基于小波矩特征的小波神經(jīng)網(wǎng)絡(luò)目標識別研究.pdf

1、能夠自動進行目標識別是現(xiàn)代武器裝備力爭具備的先進性能之一。小波分析因其良好的時頻局部化特性，已經(jīng)成為信號處理和圖像分析系統(tǒng)中的有效工具；不變矩的抗噪性和相對于目標幾何變換的數(shù)值穩(wěn)定性，使其被廣泛使用在各種目標識別系統(tǒng)中；人工神經(jīng)網(wǎng)絡(luò)的迅速發(fā)展為自動目標識別研究提供了新途徑，自動目標識別方面的難題有望利用神經(jīng)網(wǎng)絡(luò)方法得到解決。 自動目標識別要求在目標發(fā)生平移、旋轉(zhuǎn)、尺度變化下仍有高的識別率。這可以通過首先獲得目標圖像的矩不變量，再

2、將不變量輸入到小波神經(jīng)網(wǎng)絡(luò)中進行識別。本文通過將目標的特征提取算法與小波神經(jīng)網(wǎng)絡(luò)結(jié)合，提出了一套新的目標圖像識別系統(tǒng)。該系統(tǒng)可識別多類目標。本論文使用這種系統(tǒng)識別了四類飛機目標，達到了很好的效果。 本文的研究工作圍繞小波矩和小波神經(jīng)網(wǎng)絡(luò)及它們在自動目標識別中的應(yīng)用展開。重點研究了用于自動目標識別的矩特征，研究比較了能夠描述目標全局特性的Hu矩、Zernike矩和能夠描述目標局部特性的小波矩。針對自動目標識別提出了一種新的識別系統(tǒng)

3、，將小波矩和小波神經(jīng)網(wǎng)絡(luò)結(jié)合用于目標識別，實驗證明該識別系統(tǒng)具有良好的識別效果。 論文的主要研究工作包括： (1)研究了圖像的矩特征，比較了圖像的Hu矩，Zernike矩和小波矩。Hu矩和Zernike矩提取的是圖像的全局矩，而小波矩結(jié)合小波分析的局部時頻分析的特點，可以提取圖像的局部矩。小波分析與圖像矩不變量的結(jié)合為我們研究圖像的不變量特征提出了一個比較新的方法。小波矩不變量能夠區(qū)分圖像的細微差別。 (2)通過