基于小波矩和小波神经网络的自动目标识别研究

摘要

自动目标识别技术是工业机器视觉和武器制导系统的关键技术之一.40多年来,对这项技术进行了广泛而深入的研究,各种面向复杂应用背景的ATR系统也不断涌现.但由于该研究领域的复杂性和特殊性,使得多数利用特征匹配的传统目标识别方法无法取得令人满意的效果.小波分析因其良好的时频局部化特性,已经成为信号处理和图像分析系统中的有效工具;不变矩的抗噪性和相对于目标几何变换的数值稳定性,使其被广泛使用在各种目标识别系统中;另一方面,研究发现即使是相当低级的哺乳动物,其对于视频景象的辨别能力也远远优于当前的任何一种ATR技术.因此,研究融合小波分析的多尺度局部分析能力、矩特征的抗噪性、不变性以及神经网络的知识获取、知识综合和并行高效的数据处理能力的新型ATR技术,可望为自动目标识别技术的发展提供有益的思路.本论文的工作主要围绕小波分析和小波神经网络在自动目标识别技术中的研究展开,论文的研究重点包括:目标区域的小波不变矩特征提取及其不变性研究、小波基函数对小波不变矩特征的影响、多尺度目标分类算法、多尺度小波变换域内矩特征的快速算法和小波神经网络在目标识别中的研究等方面.另外,对几何矩的快速算法和小波变换的不变性也作了探讨,提出了一种基于图像边界的矩快速算法和一种具有平移、尺度和旋转不变性的小波变换.

目录

文摘

英文文摘

东南大学学位论文独创性声明及使用授权声明

第1章绪论

1.1课题的研究背景和意义

1.2自动目标识别的研究现状

1.2.1主要识别方法

1.2.2目标识别策略

1.2.3基于形状特征的目标识别

1.2.4基于区域特征的形状描述法

1.2.5基于边界特征的形状描述法

1.3基于小波分析和小波神经网络的目标识别研究现状

1.3.1基于小波特征的目标识别

1.3.2基于小波变换的特征提取方法

1.3.3小波神经网络

1.4论文的主要研究内容和章节安排

第2章基于图像边缘的矩计算方法

2.1概述

2.1.1二维几何矩和矩不变量

2.1.2其它的二维矩理论研究

2.1.3矩快速算法简介

2.2矩不变量和格林定理

2.3基于边缘的任意阶矩表达式的推导

2.3.1算法推导

2.3.2误差分析

2.4计算复杂度分析

2.5实验结果

2.6小结

第3章具有平移、尺度和旋转不变性的小波变换

3.1概述

3.2旋转不变性的获得

3.2.1图像坐标变换

3.2.2方向归一化

3.3平移和尺度不变的小波分解

3.4不变性小波变换算法

3.5实验结果

3.6小结

第4章基于目标区域特征的小波不变矩识别

4.1概述

4.2图像广义矩及广义不变矩

4.3图像的小波不变矩

4.3.1小波不变矩的构造

4.3.2实验与讨论

4.4基于全局不变矩和小波不变矩的多尺度目标识别

4.4.1算法描述

4.4.2实验与讨论

4.5基于小波变换的矩快速算法

4.5.1多尺度小波变换矩的理论推导

4.5.2投影矩的数学推导

4.5.3基于投影的二维多尺度小波变换矩快速算法

4.5.4实验结果

4.6小结

第5章基于目标边界特征的小波神经网络识别

5.1概述

5.2连续小波变换和小波神经网络

5.2.1连续小波变换定义及性质

5.2.2小波神经网络模型

5.3基于边界特征的小波神经网络识别方法

5.3.1目标边界的一维表示

5.3.2边界描述的规范化

5.3.3多类目标识别系统中WNN小波神经网络的构造

5.3.4小波神经子网的设计

5.4实验结果与讨论

5.5小结

第6章总结与展望

6.1论文研究工作的总结

6.2有待进一步研究的问题

致谢

参考文献

攻读博士学位期间发表的论文