没有合适的资源?快使用搜索试试~ 我知道了~
红外图像目标特征提取与分类算法研究.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 32 浏览量
2022-07-12
02:09:35
上传
评论 1
收藏 3.99MB PDF 举报
温馨提示
试读
59页
红外图像目标特征提取与分类算法研究.pdf
资源推荐
资源详情
资源评论
摘要
摘要
红外图像的自动目标识别(ATR,Automatic
Target
Recognition)是模式识别领
域中的一个重要研究课题,它在武器的精确制导中扮演着重要的角色并有着广泛
的应用前景。其中,红外图像目标的特征提取和分类技术是自动识别系统中的难
点和关键技术。研究红外图像目标的特征提取和分类技术对提高系统的识别效率
和准确率,提高我方的生存概率都具有重要的意义。
本文重点研究了红外图像目标的特征提取技术和多目标分类方法。作为特征
提取的前提和准备,本文简要地介绍了基于阈值的红外图像分割方法,并对算法
进行了实验仿真和性能比较。在图像目标的特征提取方面,首先,研究并总结了
以主分量分析(PCA,Principal
Component
Analysis)法与独立分量分析(ICA,
Independent
ComponentAnalysis)法为代表的线性特征提取方法和以核函数为代表
的非线性特征提取方法。其次,针对传统ICA特征提取算法提取独立分量的无序
性,本文提出了一种基于评估因子最小化的独立分量有序提取算法。实验结果表
明,该算法能够优先选择类间差异较大的独立分量特征,从而实现了用少量特征
对目标进行有效描述。在多目标分类方面,首先,总结了国内外包括最小距离、
最近邻、K近邻以及支持向量机等多种主流的目标分类算法。其次,针对K近邻
分类器在多分类中存在的二义性问题,提出了Hadamard纠错码与K近邻分类器相
结合的多目标分类算法。仿真结果表明,该算法具有较强的抗误分能力,进一步
提高了多目标分类的准确率。
关键词:红外图像特征提取主分量分析独立分量分析多目标分类
第一章绪论
第一章绪论
1.1研究背景及意义
从近年来已发生的局部军事战争来看,未来的战争模式是在有效的核武器威
慑条件下进行的常规战争,用精确制导武器夺取战争主动权,形成常规威慑力量。
也就是说,未来战争是高技术条件下的局部战争,它要求武器装备能适应复杂的
战场,恶劣的气候,有较强的抗电磁干扰、反隐身的能力,有很高的目标识别率
和精度,具有发射后不管的特点。精确制导武器的核心是寻的导引头,它的主要
任务是进行目标的捕获、识别、跟踪、提取目标位置与运动参数,并向导弹的数
据融合与控制系统发出控制指令,引导导弹直至最终命中目标。随着当代科学技
术的不断发展,精确制导武器在现代和未来战争中正扮演着越来越重要的角色。
其中红外成像制导技术已成为提高武器制导精度的主要手段之一。
随着目标识别设计技术、红外传感器技术、图像处理技术、数字信号技术以
及相关模型和评估技术的迅速发展,显示出红外图像的自动目标识别是一种很有
前途的目标识别系统。而一旦在红外图像自动目标识别技术方面取得突破性进展,
必将大大提高装备红外成像系统的武器性能。红外图像自动目标识别系统是一项
极其先进的技术,它的应用必将极大提高武器系统作战效能。随着各方面技术的
不断提高,预计不久,应用自动目标识别技术的武器将广泛投入使用,使武器系’
统向完全自主方向迈进一大步。
1.2国内外研究现状
1.2.1特征提取算法研究现状
在数字图像处理和模式识别中,一个重要的问题是如何对图像进行恰当的表
达,寻找一个合适的变换将图像数据表示成有利于进一步分析的形式,使得接下
来的计算更加简单和易于理解,这无论是对于图像处理、模式识别还是图像数据
压缩等方面都是非常重要的。通常,这样的描述方式是基于对输入数据的线性变
换得到的。
由于目标的多样性及其复杂性,使得寻找具有良好描述和分类性能的图像特
征以及如何提取这些特征就成为解决图像目标识别问题的关键【l】。一般,根据不同
的特征描述来选择不同的特征提取方法。特征提取与选择就是对于预处理后的数
据进行分析、去粗取精的过程。由于原始图像数据量相当大,需要把这些数据转
2
红外图像目标特征提取与分类算法研究
换为若干个特征,这称为特征提取。为了提高识别处理的速度和精度,对提取的
特征还必须选择有代表性的特征,要求其信息冗余度最小,并且希望具有比例、
旋转和位移不变性等特性。
特征提取主要包括线性特征提取和非线性特征提取。应用较多的一些线性变
换方法有傅立叶变换,离散余弦变换,主分量分析(PCA)【2】等方法,它们均是基于
全局变换的思想,没有体现出图像在时频域的局部性特征。PCA方法用于图像特
征提取时,由于PCA仅利用了数据间的二阶统计特性,所以仅描述了图像的幅度
