基于子空间维数约简的飞机目标识别方法研究

摘要

目标识别研究已被广泛的应用于国民经济、空间技术和国防等领域,对目标识别相关技术进行研究具有重要的现实意义。维数约减是目标识别中的一个重要研究方向和热点,将高维图像识别问题转化为特征表达向量的低维识别问题,可以大大降低计算复杂程度,减少了冗余信息所造成的识别误差,提高识别的精度。因此对维数约减方法以及在此基础上进行目标识别的研究是十分必要的。
　　本文针对目标识别中的关键问题,从模式识别的相关理论入手,以飞机目标的识别为研究对象,深入探讨和分析目标识别的关键技术,重点对维数约减技术进行了研究,并提出了两种改进的方法。通过实验验证了改进算法的思路和结果,得到客观真实的实验数据,证明了本文所提出的算法能够准确、高效地完成对飞机目标的识别。
　　首先,对飞机目标图像预处理相关技术进行了分析和比较,主要包含了图像增强,消噪、二值化以及图像分割相关技术进行了研究;其次,对特征提取和表示方法进行了深入细致的分析,并采用不变矩理论对飞机目标进行特征提取,通过实验进行分析和验证,为后来的目标识别算法打下基础;最后对维数约减技术进行了研究和分析,利用主成分分析算法(PCA)对飞机目标图像数据预降维来克服小样本问题;采用SLPP算法对飞机目标图像进行维数约简并采用最近邻分类器进行飞机类型分类;针对飞机目标图像数据的高维、非线性,充分利用样本的类别信息和局部信息构造类内和类间散射矩阵,对提出的基于二维监督流形学习算法的飞机目标图像识别方法进行了阐述,并通过实验进行了验证和分析,实验结果表明了提出的两种方法的有效性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 引言

1.1课题的研究背景及意义

1.2国内外研究现状

1.3飞机目标识别关键技术

1.4本文的主要工作和组织结构

第二章 飞机目标图像预处理

2.1消噪

2.2图像增强

2.3背景消除

2.4二值化

2.5分割

2.6小结

第三章 不变矩特征提取

3.1特征描述

3.2不变矩特征提取

3.3实验结果与分析

3.4小结

第四章 基于维数约简的飞机目标图像识别

4.1维数约简

4.2监督局部保持投影(SLPP)

4.3二维监督流形学习算法(2DSML)

4.4目标分类

4.5实验与分析

4.6小结

结论与展望

致谢

参考文献

附录1 攻读硕士学位期间发表论文目录