题目：基于视觉认知的无人机多目标自主识别

研究无人机自主多目标识别方法的实现，可以提升无人机自主侦察监视能力，已成为无人机自主化和智能化领域的一个研究热点。实现无人机自主多目标识别的主要步骤，首先是通过无人机上的可见光照相机、影像摄影机等设备，采集数据图像并实时传送回地面。然后通过高速有效的提取特征信息，快速进行识别，从而向侦察监视网及有关部门提供目标信息。本文主要围绕图像特征及分类器的目标识别方法，结合仿生视觉认知的相关原理展开研究。

首先，论文研究了仿视觉皮层等处理级模型，对灵长类动物视觉皮层进行了概述，介绍了视觉通路的串行特性和并行特性，进而模拟视觉皮层各等级细胞机制研究了仿视觉皮层标准计算模型的数学描述，并进行了仿真实验。

其次，论文研究了仿视觉皮层自顶向下与自底向上的双向模型，介绍了视觉皮层感受野综合假设，从而在计算模型中加入了反馈机制，通过谱残余算法选择显著区域，形成了基于外观显著性的视觉皮层双向模型。

然后，作为视觉皮层的扩展，论文研究了人工神经网络作为特征分类器的应用，通过模糊C均值算法和人工蜂群算法改进并优化传统的径向基网络。采用模糊C均值聚类方法确定径向基中心，采用人工蜂群算法迭代优化网络权值，使分类器具有学习能力快、灵活性强等特点。

再次，为了更加靠近视觉认知的宏观并行处理机制，论文研究综合利用图像的颜色、纹理、形状和空间关系等特征，并通过多特征融合策略得到更加准确、全面的特征信息。介绍了颜色相关直方图、灰度共生矩阵、边缘直方图三种特征提取方法；讨论了前融合策略、后融合策略的特点和应用效果，进一步提高目标识别效率。

最后，论文对无人机多目标识别方法进行了综合仿真和实现，运用基于视觉认知的目标识别方法，在无人机森林侦查和物种群体识别两个问题上进行了仿真实验，验证了方法的可行性和正确率。