学位论文 > 优秀研究生学位论文题录展示
复杂背景下弱小目标的特征提取与识别
作 者: 王永义
导 师: 杨卫平;张焱
学 校: 国防科学技术大学
专 业: 信息与通信工程
关键词: 小目标检测 背景抑制 形态滤波 Top-Hat算子 红外小目标特征分析 DS证据理论 证据冲突 融合识别
分类号: TP391.41
类 型: 硕士论文
年 份: 2007年
下 载: 185次
引 用: 1次
阅 读: 论文下载
内容摘要
目标与诱饵识别是弹道导弹防御系统中的关键问题,也是一项具有挑战性的研究课题。由于目标、诱饵等小目标在远距离时的红外成像缺乏几何形状和纹理等结构特征,可供检测和识别系统利用的信息很少,目前仍然有很多问题尚未解决。本论文以目标与诱饵识别为例,对识别过程中的一些关键技术进行了研究,并给出了相应的研究结果。文中首先介绍了目标与诱饵识别过程中图像预处理技术的重要性和必要性,以导弹目标再入段复杂云背景下小目标处理为例,分析了复杂背景下小目标红外成像特性,采用了一种新组合结构元形态学滤波背景抑制算法,有效提高了单帧图像的信噪比:根据序列红外小目标运动特点,分析了一种基于邻域判决的运动小目标检测技术,有效提高了目标的检测效率和检测概率,得到了红外序列图像中潜在目标的位置及其灰度分布。其次详细分析了目标(本文中以弹头为例)与诱饵在不同成像阶段的红外成像特征,总结出目标与诱饵的四个主要区别特征:灰度特征、温度特征、运动特征和形状特征,分析了不同成像阶段适合用来区分目标和诱饵的特征;研究了各种特征提取算法,得到了辨识目标与诱饵的初判决。然后在这些初判决的基础上,采用一种能够有效解决证据冲突的DS证据融合识别方法,得到了目标与诱饵正确的识别结果。最后,对全文的工作进行了总结,并对今后的工作进行了展望。
|
全文目录
摘要 11-12 ABSTRACT 12-13 第一章 绪论 13-17 1.1 课题研究背景 13-14 1.2 目标与诱饵识别流程 14-15 1.2.1 方案流程 14 1.2.2 小目标检测 14-15 1.2.3 特征提取 15 1.2.4 数据融合识别 15 1.3 论文的主要研究内容及论文安排 15-17 第二章 基于灰度形态学滤波的红外弱小目标检测 17-42 2.1 概述 17 2.2 红外图像特性分析 17-21 2.2.1 红外图像模型 17-19 2.2.2 红外图像背景分析 19-21 2.3 几种典型的背景抑制方法 21-24 2.3.1 二维最小均方误差滤波背景抑制法 21-22 2.3.2 中值滤波背景抑制法 22 2.3.3 空间匹配滤波背景抑制法 22-23 2.3.4 神经网络滤波背景抑制法 23-24 2.4 基于组合结构元灰度形态学滤波的小目标检测 24-36 2.4.1 形态学的基本思想 24-25 2.4.2 灰度形态学基本运算 25-27 2.4.3 基于灰度形态学开运算的背景估计 27-36 2.4.4 自适应阈值分割 36 2.5 基于邻域判决的红外运动小目标检测技术 36-41 2.5.1 质心选取 37 2.5.2 邻域判决 37-39 2.5.3 实验结果及分析 39-41 2.6 本章小结 41-42 第三章 小目标特征分析与特征提取 42-64 3.1 目标与诱饵的特征分析 42-44 3.1.1 目标与诱饵的特征 42-43 3.1.2 不同成像阶段特征分析 43-44 3.1.3 特征选择 44 3.2 灰度时间变化特征分析及提取 44-49 3.2.1 灰度时间变化特征的特点 44-45 3.2.2 灰度时间变化特征提取方法 45 3.2.3 灰度时间变化特征提取算法实现 45-48 3.2.4 实验结果及分析 48-49 3.3 运动特征分析及提取 49-53 3.3.1 运动特征的特点 49-50 3.3.2 运动特征提取方法 50-51 3.3.3 运动模式分析 51-52 3.3.4 实验结果及分析 52-53 3.4 形状特征 53-56 3.4.1 形状特征的特点 53 3.4.2 形状特征提取方法 53-55 3.4.3 实验结果及分析 55-56 3.5 温度特征 56-63 3.5.1 物体的红外成像过程 56-58 3.5.2 全辐射测温 58-59 3.5.3 单波段测温方法 59-60 3.5.4 双色测温方法 60-61 3.5.5 双波段测温方法 61-62 3.5.6 实验结果及分析 62-63 3.6 本章小结 63-64 第四章 基于D-S证据理论数据融合识别 64-76 4.1 信息融合理论 64-65 4.1.1 信息融合基本原理 64 4.1.2 信息融合的层次结构 64-65 4.1.3 常用信息融合算法 65 4.2 D-S证据理论 65-69 4.2.1 D-S证据理论的基本概念 65-67 4.2.2 D-S证据理论的合成规则 67-68 4.2.3 基于证据理论的决策 68-69 4.3 基于D-S证据理论的目标融合识别算法 69-75 4.3.1 D-S证据理论在数据融合中失效问题 69-70 4.3.2 改进型D-S证据理论实现 70-72 4.3.3 融合识别 72-75 4.4 本章小结 75-76 第五章 结束语 76-77 5.1 工作总结 76 5.2 课题展望 76-77 致谢 77-78 参考文献 78-80
|
相似论文
- 多源遥感图像融合处理若干关键技术研究,TP751
- 基于贝叶斯网络的目标综合识别方法研究,TP183
- 基于地基雷达仿真系统的目标识别技术研究,TN955
- 红外目标的分割与识别算法研究,TP391.41
- 一种用于转基因植物安全性控制的高效基因删除系统“Gene-Deletor”的构建,S336
- 多传感器车载战场感知系统若干关键技术研究,TP212.9
- 一种信息源可信度预测方法研究,TP18
- 基于D-S证据理论的推理系统研究,TP181
- 证据理论在决策支持系统中的应用研究,TP182
- 冲突证据的相似性度量方法及其在信息融合故障诊断中的应用,TP202
- 证据理论及其在证券投资中的应用,F830.91
- 证据理论及其在早期故障诊断信息融合中的应用研究,V263.6
- 证据理论中冲突证据的处理及其应用,D915.13
- 信息融合过程中证据冲突研究,TP18
- 钻井过程实时状态监测与诊断技术研究,TE28
- 多传感器数据融合问题的研究,TP202
- 暂态信号小波分析系统开发及谐接地系统故障选线研究,TM862
- 多传感器信息融合技术研究与应用,TP202
- 高分辨率SAR图像城区道路提取,TN957.52
- 地区电网故障诊断系统的实用化研究,TM76
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
|