当前位置:问答库>论文摘要

题目:猫眼效应目标识别方法研究

关键词:目标识别;猫眼效应目标;二维熵;阈值分割;局部特征

  摘要


本论文主要研究内容是基于图像处理技术的猫眼效应目标识别方法。本文研究了猫眼效应目标识别过程中的三步关键算法:猫眼效应目标图像预处理算法;猫眼效应目标图像分割算法;猫眼效应目标识别算法。

猫眼效应目标图像预处理算法研究包括两方面:分区域去噪和图像差分研究。先估算出图像的噪声,以图像与噪声的局部标准差之比为依据,将图像分为平滑区域和细节区域。分区域对图像使用不同的去噪算法,以保证猫眼效应目标不会产生模糊效应,同时又能有效地降低图像的噪声。因被动图像平均灰度较低,先对被动图像进行灰度补偿,然后再进行图像差分。

针对猫眼效应目标图像,本论文提出了一种基于最大二维Tsallis熵的阈值分割算法,首先建立二维灰度—平均灰度直方图,然后通过最大熵法则求出阈值。在求最大熵的过程中,分析了熵中参数对分割效果的影响。仿真试验表明当熵中参数过大或者过小的时候,都会造成过度分割。

最后,本论文提出了一种基于局部特征的猫眼效应目标识别算法。先对分割后的图像进行形态学滤波,然后根据图像的局部特征信息,包括面积、圆形度以及主被动图像的局部平均灰度差,识别出猫眼效应目标。

本文所提出猫眼效应目标预处理算法克服了近距离情况下,主被动图像平均灰度差过大对背景去除所造成的干扰;所用的图像分割算法能够通过参数控制来得到合适的分割阈值;目标识别算法以目标的局部特征作为识别依据,与基于压缩感知的识别算法相比,本文的算法具有更高的准确性以及更好的时间性能。仿真试验表明,本论文所提出的方法能有效的识别出猫眼效应目标。