谱,并不涉及相位信息。经典的PCA方法是根据数据的协方差矩阵进行计算,也
就是将数据当成高斯变量进行处理,PCA变换提取的各主分量相互正交,按频率
上升规律排列,使得二阶冗余信息得以去除,但变换后的数据问仍有可能存在高
阶冗余信息。对于图像来说,其大部分的重要特征信息(如图像的边缘细节部分)
与像素间的高阶统计特性有着密切关系,高阶统计特性往往包含了更重要的图像
结构和相位特征。因此,当使用传统方法对图像进行特征提取时,一般仅实现了
二阶冗余信息的去除,各分量间仍存在高阶的相关性【3】。20世纪90年代Hyvarinen
A.等人给出了利用ICA提取图像特征的方法。作为PCA的一种延伸,ICA着眼于
数据间的高阶统计特性,使得变换以后的各分量之间不仅互不相关,而且还尽可能
的统计独立,它是一种新的线性变换技术。虽然,从统计分析的角度看,简单ICA和
PCA一样,同属多变量数据分析的线性方法。但与传统的多维信号分析方法截然不
同的是,经处理得到的各个分量不仅去除了相关性,还是相互统计独立的,并且是
非高斯分布的信号。因此,ICA能更加全面揭示数据间的本质结构。
1.2.2分类算法研究现状
从广义上来说,目标识别可以是多方面的,如触觉识别、味觉识别、听觉识
别、视觉识别等等。军事上以电子、信息为主要的识别手段,例如雷达、声纳等
等。目前,目标识别的方法较多,有图像识别、光谱识别、运动参数识别等。显
然,对于不同的目标、不同的环境,可以有不同的识别方法。
由于图像可以提供极其丰富的信息,这给图像目标识别带来极大的方便,因
此图像目标识别受到极大的关注。而本文主要论述狭义的图像识别,即在确定的
图像中提取出感兴趣的目标,并对此目标进行识别。典型的图像目标识别系统如
图1.1所示:
图1.1图像目标识别系统
第一章绪论
图像目标的识别方法分为两个大类:一是相关匹配法,二是特征匹配法。
相关匹配法通过计算实时图像与参考图像之间的相关测度,根据最大相关值
所在的位置,确定实时图像中目标的位置。最初的相关法进行目标识别的研究可
以追溯到40年代末至50年代初GAC公司为美国空军研制的地形识别和跟踪系统
(ATRAN)t41。1956年发表了较早的一篇讨论二维相关计算问题的论文。以后陆续
提出了归一化相关法15J,相位和双级相关法,统计互相关法,幅度排序相关法和广
义相关法等等。在改进的相关法中,影响较大的是序贯相似性探测算法(SSDA)【6J。
虽然后来的一些改进算法声称在性能上优于SSDA,但它们改变的往往是计算方式
或采用了不同的测度,就原理而言,它们仍然属于SSDA。
相关匹配法具有很强的噪声抑制能力,可以在很小信噪比条件下工作。它对
有关目标的先验知识要求甚少,而且计算形式非常简单,易于编程和硬件实现。
但它对几何和灰度畸变十分敏感,计算量偏大,而且往往不能充分利用目标的几
何特性,易产生积累误差。这种方法适用于实时图像与参考图像的产生条件较为
一致、目标尺寸很小、景物的各部分的相关性不强的场合。
特征匹配法是通过比较标准图像目标与实时图像目标的特征来实现目标识
别,是目前研究较多的一类目标识别方法。它的基本原理就是将目标对象用能够
反映该目标的若干特征来描述,并将这些特征构成一个n维空间矢量,于是所有
模式都抽象为特征空间中的点。它通过特征提取方法来得到参考图像和实时图像
的特征,设计相应的分类器,比较实时图像和参考图像在特征空间中的特征点,
如果实时图像的特征点和某类目标参考图像的特征点的集合距离最小,则判定实,
时图像为该类目标。在设计分类器之前,常常需要对图像目标进行统计分析,而
线性变换技术即是进行统计分析的有效工具,也是进行维数压缩的主要手段之一。
70年代以来,特征匹配方法的研究受到了普遍的重视。先后提出了序贯特征
探测法[71,特征聚类法【8】,线性特征匹配法19l,综合特征匹配法【10l等等。特征匹配
方法能够充分地利用目标图像的形状信息,并且目标的几何、灰度畸变不敏感,
因而可以保证较高的识别精度。另外它以符号表示的特征来描述目标图像,因此
大大降低了计算量和存储量。但它对噪声十分敏感,对图像预处理和特征提取有
较高的要求。所以该方法比较适用于目标特征明显、噪声较小的场合。
1.3论文的主要工作及内容安排
对于图像目标增强、分割、特征提取、分类的相关内容,已经有了很多较为
成熟的方法及算法,但其中仍然有一些待改进的地方,本文主要研究在复杂背景
下目标的特征提取及其分类算法。本文具体内容安排如下:
第一章为绪论。首先介绍了本文工作的研究背景和意义;然后综述了目前红
剩余58页未读,继续阅读
资源评论
老帽爬新坡
- 粉丝: 82
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功