基于Gabor特征提取的海面舰船目标识别
发布时间：2020-12-16 02:49
伴着国家经济的快速发展,大量资金投入到科技事业发展进程中,计算机科技领域和数字化图像分析和处理技术实现了质的飞越,随着海军的重要性在现代的军事战争中的不断提升以及多样的拥有先进作战设备的作战舰船的不断推陈出新,能够对目标进行识别并施以打击变得更加重要。由于海天背景比较复杂（云层和海浪的干扰）以及气象条件不稳定,导致目标可能会与海面上的干扰背景混为一体,这样就使得图像中的舰船目标的识别变得具有挑战性。随着成像技术的发展,基于图像处理的目标识别逐渐成为研究的热点,目前应用的主要图像种类有可见光图像、遥感图像、视频图像等。对于图像的处理技术成为信息综合的重要部分。获取的可见光图像中的舰船目标能够较好地体现各种不同类型舰船的主要特征,通过对与这类图像的处理和图像中舰船目标的识别可以实现对于不同类型舰船的智能识别。首先对本课题相关的舰船目标识别的基础知识,以及课题的研究背景与意义进行了研究,并对课题研究的国内外现状进行了解与分析,以便后面有侧重地研究并解决所遇到的问题。然后针对采集到的图像会受到周围采集环境的影响,需要对图像进行去除噪声的预处理操作。将改进的Wavelet变换与Ridgelet变...
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：109 页
【学位级别】：硕士
【部分图文】：
图１．１方法流程图??，Ｓｏｂｅｌ、Ｐｒｅｗｉｔｔ、Ｒｏｂｅｒｔｓ、Ｌａｌａｃｉａｎ、Ｃａｎｎ
复杂的背景情况时，基于模板匹配的方法会突显出很大的优势。弊端，那就是它的运算量很大，而且可能无法达到要求的精度，期这类方法在技术上做了改善，在研制出来的可以对地面上固武器上被完美地应用％。正是这些成功的应用，让这种方法受到已经有很多种这类方法的衍生算法被研究出来，如：将遗传算法法、基于特征匹配算法等结合进行改进１１６Ｈ２°］。基于变换域的形状有不受外界环境干扰和稳定的特点，在几何变换、光度变换、卷不变性。在图像中选取某些具有特征的像素点，提取出图像的局点、目标轮廓、区域特征等，利用这些特征计算图像空间变换参后，基于特征提取的方法应用地更广泛，但也是一个难点所在。理、舰船目标分割、特征提取以及分类决策识别四个部分组成，?？?＾舰船标分?＊■舰特??
则只需要分解由第一次分解得到的ＩＺ频带，以此类推，可以通过计算知道对图像进行??Ｍ次小波变换后能够得到（３Ｍ?＋?１）个子带。下面以图像ｇｒａｙｌｅｎａ为例，对该图像三层小??波分解，图２．２为分解示意图。??■■令＂、??—??Ｗ?＾?Ｗ?＇ｒｇ－Ｊ?ＬＨ＇?ＨＨ＇???Ｉ?Ｉ??图２．２对ｇｒａｙｌｅｎａ图像三层小波分解示意图??图２．２中ＬＩ；－…－分解尺度）上的低频信息??ＨＨ）－…－分解尺度＾／上的对角方向的信息??１２??
【参考文献】：
期刊论文
[1]基于图像处理的舰船目标识别研究[J]. 宿勇. 计算机与数字工程. 2015(07)
[2]改进的Contourlet变换的图像去噪算法[J]. 唐飞,杨恢先,曾友伟,李利,谭正华. 计算机工程与应用. 2014(05)
[3]用于目标识别的PCA-SC形状匹配算法[J]. 黄伟国,顾超,朱忠奎. 光学精密工程. 2013(08)
[4]基于Zernike不变矩的人形识别研究[J]. 吴冬梅,李俊威,刘凌志,蔺丽华. 计算机应用与软件. 2013(08)
[5]基于局部特征提取的目标自动识别[J]. 贾平,徐宁,张叶. 光学精密工程. 2013(07)
[6]鲁棒的前视红外目标多核跟踪算法[J]. 苏娟,杨小冈,卢俊. 红外与激光工程. 2013(02)
[7]小波阈值去噪法的深入研究[J]. 陈晓曦,王延杰,刘恋. 激光与红外. 2012(01)
[8]基于遗传算法的机载图像分割[J]. 姜汇洋,刘家良,苗军. 软件. 2011(06)
[9]一种基于组合不变矩的新的舰船图像目标识别方法[J]. 于吉红,吕俊伟,白晓明. 红外. 2011(09)
[10]基于小波变换的自适应梯度边缘检测算法[J]. 靳焕娣,王军锋,张旭勃,杨永永. 计算机工程与科学. 2011(08)
博士论文
[1]核极限学习机的理论与算法及其在图像处理中的应用[D]. 李小冬.浙江大学 2014
[2]基于脉冲耦合神经网络的车辆图像分割研究[D]. 杨娜.北京交通大学 2013
[3]基于聚类分析的图像分割算法研究[D]. 许晓丽.哈尔滨工程大学 2012
硕士论文
[1]基于分块脊波变换的医学图像增强研究[D]. 王鹏霄.东北石油大学 2014
[2]基于时空联合的海天背景舰船目标检测方法研究[D]. 代鑫.武汉理工大学 2013
[3]基于小波和有限脊波变换的图像去噪[D]. 蔡政.中南大学 2012
[4]基于小波变换的水下图像阈值去噪方法的研究[D]. 刘红莉.中国海洋大学 2012
[5]红外图像预处理与空中目标自动识别方法研究[D]. 白旭.国防科学技术大学 2012
