紅外目標(biāo)的分割與識別算法研究.pdf

1、隨著紅外成像技術(shù)的發(fā)展，其應(yīng)用也越來越廣泛，在現(xiàn)代制導(dǎo)、搜索、跟蹤等領(lǐng)域，紅外技術(shù)起到了越來越重要的作用。因此，對于紅外圖像的后期處理也有著越來越苛刻的要求，尤其是對圖像中感興趣目標(biāo)的分析，如目標(biāo)的檢測、跟蹤、識別等。在現(xiàn)代紅外系統(tǒng)中，為提高整個(gè)系統(tǒng)的工作魯棒性、準(zhǔn)確性，通常采用多波段成像技術(shù)。為有效利用多波段的信息源，本文重點(diǎn)研究了在復(fù)雜背景條件下的紅外目標(biāo)的精確分割與融合識別這兩個(gè)問題。 本文主要工作如下： 1．提出

2、了一種基于張量表達(dá)的圖像分割方法。 張量的表達(dá)形式，由于其所包含的豐富信息，在現(xiàn)代圖像處理技術(shù)中具有越來越重要的作用。在以往的文獻(xiàn)中，也已經(jīng)有了一些獲取圖像的張量場的方法。本文提出了一種新的圖像張量場編碼方法，在對圖像的局部區(qū)域重新定義了一種新的結(jié)構(gòu)假設(shè)后，給出了更為合理的張量結(jié)構(gòu)表達(dá)?；谶@個(gè)結(jié)構(gòu)張量場，為后續(xù)的圖像處理提供了一個(gè)良好的計(jì)算基礎(chǔ)，如進(jìn)一步的圖像分割、特征提取等。本文初步給出了一些基于張量場的圖像分割結(jié)果，取得了

3、較好的效果。 2．改進(jìn)了FCM聚類方法及SVM分類方法，給出了新的訓(xùn)練策略。 經(jīng)典的FCM及SVM兩種方法，是模式識別領(lǐng)域常用的訓(xùn)練手段，然而由于其自身固有的特點(diǎn)，在某些應(yīng)用領(lǐng)域中無法滿足需求。本文結(jié)合項(xiàng)目情況，給出了類別的不確定度定義，分別研究了改進(jìn)的FCM及SVM方法，使得其訓(xùn)練結(jié)果能夠體現(xiàn)類別的不確定度，更為符合實(shí)際狀況，并為后端的融合識別提供恰當(dāng)?shù)妮斎搿?3．實(shí)現(xiàn)了多信息源的融合識別，給出更為可靠的判別結(jié)

4、果。 由于紅外成像多波段技術(shù)的應(yīng)用，以及對同一目標(biāo)提取多種特征，識別系統(tǒng)必須給出一個(gè)綜合的可靠判別結(jié)果。經(jīng)典的DS證據(jù)理論能夠根據(jù)多條證據(jù)有效的減小證據(jù)間的不確定性，本文在借鑒DS證據(jù)理論的過程中，依據(jù)前面的訓(xùn)練結(jié)果，在工程實(shí)現(xiàn)上，完成了多特征、多幀、多波段的融合識別。 4．給出了一種新的動(dòng)態(tài)點(diǎn)目標(biāo)的特征提取及識別方法。 對于紅外點(diǎn)目標(biāo)圖像來說，由于其有效像素?cái)?shù)目太少，在單幀圖像上很難提取到有效的特征，因此如何對