学位论文 > 优秀研究生学位论文题录展示
复杂背景下基于多传感器图像融合的远距离小目标检测
作 者: 李燕苹
导 师: 谢维信
学 校: 深圳大学
专 业: 信号与信息处理
关键词: 红外传感器 可见光传感器 远距离小目标 特征级融合 决策级融合
分类号: TP391.41
类 型: 硕士论文
年 份: 2007年
下 载: 299次
引 用: 0次
阅 读: 论文下载
内容摘要
随着数字战场技术的发展,对自动目标识别技术的要求也越来越高,而目标检测技术,尤其是复杂背景情况下远距离运动小目标检测技术在自动目标识别中占有很重要的地位,因为整个自动目标识别系统的性能在很大程度上依赖于目标的检测。远距离运动小目标的检测不仅可以应用在战场上,而且在机场等某些敏感区域中也有很重要的应用。对于红外单传感器远距离运动小目标的检测,由于单传感器图像数据只能提供成像目标的单类信息,在目标识别中存在一定的局限性,尤其是当目标温度低于周围环境温度或背景比较复杂时,检测概率往往比较低。针对上述问题,本文重点探讨了复杂背景情况下多传感器图像序列中远距离运动目标的检测,利用了信息融合理论中的特征级融合和决策级融合来进行目标的检测。首先,对于特征级融合,采用了基于Fisher分类器的特征级融合目标检测方法,其中,对红外图像序列提出了一种基于联合直方图的特征提取方法,对可见光图像序列则提出了高斯能量累加的特征提取方法;接着,当考虑到基于联合直方图的特征向量提取方法中目标的温度远远低于周围环境温度时,所提取的特征向量将不能对目标进行很好地区分,本文又采用了基于双矩形窗口的特征提取方法;最后,对于决策级融合,在得到各单传感器的模糊判决之后,利用模糊一致性理论给出了最终的判决结果。文中同时给出了不同场景下的实验数据及仿真实验效果。对复杂背景情况下多传感器图像序列中的远距离运动小目标检测问题,本文给出了一个令人较为满意的解决方案,大量的实际数据测试结果表明本文所提出的算法对复杂背景下远距离运动小目标检测具有较好的鲁棒性和有效性。
|
全文目录
摘要 3-4 ABSTRACT 4-7 第一章 绪论 7-14 1.1 课题研究的背景及意义 7-8 1.2 研究现状 8-10 1.3 本课题的研究环境及课题安排 10-14 第二章 基于FISHER 分类器的特征级融合目标检测 14-31 2.1 红外和可见光图像的特征提取 14-21 2.2 FISHER 分类器的理论基础 21-25 2.3 基于FISHER 分类器的特征级融合目标检测 25-27 2.4 实验结果及分析 27-30 2.5 小结 30-31 第三章 基于双矩形窗口特征融合的目标检测 31-41 3.1 基于双矩形窗口的特征提取 31-33 3.2 自适应特征级融合的目标检测 33-38 3.3 实验结果及分析 38-40 3.4 小结 40-41 第四章 基于分布式一致性决策融合的目标检测 41-55 4.1 基于模糊理论的分布式一致性数据融合 41-45 4.2 基于模糊分布式一致性理论的决策级融合目标检测 45-50 4.3 实验结果及分析 50-54 4.4 小结 54-55 第五章 结束语 55-57 参考文献 57-61 致谢 61-63 攻读硕士学位期间的研究成果 63-64
|
相似论文
- 移动机器视觉定位导航和自主避障系统的研究,TP242
- 主动式发射率测量系统的设计与实现,TP274
- 层流乙烯扩散火焰红外辐射率检测实验研究,TK16
- 非制冷红外传感器的读出电路研究,TP212
- 基于51单片机的输液监控系统设计,TP368.1
- 果园自动喷雾控制系统研究,S491
- 基于多角度热释电红外信息的人体身份认证研究,TP391.41
- 公交乘客计数系统的模式识别设计,U491.17
- 基于CPD和特征级融合的手纹识别技术研究,TP391.41
- 棉花打顶机切割器高度自动控制系统的设计与研究,S224.9
- 基于热释电红外传感器网络的人体跟踪研究,TP212.9
- 基于物联网技术的人防警报器终端安全预警,TP277
- 物联网技术在火灾预警中的应用,TN929.5
- 基于神经网络的热电堆红外传感器建模方法研究,TP212.1
- 轮式移动机器人路径识别的研究,TP242
- 基于红外光谱和GPRS的大气有害气体监测系统的研究,TP274
- 基于近红外视觉的移动机器人室外定位系统,TP242
- 基于双源多特征的步态信息融合技术研究,TP391.41
- 基于热释电红外信息的人体身份识别研究,TP391.41
- 视频搜索及语义提取,TP391.41
- 道路自动识别与控制的智能车系统的研究,TP242.6
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|