紅外艦船檢測與目標(biāo)識別方法研究.pdf

1、海洋面積約占據(jù)了地球總面積的70％，海域戰(zhàn)場無疑是世界各國不容忽視的領(lǐng)域。隨著各國軍事實力突飛猛進(jìn)的發(fā)展，各國對海域防御和作戰(zhàn)更為重視。紅外檢測與目標(biāo)識別技術(shù)憑借其不可比擬的優(yōu)勢一直在海洋軍事領(lǐng)域占據(jù)著一席之地，并且不斷被研究與創(chuàng)新?？紤]到海域中的目標(biāo)多為艦船，因此紅外艦船檢測與目標(biāo)的識別就顯得尤為重要，同時也具有很高的軍事應(yīng)用和研究價值。
　　本論文對紅外艦船圖像的檢測方法進(jìn)行了深入的研究，針對紅外艦船圖像的復(fù)雜特點得出了具有通

2、用性的檢測方法；對艦船目標(biāo)的識別也進(jìn)行了系統(tǒng)的研究，將傳統(tǒng)艦船識別所研究的艦船種類識別細(xì)化到不同種類中艦船型號的識別，并通過研究得出了相應(yīng)的高效檢測與識別方法。通過仿真實驗驗證了本文方法的有效性。本文研究內(nèi)容包括以下幾個方面：
　　首先，對傳統(tǒng)P-M模型進(jìn)行改進(jìn)，使處理后圖像不僅可以很好地抑制噪聲，還能夠充分保留紅外艦船目標(biāo)的邊緣特征，并利用衰減閾值來實現(xiàn)P-M模型的無監(jiān)督平滑處理；
　　其次，針對傳統(tǒng)GVF-Snake模型

3、對初始輪廓的要求較高的問題，將基于OTSU算法、SUSAN算法以及PCNN算法的輪廓初始化方法進(jìn)行比較研究，得出了基于PCNN的GVF-Snake改進(jìn)模型，又對GVF-Snake模型的梯度擴(kuò)散力場的雜亂分布問題進(jìn)行優(yōu)化，實現(xiàn)梯度矢量力場的規(guī)整化；
　　再次，針對不同種類艦船各自的形狀特點，首次使用一種新的特定幾何特征來進(jìn)行表征，再將新特征與傳統(tǒng)幾何特征以及不變矩特征相融合，利用最終的融合特征對艦船目標(biāo)進(jìn)行表征，使不同類的特征之間具