空中飞机目标图像增强与辨识研究

摘要

自动目标识别是计算机视觉领域的核心问题之一。其中，空中飞机目标识别是航空军事研究领域的重要组成部分，准确并快速地分析飞机形状特征并进行机型自动识别有着重要的意义。
　　在现有研究的基础上，针对空中飞机目标图像，本课题开展了图像增强、目标检测与图像分割、特征提取以及目标识别分类四个方面的研究。
　　首先，结合飞机目标图像的特性，采用融合奇异值分解与中值滤波的方法实现飞机目标图像的增强;然后，选择基于边缘检测与形态学修复的方法实现飞机目标检测与图像分割;进而，提取飞机目标图像的Hu矩以及仿射不变矩特征向量;最后，分别针对BP神经网络和支持向量机的飞机识别效果进行统计实验分析，并选用识别效果较好者作为系统的分类器。
　　实验分析过程中，首先，利用飞机模型图像验证所采用方法的有效性;其次，采用飞机实景图像进行测试分析。实验结果表明，所采用的图像增强方法能够获取高质量的飞机图像;利用所选择的特征构成的分类算法能够达到较高的识别正确率。

目录

声明

摘要

1 绪论

1．1 引言

1．2 研究背景及意义

1．2．1 研究背景

1．2．2 研究意义

1．3 国内外研究现状

1．3．1 国外研究现状

1．3．2 国内研究现状

1．4 主要研究内容

1．5 论文组织结构

2 空中飞机目标图像增强与辨识系统

2．1 引言

2．2 系统组成

2．3 系统流程及主要技术

2．4 本章小结

3 飞机目标图像增强技术

3．1 引言

3．2 图像增强技术

3．2．1 直方图均衡化

3．2．2 均值滤波

3．2．3 频域低通滤波器

3．3 基于SVD-中值滤波的图像增强算法

3．3．1 奇异值分解

3．3．2 SVD-中值滤波

3．4 实验结果与分析

3．5 本章小结

4 飞机目标检测与分割

4．1 引言

4．2 基于边缘检测的目标分割算法

4．2．1 边缘检测

4．2．2 目标检测与分割

4．2．3 实验结果与分析

4．3 基于EMD的目标分割算法

4．4 本章小结

5 矩特征融合与目标辨识

5．1 引言

5．2 矩特征融合

5．2．1 Hu矩特征

5．2．2 仿射不变矩特征

5．3 分类算法选择

5．3．1 BP神经网络

5．3．2 支持向量机

5．4 实验结果与分析

5．5 本章小结

结论

致谢

参考文献

攻读学位期间发表的与学位论文内容相关的学术论文及研究成果