基于概率密度分布與模糊熵的目標檢測技術.pdf

1、圖像目標檢測是圖像工程中一個重要而基本的問題,也是機器視覺的一項關鍵技術.目標檢測的外延很廣,從靜態(tài)圖像分割、目標提取到動目標的檢測、識別與跟蹤都屬于這一范疇.但是無論是靜態(tài)圖像目標的提取還是運動目標的識別與跟蹤,其前提與基礎是良好的圖像分割技術.分割結果的好壞對檢測結果影響很大,決定了視覺系統(tǒng)的性能.因此,圖像分割是檢測技術的核心,對于靜態(tài)目標定位和動態(tài)目標跟蹤與識別具有十分重要的意義.
　　 由于圖像目標及其邊緣的模糊性,經(jīng)

2、典數(shù)學理論無法準確描述圖像所含信息,使得傳統(tǒng)的圖像分割技術遇到挑戰(zhàn).鑒于模糊理論對不確定性和含糊性具有優(yōu)秀的描述能力,基于模糊理論的圖像目標分割方法成為研究圖像分析和處理的熱點.模糊集隸屬函數(shù)確定的困難性使經(jīng)典模糊圖像分割技術能力有限。Ⅱ型模糊集又因為其構造復雜、計算量大等特點,其實用性受到制約.因此,人們轉(zhuǎn)而探索Ⅱ型模糊集的特例——區(qū)間值模糊集(IVFS)的相關理論及其應用.本文在研究了幾種常見的區(qū)間值模糊集度量的基礎上,提出一種新的

3、IVFS的模糊熵度量,研究了其性質(zhì)及其在圖像分割中的應用,實驗驗證了新的IVFS模糊熵度量的良好圖像分割能力.
　　 基于模糊理論的圖像分割技術主要包括基于模糊熵度量的分割和基于模糊聚類的分割.將二者有機結合起來研究圖像分割問題的工作很少.為此,本文引入高斯核函數(shù)構造描述圖像像素在圖像空間分布的概率密度函數(shù),并成功應用于低照度、低對比度條件下弱小目標和點目標檢測.其次,將圖像像素的概率密度分布作為屬性引入到模糊C-均值(FCM)

4、算法中,經(jīng)過形態(tài)學處理技術成功地提取了水下圖像目標。最后,結合模糊熵與模糊聚類技術提出了一種新的圖像分割技術,仿真實例驗證了該算法的有效性.
　　 本文的具體研究內(nèi)容包括:
　　 一、研究了區(qū)間Ⅱ型模糊集的熵,給出了新的區(qū)間值模糊集熵的度量,并將新的模糊熵應用于圖像分割.
　　 二、針對弱小目標(或點目標)提出一種新的基于圖像像素概率密度分布的快速目標檢測方法.
　　 三、結合形態(tài)學理論,研究了基于概率密