隨著高科技術(shù)的飛速發(fā)展,計算機與紅外攝像等技術(shù)己成為軍事等諸多領域的研究焦點。但隨著紅外背景條件變得更復雜,干擾信息以及目標特性更加多樣化等等,導致紅外目標識別準確度與魯棒性等各方面面臨很大挑戰(zhàn),故僅考慮選擇與提取比較單一的特征來描述紅外圖像目標性能,己遠遠不能實現(xiàn)目標的識別。本文將目標的全局顏色特征、局部運動特征和邊緣這三種特征進行融合處理研究紅外目標的識別。其中主要工作分為:(1)研究紅外目標識別發(fā)展和現(xiàn)狀,分析該領域如何有效解決由于紅外背景條件惡劣、干擾信息以及目標特性千變?nèi)f化等難控因素而產(chǎn)生的一系列難題。(2)在紅外目標識別基本原理和方法的基礎上,主要包括實現(xiàn)紅外目標圖像預處理,分析紅外識別過程影響因素以及確定識別結(jié)果的評判指標,為后續(xù)目標特征的提取過程濾除較多無效信息數(shù)據(jù),即最大程度地節(jié)省后續(xù)系列算法運行時間并簡化操作過程,從而提高識別的實時處理等等。同時也更好地了解可能導致識別失敗的影響因素,有針對性地進行紅外目標識別算法的設計與調(diào)試,最終通過識別指標顯示數(shù)據(jù),進一步分析和驗證其識別結(jié)果的有效性和可行性。(3)建立目標特征庫并進行紅外圖像目標特征的分析與提取,主要有全局顏色特征、局部運動特征和邊緣特征,并選擇性地進行特征數(shù)據(jù)的融合處理。最終表明基于融合特征的識別算法確實可以大大簡化其運算過程,也解決了使用單一特征量所遺留的重大問題。(4)設計基于特征融合的紅外目標識別算法方案�；谀繕俗鲚^穩(wěn)態(tài)運動,目標形態(tài)近似不發(fā)生變化時,建立序列蒙特卡羅(粒子濾波)識別算法,并通過實驗驗證其識別應用性能,達到了識別耗時較短,識別魯棒性能好的效果。設計粒子群優(yōu)化自組織特征映射網(wǎng)絡的目標識別算法,通過建立較全面仿真實驗,解決了目標劇烈突變,目標外輪廓明顯發(fā)生改變時,序列蒙特卡羅算法目標識別不準確,識別目標丟失等問題,達到了穩(wěn)健、實時地檢測并識別出目標物中心位置的目的,故而在紅外目標識別應用領域更占有優(yōu)勢。
【學位單位】：沈陽理工大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP391.41;TN219
【部分圖文】：

在不同實驗條件和背景環(huán)境的目標識別效果。??１．４本文主要結(jié)構(gòu)設計??本文內(nèi)容主要劃分成五大章節(jié)，其中整體架構(gòu)設計，如圖１．１示：??基于特征融合的紅外目標識別研宄???１１?Ｉ?Ｊ???第１章?第２章?第３章?第４章?第５章??心—＾＾１：法基礎?目標特ｆ?｜基于特征＆合的序?｜基丁－特征融合的瓦??原理與方法?融合算法?列：蒙特卡羅算法?化ＳＯＦＭ網(wǎng)絡識別??Ｉ?￣￣?Ｉ?￣?＇?Ｉ?＇?￣?Ｉ?■?Ｉ??．．．Ｉ．?．１??１?�。椋欤�?ＪＴＴＬＩＬ?１?１?Ｉ?１?Ｉ??：＆種２２Ｓ?序列蒙粒子群優(yōu)靈神經(jīng)５?ｗ??ｗ?紅＠冃Ｒ?｜?？?特卡羅化算法的網(wǎng)絡識忑盅??Ｉｍ?ｓ?１１１?￥立的應用建立臟去；＾??及外內(nèi)霹?ｆ工ｇ?特述息?…．．．ｒ－ｉ－Ｖ化法??研研容Ｇ?３?３?２征和的?二丨砝丨?序＿結(jié)??究宄和Ｓ?Ｓ?ｌｉｌ?Ｓ庫提融｜?？列２合序?粒?Ｓ列網(wǎng)果??義狀排?ｇ?￥?￥立方處斗｜漂ｉ?？器ｉ群＊葉Ｊ?Ｊ?￥分??理索價?法理斯丨１３轉(zhuǎn)Ｉ?２結(jié)優(yōu)ｇ斯Ｉ?Ｓ實析??一￣?￣￣￣?￣?￣￣?￣￣?￣￣?一￣?￣?￣￣?￣￣?￥?術(shù)技?ｇ?梭識?ｆ?｜?流?＾?術(shù)技??ｇ?ｉｗ術(shù)Ｓ?ｓ別￥含程鬲的術(shù)??用弓丨的ｇ的Ｗ析芯?用引的??用實￥應法?？?用實??現(xiàn)』用?＿＿＿＿＿ｊ?Ｉ＿＿?＿ＩＩ＿ｌｌ＿ａ??圖１．１主要架構(gòu)體系??Ｆｉｇ．?１．１?Ｍａｉｎ?ａｒｃｈｉｔｅｃｔｕｒｅ?ｓｙｓｔｅｍ??第ｉ章緒論。主要分析近些年來國內(nèi)外相關紅外目標識別領域的研究意義與??實際應用價值

