基于統(tǒng)計學(xué)方法的水面目標(biāo)特征提取與識別方法的研究.pdf

1、近年來,隨著人類對海洋認(rèn)識和探索的進一步深入,加大對海洋信息的掌控在現(xiàn)實生活中顯得愈發(fā)重要,其中,對水面目標(biāo)的自動識別就是最重要的課題之一。
　　 由于水面情況復(fù)雜,不可預(yù)測的因素較多,這給實現(xiàn)水面目標(biāo)的自動識別帶來了相當(dāng)大的困難。在基于目標(biāo)輪廓特征提取與識別方面,兩種傳統(tǒng)方法(基于不變矩和基于PCA(主分量分析))是針對全局特征進行自動目標(biāo)識別的,由于是在模擬條件下進行的估計,又由于ROI(感興趣區(qū)域)算法的定位不夠準(zhǔn)確,因此

2、這兩種方法在識別時有很大的局限性。
　　 本文中,我們首先對圖像模式識別的基本理論、方法及應(yīng)用現(xiàn)狀進行了分析,結(jié)合水面目標(biāo)識別的要求對圖像預(yù)處理相關(guān)的內(nèi)容進行了研究,主要針對脈沖噪聲的濾除和圖像分割兩方面進行探討,并根據(jù)實驗結(jié)果的比對確定了圖像濾波和分割的方法。其次,通過對基于不變矩和主分量分析的目標(biāo)識別方法的研究及結(jié)果分析,我們提出了一種基于目標(biāo)局部特征的由逐塊的二維Hadamard變換和高斯混合模型分類器組成的方法。實驗表明

3、:這種方法對目標(biāo)超出視野范圍的情況有很好的魯棒性,對由于深度的影響而產(chǎn)生的比例變化也有一定的魯棒性。傳統(tǒng)方法在進行目標(biāo)自動識別時,不變矩方法即使在較好的環(huán)境中識別效果也很差,并且當(dāng)目標(biāo)超出視野范圍或被遮擋時影響更為明顯。PCA方法受比例變化和超出視野范圍的影響也很大,而對噪聲和被遮擋有相對較好的魯棒性。最后,本文針對目標(biāo)識別過程中訓(xùn)練和測試的輪廓角度(由平面外的旋轉(zhuǎn)引起的)不相符的情況,通過使用幾個空間相距很遠(yuǎn)的角度來實現(xiàn)訓(xùn)練集合的擴展