大的最終分類器。在目標檢測和識別技術領域發(fā)展非常迅速。
　　 本文介紹了海面艦船紅外目標檢測國內外研究現狀、傳統(tǒng)的海面紅外目標檢測技術與相關理論，主要的工作是將AdaBoost算法通過OPENCV平臺

2、應用到海面紅外目標檢測領域，并且提出一種適用于海面紅外目標檢測的AdaBoost算法，為開發(fā)實時高效的海面紅外目標自動化檢測系統(tǒng)做前期研究，具體研究內容是：
　　 (1)本文總結和研究了傳統(tǒng)的海面紅外目標檢測流程：紅外圖像預處理、目標定位、目標分割、目標檢測。分別介紹了幾種經典的圖像預處理、目標定位、目標分割、目標檢測的方法，并且對傳統(tǒng)的海面紅外目標檢測方法進行仿真實驗。
　　 (2)本文結合AdaBoost算法在人臉檢

3、測中應用原理，探討將AdaBoost算法應用于海面紅外目標檢測中的可行性，針對海面目標與人臉目標的區(qū)別，研究適合于海面目標特征選取的特征，對比常用的Haar_Like矩形特征和SIFT/SURF灰度不變矩特征。發(fā)現基于Haar_Like特征訓練的分類器時間成本更低而檢測性能更好。
　　 (3)本文針對傳統(tǒng)AdaBoost算法分類器訓練時間成本高，而檢測性能不好的缺點，提出一種改進的AdaBoost算法并應用于海面紅外目標檢測系統(tǒng)