圖２．２紅外圖像灰度處理方法??Ｆｉｇ．２．２?Ｉｎｆｒａｒｅｄ?ｉｍａｇｅ?ｇｒａｙｓｃａｌｅ?ｐｒｏｃｅｓｓｉｎｇ?ｍｅｔｈｏｄ??由圖２．２表明，因三種灰度處理方法選取不同灰度數(shù)值，導致灰度處理結(jié)果截??然不同，圖（ｂ）最大值法舍棄圖像中的其他兩個較小顏色分量，取Ｒ、Ｇ、Ｂ中最大??值為灰度數(shù)值進行輸出，亮度有了顯著提高；使用平均值灰度法獲取圖（ｃ），通過??分量均值計算灰度數(shù)值。但整張灰度圖像暗淡模糊，幾乎無法辨別目標體，顯然??灰度效果較差。故由加權(quán)平均法灰度處理的圖像效果最佳，如圖（ｄ）示。??２．?１．２高斯濾波算法去除燥聲??在采集紅外圖像時，因為數(shù)據(jù)信息的傳輸、轉(zhuǎn)換或存儲過程時刻會受到外界??各種因素的干擾，不可避免將會產(chǎn)生許多不規(guī)則高斯隨機噪聲。另外，紅外儀器??機身元件中列陣探測元的信號響應遲鈍等導致響應特性出現(xiàn)偏差，像元間出現(xiàn)非??均勻性

圖２．４圖像直方圖均衡化??Ｆｉｇ．２．４?Ｉｍａｇｅ?ｈｉｓｔｏｇｒａｍ?ｅｑｕａｌｉｚａｔｉｏｎ??從圖２．４能夠看出，本章借助以上兩組紅外圖像來驗證，總結(jié)出圖（ａｉ）原灰度??圖像利用直方圖均衡化得圖（ａ２），而㈦）圖也采用了均衡化方法后最終得圖（ｂ２）。不??難看出，圖像對比質(zhì)量得到了顯著地提高，且目標輪廓更加清楚。同時，在其灰??度范圍內(nèi)使該圖像的灰度均值及灰度級較為穩(wěn)定，該增強算法取得了視覺效果較??佳的灰度圖像，為目標圖像的特征分析與提取做好了前序工作。??２．２目標識別的影響因素??（１）復雜地表環(huán)境因素??紅外目標圖像的采集拍攝地表以及環(huán)境的復雜多變都將給紅外成像帶來嚴重??的影響。其中，紅外圖像拍攝的地表主要可為三種：潮濕裸地，干燥裸地（例如??土地或石灰地等）以及低植被覆蓋地面（例如草地等）。因潮濕裸地極易受到太??陽光照，而產(chǎn)生大量蒸發(fā)熱能；無風干燥裸地為地表大氣的熱交換的核心地表；??而植被氣孔的阻力等有關因素阻礙著低植被覆蓋地面熱能的交換。故不同的地表??環(huán)境直接造成不同的紅外成攝溫度，導致紅外圖像目標的特征量提取及識別處理??具有一定的困難。根據(jù)紅外圖像目標的相關信息統(tǒng)計出不同時刻對應各種地表輻??射溫度數(shù)值變化
【相似文獻】

