学位论文 > 优秀研究生学位论文题录展示
不变矩的光照、模糊不变性及三维航天器的识别算法研究
作 者: 钟志伟
导 师: 徐贵力
学 校: 南京航空航天大学
专 业: 测试计量技术及仪器
关键词: 目标识别 非合作目标航天器 光照不变 模糊不变 仿射不变矩 Hu矩 概率神经网络
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 6次
引 用: 0次
阅 读: 论文下载
内容摘要
不变矩在航天航空、医学、海洋甚至平时的生活中广泛应用,特别是近几年在航天器上。因此,本文基于航天器的认知过程,对基于不变矩的光照、模糊及三维航天器的识别算法研究。首先针对由于空间目标图像存在仿射变形和模糊变形,目标识别采用将仿射不变矩和模糊不变量融合的不变矩,解决如何对不同角度不同距离的空间目标识别的问题。其次为了解决现有的光照变化条件下不变矩识别不稳健的问题,本文根据灰度光照模型和朗伯特颜色模型,提出了一种光照仿射融合不变矩,以不同光照、角度、仿射变化下的卫星模型为实际图片,采用最小分类器准则,平均识别的准确性为93.71%,相比经典的灰度图像的光照不变矩提高了20%,并且适合于彩色图像和灰度图像。然后为了解决现有的光照和模糊变化条件下不变矩识别不稳健的问题,结合光照仿射融合不变矩和模糊不变量模型,提出了一种光照模糊融合仿射不变矩,并且应用于航天器的识别中,平均识别的准确性为94.60%,相对于Jan仿射不变矩的准确性提高了17.34%,有效的解决了对不同角度、不同光照模糊下的目标识别的问题,提高了目标识别的鲁棒性。接着为了解决目标图像矩的计算速度不高的问题,分析各种不变矩的快速算法以及航天器存在光照模糊等变换的特点,采用IIR digital filter算法计算目标图像矩,以降低不变矩的计算时间。最后针对三维目标转化为二维图像识别实时性不高的问题,在主分量分析法(PCA)的基础上,提出了一种基于组合不变矩和PCA融合的快速识别方法,实时性提高了17.8%.。并且用光照模糊融合组合不变矩与PCA融合应用于航天器的识别,以三种不同的卫星模型为实验,在概率神经网络(PNN)中的识别准确性为98%以上,相对经典的组合不变矩在识别准确性上有明显的提高,提高了18.19%。以满足不同光照、模糊、仿射变换下的实时识别。
|
全文目录
摘要 4-5 ABSTRACT 5-14 第一章 绪论 14-21 1.1 课题的研究背景及意义 14 1.2 国内外基于不变矩的空间目标识别研究现状及发展趋势 14-18 1.2.1 国内外光照模糊不变矩的研究现状 15-16 1.2.2 国内外基于不变矩的三维目标识别的研究现状 16-17 1.2.3 发展趋势 17-18 1.3 主要存在问题 18 1.4 本文的主要工作及创新点 18-19 1.4.1 论文的主要工作 18-19 1.4.2 创新点 19 1.5 论文安排 19-21 第二章 基于模糊不变矩的目标航天器识别 21-37 2.1 引言 21 2.2 空间目标图像之间的仿射近似关系 21-24 2.2.1 仿射变换 21-22 2.2.2 透射变换 22 2.2.3 透射变换的近似理论 22-24 2.3 基于模糊仿射融合不变矩的目标航天器识别 24-31 2.3.1 不变矩的基本理论 24-26 2.3.2 图像模糊的基本理论 26-28 2.3.3 模糊图像的仿射不变矩 28-29 2.3.4 模糊仿射融合不变矩的局部尺度不变性 29-31 2.4 模糊仿射融合不变矩验证实验结果 31-36 2.4.1 模糊仿射融合不变矩的高斯模糊验证实验 31-34 2.4.2 模糊仿射融合不变矩的离焦模糊验证实验 34-36 2.5 本章小结 36-37 第三章 目标航天器不变矩的光照、模糊融合不变矩及矩的快速计算研究 37-58 3.1 引言 37 3.2 颜色不变量模型 37-38 3.3 光照仿射融合不变矩 38-39 3.4 光照仿射融合不变矩的实验分析 39-49 3.4.1 光照方向变化下的对比实验 40-44 3.4.2 光照强度变化下的对比实验 44-45 3.4.3 光照颜色改变下的对比实验 45-46 3.4.4 光照改变下实际图片的对比实验 46-49 3.5 光照模糊融合不变矩 49-52 3.5.1 嫦娥二号卫星模型光照模糊实验验证 50-51 3.5.2 各种卫星模型在光照模糊融合 Hu 矩下的准确性实验验证 51 3.5.3 各种卫星模型在 Jan 仿射光照模糊融合矩下的准确性实验验证 51-52 3.6 图像矩的快速计算 52-56 3.6.1 IIR digital filter 52-54 3.6.2 差分矩因子法 54-55 3.6.3 算法实时性的实验验算 55-56 3.7 总结 56-58 第四章 基于 PCA 和组合不变矩的三维目标识别算法的研究 58-72 4.1 引言 58 4.2 当前主流的识别算法 58-60 4.2.1 支持向量机(SVM) 58-59 4.2.2 概率神经网络(PNN) 59-60 4.3 基于 PCA 和组合不变矩的三维目标识别算法的研究 60-71 4.3.1 主分量分析法(PCA) 60-62 4.3.2 PCA 算法的实时性验算 62-63 4.3.3 Hu 矩和 Jan 仿射不变矩的组合不变矩的优化选择 63-65 4.3.4 基于 PCA 和组合不变矩的三维目标识别算法的实验研究 65-71 4.4 目标识别系统的实时性 71 4.5 本章小结 71-72 第五章 总结与展望 72-74 5.1 主要工作 72-73 5.2 研究展望 73-74 参考文献 74-79 致谢 79-80 在学期间的研究成果及发表的学术论文 80
|
相似论文
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 基于智能学习的多传感器目标识别与跟踪系统研究,TP391.41
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 空中目标抗干扰识别跟踪系统,TN215
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
- 板球系统的控制算法研究,TP13
- 基于机器视觉的车辆检测和车距测量方法研究,TP274
- 基于OpenCV的集装箱加强板焊接自动定位系统的开发,U169
- 基于“五区图”变电站电压无功模糊控制,TM761.1
- 小型智能足球机器人系统全局视觉的研究与设计,TP242.6
- 基于遗传算法优化BP神经网络的行为识别,TP391.41
- 基于机器视觉的异常行为检测,TP391.41
- 基于变论域模糊PID恒压供水控制系统的研究,TP273
- SAR成像目标识别子区选取与匹配方法研究,TN957.52
- 基于3G网络的智能交通视频监控系统的设计与实现,TP391.41
- 基于视频监控的特定目标识别研究,TP391.41
- 基于视频的动物运动跟踪分析系统及应用研究,TP391.41
- 基于空间邻域词袋模型的图像标注技术,TP391.41
- 高分辨率遥感图像目标识别方法研究,TP751
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
|