基于特征融合的红外目标识别研究

发布时间：2020-11-11 11:02

　　 随着高科技术的飞速发展,计算机与红外摄像等技术己成为军事等诸多领域的研究焦点。但随着红外背景条件变得更复杂,干扰信息以及目标特性更加多样化等等,导致红外目标识别准确度与鲁棒性等各方面面临很大挑战,故仅考虑选择与提取比较单一的特征来描述红外图像目标性能,己远远不能实现目标的识别。本文将目标的全局颜色特征、局部运动特征和边缘这三种特征进行融合处理研究红外目标的识别。其中主要工作分为:(1)研究红外目标识别发展和现状,分析该领域如何有效解决由于红外背景条件恶劣、干扰信息以及目标特性千变万化等难控因素而产生的一系列难题。(2)在红外目标识别基本原理和方法的基础上,主要包括实现红外目标图像预处理,分析红外识别过程影响因素以及确定识别结果的评判指标,为后续目标特征的提取过程滤除较多无效信息数据,即最大程度地节省后续系列算法运行时间并简化操作过程,从而提高识别的实时处理等等。同时也更好地了解可能导致识别失败的影响因素,有针对性地进行红外目标识别算法的设计与调试,最终通过识别指标显示数据,进一步分析和验证其识别结果的有效性和可行性。(3)建立目标特征库并进行红外图像目标特征的分析与提取,主要有全局颜色特征、局部运动特征和边缘特征,并选择性地进行特征数据的融合处理。最终表明基于融合特征的识别算法确实可以大大简化其运算过程,也解决了使用单一特征量所遗留的重大问题。(4)设计基于特征融合的红外目标识别算法方案。基于目标做较稳态运动,目标形态近似不发生变化时,建立序列蒙特卡罗(粒子滤波)识别算法,并通过实验验证其识别应用性能,达到了识别耗时较短,识别鲁棒性能好的效果。设计粒子群优化自组织特征映射网络的目标识别算法,通过建立较全面仿真实验,解决了目标剧烈突变,目标外轮廓明显发生改变时,序列蒙特卡罗算法目标识别不准确,识别目标丢失等问题,达到了稳健、实时地检测并识别出目标物中心位置的目的,故而在红外目标识别应用领域更占有优势。
【学位单位】：沈阳理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TN219
【部分图文】：

在不同实验条件和背景环境的目标识别效果。??１．４本文主要结构设计??本文内容主要划分成五大章节，其中整体架构设计，如图１．１示：??基于特征融合的红外目标识别研宄???１１?Ｉ?Ｊ???第１章?第２章?第３章?第４章?第５章??心—＾＾１：法基础?目标特ｆ?｜基于特征＆合的序?｜基丁－特征融合的瓦??原理与方法?融合算法?列：蒙特卡罗算法?化ＳＯＦＭ网络识别??Ｉ?￣￣?Ｉ?￣?＇?Ｉ?＇?￣?Ｉ?■?Ｉ??．．．Ｉ．?．１??１?！ｉｌｌ?ＪＴＴＬＩＬ?１?１?Ｉ?１?Ｉ??：＆种２２Ｓ?序列蒙粒子群优靈神经５?ｗ??ｗ?红＠冃Ｒ?｜?？?特卡罗化算法的网络识忑盅??Ｉｍ?ｓ?１１１?￥立的应用建立臟去；＾??及外内霹?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＿结??究宄和Ｓ?Ｓ?ｌｉｌ?Ｓ库提融｜?？列２合序?粒?Ｓ列网果??义状排?ｇ?￥?￥立方处斗｜漂ｉ?？器ｉ群＊叶Ｊ?Ｊ?￥分??理索价?法理斯丨１３转Ｉ?２结优ｇ斯Ｉ?Ｓ实析??一￣?￣￣￣?￣?￣￣?￣￣?￣￣?一￣?￣?￣￣?￣￣?￥?术技?ｇ?梭识?ｆ?｜?流?＾?术技??ｇ?ｉｗ术Ｓ?ｓ别￥含程鬲的术??用弓丨的ｇ的Ｗ析芯?用引的??用实￥应法?？?用实??现』用?＿＿＿＿＿ｊ?Ｉ＿＿?＿ＩＩ＿ｌｌ＿ａ??图１．１主要架构体系??Ｆｉｇ．?１．１?Ｍａｉｎ?ａｒｃｈｉｔｅｃｔｕｒｅ?ｓｙｓｔｅｍ??第ｉ章绪论。主要分析近些年来国内外相关红外目标识别领域的研究意义与??实际应用价值

图２．２红外图像灰度处理方法??Ｆｉｇ．２．２?Ｉｎｆｒａｒｅｄ?ｉｍａｇｅ?ｇｒａｙｓｃａｌｅ?ｐｒｏｃｅｓｓｉｎｇ?ｍｅｔｈｏｄ??由图２．２表明，因三种灰度处理方法选取不同灰度数值，导致灰度处理结果截??然不同，图（ｂ）最大值法舍弃图像中的其他两个较小颜色分量，取Ｒ、Ｇ、Ｂ中最大??值为灰度数值进行输出，亮度有了显著提高；使用平均值灰度法获取图（ｃ），通过??分量均值计算灰度数值。但整张灰度图像暗淡模糊，几乎无法辨别目标体，显然??灰度效果较差。故由加权平均法灰度处理的图像效果最佳，如图（ｄ）示。??２．?１．２高斯滤波算法去除燥声??在采集红外图像时，因为数据信息的传输、转换或存储过程时刻会受到外界??各种因素的干扰，不可避免将会产生许多不规则高斯随机噪声。另外，红外仪器??机身元件中列阵探测元的信号响应迟钝等导致响应特性出现偏差，像元间出现非??均匀性

