航空图像中舰船目标识别技术研究

【类型】学位论文

【作者】裴洪飞 

【关键词】 目标识别 图像分割 特征提取 组合矩 支持向量机

【摘要】在信息化战争中,信息已成为决定战争胜负的关键因素,对得到的各种情报信息及时快速处理,是亟待解决的难题。目标识别技术是信息技术的重要组成部分,在军事上对战场监视和侦察具有重要的作用,由于其具有巨大的军事应用价值,该技术一直是国内外学术界、工程界的研究热点之一。当前以信息技术为先导的高科技战争对目标识别技术有着强烈的需求,探测与预警、侦察与监视、自主寻敌等都需要自动目标识别技术作其支撑,因此奠定了该项技术在世界军事技术领域中举足轻重的地位。目前,由于海上侦察和监视手段的局限性,获得信息大都来自于卫星遥感图像、航空图像和雷达图像,自动识别图像中可疑目标来代替人工判读,是图像情报信息处理技术的发展方向。本文首先研究了当前目标识别技术的理论和应用现状,然后结合舰船目标图像的特点,提出并设计了舰船目标自动识别系统。论文主要工作包括舰船目标图像特性分析、图像预处理、目标分割算法实现及改进、目标特征提取方案设计、识别算法设计和系统软件实现等几个方面。针对航空图像受到采集环境的影响,存在目标边缘与背景对比度差、噪声污染等情况,研究了多种预处理方案,提出了对比度增强和滤波算法,实验验证了其有效性。根据海上目标的航空图像特点,用大津法阈值分割算法完成图像分割,并利用邻域像素信息改进了其不足之处,分割后去掉了背景信息,得到目标的二值图像。重点研究了目标的特征提取方法,分析了舰船形状特征的显著性,考虑到矩函数描述形状特征的有效性和可行性,在研究了Hu不变矩和仿射不变矩优缺点的基础上,本文提出了组合矩特征提取方案,并通过实验分析了组合矩特征量的聚类能力,证明了设计方案的可行性。深入分析和比较现有识别算法的基础上,设计了支持向量机分类器来完成分类识别。该方法与传统方法相比,泛化能力更强,消除了维数灾难的缺点,在小样本、非线性情况下能够达到较高的识别率。文中对传统SMO训练算法进行了改进,有效减小了迭代次数,提高了训练速度。完成了系统各部分的分析、研究和实验工作后,在VC开发环境下编写了目标识别应用软件,软件中实现了本文设计的相关方案,测试结果证明具有较好的可靠性和识别率。

【学位名称】硕士

【学位授予单位】哈尔滨工程大学

【学位授予年度】2016

【导师姓名】闫保中

【读秀链接】读秀链接