紅外圖像中車輛目標識別方法研究.pdf

1、紅外技術在21世紀的軍事和民用等各個領域發(fā)揮著至關重要的作用，而且隨著未來戰(zhàn)場的需要和國民經(jīng)濟的不斷發(fā)展，紅外技術將發(fā)揮著越來越重要的作用。其中紅外目標識別技術是世界各國學者研究的前沿和熱點問題之一。本文根據(jù)紅外目標自動識別系統(tǒng)(ATR)的特點，在紅外車輛目標的對比度增強、自動分割、特征提取、目標識別等方面，進行了較為系統(tǒng)的研究。本文的主要研究內(nèi)容如下： 1.基于遺傳算法的紅外圖像自適應模糊增強。由于紅外車輛目標在成像過程中存在

2、許多不確定性即模糊性，針對紅外圖像的模糊性將模糊理論運用到紅外圖像，提出了一種基于模糊理論的圖像質(zhì)量測度函數(shù)，把它作為遺傳算法的適應度函數(shù)對非完全Beta函數(shù)的α和β參數(shù)進行自適應動態(tài)調(diào)節(jié)來擬合幾種典型的灰度變換曲線，實現(xiàn)感興趣區(qū)域紅外車輛目標的自適應模糊增強。實驗結(jié)果表明了該方法的合理性和有效性，在性能上優(yōu)于傳統(tǒng)的圖像增強技術和現(xiàn)有的一些同類增強技術，具有較高的自適應性和智能性。 2.基于遺傳算法的紅外車輛目標自動模糊分割。針

3、對紅外圖像的特點，提出了一種基于遺傳算法的自動模糊分割紅外車輛目標圖像的方法。首先選取圖像中包含待分割的車輛目標的感興趣區(qū)域以加快運算速度；然后對感興趣區(qū)域圖像進行模糊增強，借助于二維OTSU方法對增強后的感興趣區(qū)域進行閾值分割。為了加快分割算法的速度，先限定一個最佳閾值取值空間，再利用遺傳算法在此閾值空間內(nèi)自動搜索最佳分割閾值；為了彌補單獨利用二維OTSU方法分割的不足，采用縮短模糊邊緣寬度的方法來提取感興趣區(qū)域紅外車輛目標圖像的邊緣

4、。把二維OTSU方法分割的圖像與模糊邊緣提取得到的邊緣圖像進行或運算，最后進行填充以得到最終的車輛目標分割圖像。實驗結(jié)果表明：這種自動模糊分割技術比一維OTSU和二維OTSU算法能得到更準確和完整的車輛目標。 3.基于徑向基神經(jīng)網(wǎng)絡的紅外車輛目標識別。給出一種基于徑向基(RBF)神經(jīng)網(wǎng)絡的車輛目標識別算法。該方法提取平移、旋轉(zhuǎn)、尺度放縮等變換下都不變的目標形狀特征，其中包括8個離散余弦變換描述子，6個獨立的不變矩，3個最能區(qū)別目