相關期刊論文 前10條

1 何玉杰;李敏;張金利;姚俊萍;;基于多特征相關濾波的紅外目標跟蹤[J];光電子·激光;2015年08期

2 許強;馬登武;;一種快速的近岸紅外目標檢測[J];光學與光電技術(shù);2013年05期

3 魏坤;趙永強;潘泉;張洪才;;基于均值漂移和粒子濾波的紅外目標跟蹤[J];光電子.激光;2008年02期

4 程建;周越;蔡念;楊杰;;基于粒子濾波的紅外目標跟蹤[J];紅外與毫米波學報;2006年02期

5 駱清銘，曾紹群，陳汝鈞，劉賢德，龔輝;紅外目標隱身的計算機仿真[J];電子學報;1997年05期

6 甘強,曾繁友;用于紅外目標位置識別的微機小系統(tǒng)[J];信息與控制;1988年01期

7 何濱,楊宜禾;識別紅外目標的實用算法[J];紅外研究(A輯);1988年02期

8 路學榮;劉惠民;;B66160紅外目標背景干擾模擬器[J];航空兵器;1989年04期

9 馬天義;張會香;宋敏敏;鈕賽賽;;引入顯著特征空間的抗遮擋紅外目標跟蹤[J];紅外與激光工程;2017年03期

10 李軍;王佳軼;孫彥鋒;徐世錄;;紅外目標探測與應用分析[J];艦船電子工程;2008年02期

相關博士學位論文 前10條

1 謝江榮;基于深度學習的空中紅外目標檢測關鍵技術(shù)研究[D];中國科學院大學(中國科學院上海技術(shù)物理研究所);2019年

2 張恒;紅外目標檢測與識別理論與技術(shù)研究[D];哈爾濱工程大學;2008年

3 韓慶;數(shù)字微鏡器件在紅外目標場景仿真器中的應用研究[D];中國科學院長春光學精密機械與物理研究所;2017年

4 凌建國;紅外目標穩(wěn)健跟蹤和識別研究[D];上海交通大學;2007年

5 劉瑞明;復雜環(huán)境下紅外目標檢測及跟蹤技術(shù)研究[D];上海交通大學;2008年

6 郭偉;復雜背景下紅外目標檢測與跟蹤[D];西安電子科技大學;2008年

7 趙菲;復雜背景下末制導紅外目標檢測、跟蹤技術(shù)研究[D];國防科學技術(shù)大學;2012年

8 陳炳文;特定視場中紅外成像目標檢測關鍵技術(shù)研究[D];武漢大學;2013年

9 王鑫;復雜背景下紅外目標檢測與跟蹤算法研究[D];南京理工大學;2010年

10 封子軍;像素級圖像融合算法研究[D];電子科技大學;2014年

相關碩士學位論文 前10條

1 吳彩蓮;基于特征融合的紅外目標識別研究[D];沈陽理工大學;2019年

2 劉成功;火星輪廓紅外目標模擬系統(tǒng)關鍵技術(shù)的研究[D];長春理工大學;2019年

3 潘長城;多特征核相關濾波的紅外目標跟蹤技術(shù)研究[D];長春理工大學;2019年

4 李晶;基于孿生網(wǎng)絡的紅外目標追蹤算法研究[D];哈爾濱工業(yè)大學;2019年

5 龐廣寧;基于DMD的紅外目標模擬系統(tǒng)關鍵技術(shù)研究[D];長春理工大學;2018年

6 白躍;復雜背景下的紅外目標檢測與識別[D];東北大學;2015年

7 吳健;水面紅外目標檢測方法研究及多核DSP實現(xiàn)[D];南京理工大學;2018年

8 程文;基于DSP的紅外目標跟蹤系統(tǒng)的研究[D];合肥工業(yè)大學;2018年

9 姚瑤;基于時空顯著性的紅外目標檢測與跟蹤方法研究[D];大連理工大學;2018年

10 陳星;紅外目標實時檢測系統(tǒng)設計[D];西安電子科技大學;2018年

本文編號：2879099