图２．４图像直方图均衡化??Ｆｉｇ．２．４?Ｉｍａｇｅ?ｈｉｓｔｏｇｒａｍ?ｅｑｕａｌｉｚａｔｉｏｎ??从图２．４能够看出，本章借助以上两组红外图像来验证，总结出图（ａｉ）原灰度??图像利用直方图均衡化得图（ａ２），而㈦）图也采用了均衡化方法后最终得图（ｂ２）。不??难看出，图像对比质量得到了显著地提高，且目标轮廓更加清楚。同时，在其灰??度范围内使该图像的灰度均值及灰度级较为稳定，该增强算法取得了视觉效果较??佳的灰度图像，为目标图像的特征分析与提取做好了前序工作。??２．２目标识别的影响因素??（１）复杂地表环境因素??红外目标图像的采集拍摄地表以及环境的复杂多变都将给红外成像带来严重??的影响。其中，红外图像拍摄的地表主要可为三种：潮湿裸地，干燥裸地（例如??土地或石灰地等）以及低植被覆盖地面（例如草地等）。因潮湿裸地极易受到太??阳光照，而产生大量蒸发热能；无风干燥裸地为地表大气的热交换的核心地表；??而植被气孔的阻力等有关因素阻碍着低植被覆盖地面热能的交换。故不同的地表??环境直接造成不同的红外成摄温度，导致红外图像目标的特征量提取及识别处理??具有一定的困难。根据红外图像目标的相关信息统计出不同时刻对应各种地表辐??射温度数值变化
【相似文献】

相关期刊论文 前10条

1 何玉杰;李敏;张金利;姚俊萍;;基于多特征相关滤波的红外目标跟踪[J];光电子·激光;2015年08期

2 许强;马登武;;一种快速的近岸红外目标检测[J];光学与光电技术;2013年05期

3 魏坤;赵永强;潘泉;张洪才;;基于均值漂移和粒子滤波的红外目标跟踪[J];光电子.激光;2008年02期

4 程建;周越;蔡念;杨杰;;基于粒子滤波的红外目标跟踪[J];红外与毫米波学报;2006年02期

5 骆清铭，曾绍群，陈汝钧，刘贤德，龚辉;红外目标隐身的计算机仿真[J];电子学报;1997年05期

6 甘强,曾繁友;用于红外目标位置识别的微机小系统[J];信息与控制;1988年01期

7 何滨,杨宜禾;识别红外目标的实用算法[J];红外研究(A辑);1988年02期

8 路学荣;刘惠民;;B66160红外目标背景干扰模拟器[J];航空兵器;1989年04期

9 马天义;张会香;宋敏敏;钮赛赛;;引入显著特征空间的抗遮挡红外目标跟踪[J];红外与激光工程;2017年03期

10 李军;王佳轶;孙彦锋;徐世录;;红外目标探测与应用分析[J];舰船电子工程;2008年02期

相关博士学位论文 前10条

1 谢江荣;基于深度学习的空中红外目标检测关键技术研究[D];中国科学院大学(中国科学院上海技术物理研究所);2019年

2 张恒;红外目标检测与识别理论与技术研究[D];哈尔滨工程大学;2008年

3 韩庆;数字微镜器件在红外目标场景仿真器中的应用研究[D];中国科学院长春光学精密机械与物理研究所;2017年

4 凌建国;红外目标稳健跟踪和识别研究[D];上海交通大学;2007年

5 刘瑞明;复杂环境下红外目标检测及跟踪技术研究[D];上海交通大学;2008年

6 郭伟;复杂背景下红外目标检测与跟踪[D];西安电子科技大学;2008年

7 赵菲;复杂背景下末制导红外目标检测、跟踪技术研究[D];国防科学技术大学;2012年

8 陈炳文;特定视场中红外成像目标检测关键技术研究[D];武汉大学;2013年

9 王鑫;复杂背景下红外目标检测与跟踪算法研究[D];南京理工大学;2010年

10 封子军;像素级图像融合算法研究[D];电子科技大学;2014年

相关硕士学位论文 前10条

1 吴彩莲;基于特征融合的红外目标识别研究[D];沈阳理工大学;2019年

2 刘成功;火星轮廓红外目标模拟系统关键技术的研究[D];长春理工大学;2019年

3 潘长城;多特征核相关滤波的红外目标跟踪技术研究[D];长春理工大学;2019年

4 李晶;基于孪生网络的红外目标追踪算法研究[D];哈尔滨工业大学;2019年

5 庞广宁;基于DMD的红外目标模拟系统关键技术研究[D];长春理工大学;2018年

6 白跃;复杂背景下的红外目标检测与识别[D];东北大学;2015年

7 吴健;水面红外目标检测方法研究及多核DSP实现[D];南京理工大学;2018年

8 程文;基于DSP的红外目标跟踪系统的研究[D];合肥工业大学;2018年

9 姚瑶;基于时空显著性的红外目标检测与跟踪方法研究[D];大连理工大学;2018年

10 陈星;红外目标实时检测系统设计[D];西安电子科技大学;2018年

本文编号：2879099