動態(tài)目標姿態(tài)識別技術研究.pdf

1、本文主要研究基于圖像處理的運動目標姿態(tài)識別技術方法。目標識別在軍事、自動化、民用領域方面等都有廣泛的應用前景，如空中目標的預警防御和攻擊、空中交通監(jiān)控等。而運動目標檢測是利用數(shù)字圖像處理技術獲得準確的運動目標，特征提取是目標識別的一個重要環(huán)節(jié)。其中，特征提取的有效程度直接影響到目標識別的準確度，而且，分類器的選擇和參數(shù)優(yōu)化對識別精度也有很大的影響。
　　本文主要研究了天空中簡單背景下飛機目標的檢測與識別方法。文章首先探討了小波和小

2、波包的基本原理，鑒于天空中的運動目標易受外界噪聲干擾等因素的影響，選取了一種針對性的解決方案。和傳統(tǒng)的Canny算子邊緣檢測方法相比，提出了小波包 Symlet函數(shù)和基于局部統(tǒng)計的可變閾值相結合的邊緣檢測方法，可以有效的提取出圖像細小邊緣特征，并對其進行二值化處理。然后使用改進的光流法通過分析連續(xù)兩幀飛機圖像，來獲得光流場，從而檢測出飛機目標的運動區(qū)域。研究中考慮到飛機目標的中心、尺寸、形狀特征、機長翼展比、同底三角形面積比等不同幾何特

3、征，文中提取飛機目標相對應的特征構建特征向量，基于該特征向量分別利用k-近鄰、貝葉斯、線性判別分析和支持向量機來對飛機目標進行訓練從而獲得穩(wěn)定的模型，然后對飛機目標進行分類識別，驗證了基于核函數(shù)的支持向量機提取特征向量的有效性。最后使用霍夫變換的線檢測來檢測機軸的位置，從而確定飛機在二維空間中的姿態(tài)變化。
　　仿真結果表明，文中提出的小波包 Symlet函數(shù)和局部閾值相結合的邊緣檢測方法能有效地提取出圖像細小邊緣特征，改進的光流法