復(fù)雜環(huán)境下自動目標(biāo)識別檢測技術(shù)研究.pdf

1、復(fù)雜場景中目標(biāo)的自動識別與檢測是當(dāng)前科研人員研究的熱點與難點，在軍事與民用中有著非常好的應(yīng)用前景，各國也投入大量的人力物力，期望在日益復(fù)雜的軍事環(huán)境與公共安全領(lǐng)域能夠占據(jù)一席之地，時刻保持其先進性。
　　本文針對復(fù)雜場景下的自動目標(biāo)識別檢測方法進行深入研究，對前人的工作進行總結(jié)，提出了一套適應(yīng)不同場景下目標(biāo)的自動識別檢測方法，所作的具體工作和取得的成果如下：
　?。?）研究了基本的分形理論方法，并在此基礎(chǔ)上提出了簡化的分形檢

2、測算法以及基于目標(biāo)梯度的分形算法，大大提高了算法的運行效率，對微弱邊緣的目標(biāo)也取得了較好的分形檢測效果，并針對分形算法分割出來的目標(biāo)中含有的空洞，提出了基于外輪廓跟蹤的目標(biāo)區(qū)域填充算法，使目標(biāo)分割效果更好。
　?。?）研究了Canny邊緣檢測算法和廣義邊緣檢測算法，并對這兩種算法檢測出來的邊緣進行連接，得到完整的目標(biāo)輪廓邊緣，針對連接后的邊緣圖像目標(biāo)與背景難以區(qū)分，提出了一種基于邊緣反色與面積限制的目標(biāo)分割算法，分割出來的目標(biāo)結(jié)果

3、非常理想，接近于真實目標(biāo)所在區(qū)域。
　?。?）研究了目標(biāo)灰度區(qū)域特征與二值邊緣形狀特征，對分割出來的目標(biāo)灰度區(qū)域提取Hu矩和能量特征，對目標(biāo)二值邊緣提取傅里葉描述子特征，并在多組序列圖像中進行匹配特征誤差計算，求取每種特征的匹配誤差閾值，為后續(xù)目標(biāo)連續(xù)跟蹤識別打下基礎(chǔ)。
　　（4）研究了機器學(xué)習(xí)中霍夫森林目標(biāo)檢測算法，并在單類目標(biāo)檢測基礎(chǔ)上提出了對多類目標(biāo)進行級聯(lián)檢測的霍夫森林投影目標(biāo)檢測算法，通過對實際數(shù)據(jù)測試，取得了較好