题目：具有仿射不变的目标识别算法研究

基于视频 的运动目标实时跟踪和识别是计算机 视觉和人工智能研究领域的关键技术，在武器系统制导、图像分析、智能监控与敌我识别等多个领域中有广泛的应用。因此，对基于视频的运动目标实时跟踪和识别的研究有很大的理论意义和实际应用价值，考虑到运动的目标通常会有缩放、旋转、平移等仿射变化，完成了具有仿射不变的目标识别的算法，实现了对运动目标的实时识别。

首先，本文分析了目标识别技术的国内外研究现状以及存在问题，介绍了图像匹配理论，给出图像匹配过程中的关键步骤。

其次，根据角点具有较好旋转不变性的特点，本文采用基于灰度图像的角点检测方法进行特征点检测，提出了一种可以改变阈值来适用于实际应用场景的算法思想，通过经验关系选择适合 具体场景的阈值，获取最佳的匹配效果，同时，使用机器学习的方法进行加速；通过一种快速的SIFT描述符思想，利用提取的特征点周围圆形区域来构造特征描述符，得到只有16维度的特征描述向量，提高算法实时性；针对解决特征匹配过程中穷举搜索中复杂运算量的问题，本文根据KD树算法，通过最近邻与次近邻的距离比来进行特征点匹配。再利用RANSAC算法对通过KD树匹配后所获得的特征点集进一步提纯，除去其中的错误匹配对，大大提高算法的正确识别率。

最后，在前面理论研究的基础上，采用本文中完成的算法分别对战斗机、赛车、轮船三组不同的视频进行了仿真实验。从算法稳定性、识别率、运动轨迹等方面分析了实验数据，同时分析了分辨率-耗时-特征点数的三维仿真图。从直观效果图和数据分析仿真图中都能验证本文算法的满足实时性的要求，并具有很高的识别率，并在论文最后给出了总结和展望。