[6]基于小波变换与非下采样Contourlet变换的图像去噪方法研究[D]. 周娇.西安电子科技大学 2012
[7]基于小波变换的红外图像去噪算法研究[D]. 孙莉莉.哈尔滨理工大学 2012
[8]舰船目标识别技术研究[D]. 沈广楠.哈尔滨工程大学 2012
[9]基于小波变换的图像去噪算法研究[D]. 蔡德尊.哈尔滨工业大学 2011
[10]红外图像目标识别及跟踪技术研究[D]. 郭婉露.哈尔滨工程大学 2011
本文编号：2919386
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：109 页
【学位级别】：硕士
【部分图文】：
图１．１方法流程图??，Ｓｏｂｅｌ、Ｐｒｅｗｉｔｔ、Ｒｏｂｅｒｔｓ、Ｌａｌａｃｉａｎ、Ｃａｎｎ
复杂的背景情况时，基于模板匹配的方法会突显出很大的优势。弊端，那就是它的运算量很大，而且可能无法达到要求的精度，期这类方法在技术上做了改善，在研制出来的可以对地面上固武器上被完美地应用％。正是这些成功的应用，让这种方法受到已经有很多种这类方法的衍生算法被研究出来，如：将遗传算法法、基于特征匹配算法等结合进行改进１１６Ｈ２°］。基于变换域的形状有不受外界环境干扰和稳定的特点，在几何变换、光度变换、卷不变性。在图像中选取某些具有特征的像素点，提取出图像的局点、目标轮廓、区域特征等，利用这些特征计算图像空间变换参后，基于特征提取的方法应用地更广泛，但也是一个难点所在。理、舰船目标分割、特征提取以及分类决策识别四个部分组成，?？?＾舰船标分?＊■舰特??
则只需要分解由第一次分解得到的ＩＺ频带，以此类推，可以通过计算知道对图像进行??Ｍ次小波变换后能够得到（３Ｍ?＋?１）个子带。下面以图像ｇｒａｙｌｅｎａ为例，对该图像三层小??波分解，图２．２为分解示意图。??■■令＂、??—??Ｗ?＾?Ｗ?＇ｒｇ－Ｊ?ＬＨ＇?ＨＨ＇???Ｉ?Ｉ??图２．２对ｇｒａｙｌｅｎａ图像三层小波分解示意图??图２．２中ＬＩ；－…－分解尺度）上的低频信息??ＨＨ）－…－分解尺度＾／上的对角方向的信息??１２??
【参考文献】：
期刊论文
[1]基于图像处理的舰船目标识别研究[J]. 宿勇. 计算机与数字工程. 2015(07)
[2]改进的Contourlet变换的图像去噪算法[J]. 唐飞,杨恢先,曾友伟,李利,谭正华. 计算机工程与应用. 2014(05)
[3]用于目标识别的PCA-SC形状匹配算法[J]. 黄伟国,顾超,朱忠奎. 光学精密工程. 2013(08)
[4]基于Zernike不变矩的人形识别研究[J]. 吴冬梅,李俊威,刘凌志,蔺丽华. 计算机应用与软件. 2013(08)
[5]基于局部特征提取的目标自动识别[J]. 贾平,徐宁,张叶. 光学精密工程. 2013(07)
[6]鲁棒的前视红外目标多核跟踪算法[J]. 苏娟,杨小冈,卢俊. 红外与激光工程. 2013(02)
[7]小波阈值去噪法的深入研究[J]. 陈晓曦,王延杰,刘恋. 激光与红外. 2012(01)
[8]基于遗传算法的机载图像分割[J]. 姜汇洋,刘家良,苗军. 软件. 2011(06)
[9]一种基于组合不变矩的新的舰船图像目标识别方法[J]. 于吉红,吕俊伟,白晓明. 红外. 2011(09)
[10]基于小波变换的自适应梯度边缘检测算法[J]. 靳焕娣,王军锋,张旭勃,杨永永. 计算机工程与科学. 2011(08)
博士论文
[1]核极限学习机的理论与算法及其在图像处理中的应用[D]. 李小冬.浙江大学 2014
[2]基于脉冲耦合神经网络的车辆图像分割研究[D]. 杨娜.北京交通大学 2013
[3]基于聚类分析的图像分割算法研究[D]. 许晓丽.哈尔滨工程大学 2012
硕士论文
[1]基于分块脊波变换的医学图像增强研究[D]. 王鹏霄.东北石油大学 2014
[2]基于时空联合的海天背景舰船目标检测方法研究[D]. 代鑫.武汉理工大学 2013
[3]基于小波和有限脊波变换的图像去噪[D]. 蔡政.中南大学 2012
[4]基于小波变换的水下图像阈值去噪方法的研究[D]. 刘红莉.中国海洋大学 2012
[5]红外图像预处理与空中目标自动识别方法研究[D]. 白旭.国防科学技术大学 2012
[6]基于小波变换与非下采样Contourlet变换的图像去噪方法研究[D]. 周娇.西安电子科技大学 2012
[7]基于小波变换的红外图像去噪算法研究[D]. 孙莉莉.哈尔滨理工大学 2012
[8]舰船目标识别技术研究[D]. 沈广楠.哈尔滨工程大学 2012
[9]基于小波变换的图像去噪算法研究[D]. 蔡德尊.哈尔滨工业大学 2011
[10]红外图像目标识别及跟踪技术研究[D]. 郭婉露.哈尔滨工程大学 2011
本文编号：2919386
本文链接：https://www.wllwen.com/kejilunwen/jingguansheji/2919386.html
