-
摘要由于红外图像自身的特点，在红外图像中如何获得更加精确的目标区域特征是需要解决的首要问题，本文主要介绍了一种基于局部LARK（局部自适应核回归)的特征提取方法，在捕捉图像的基本数据的局部特征时,对灰度的变化十分敏感，可以十分明显地描述出图形的走向，显示出边缘位置的形状，即使是复杂场景下，对典型的红外目标也能够进行较好地识别。在研究过程中，将多幅模板图像整合成包含非相似特征结构的模板集，基于 LARK 计算测试图像和模板图像集的权值向量矩阵，对模板图像集的权值向量矩阵去冗余，去除相似向量以减少计算复杂度。统计目标图像局部窗口中与测试图像具有相似特征结构的数量，基于相似局部结构数目计算目标显著图，最后使用非极大抑制的方法检测目标。经过验证，该方法能够实现对于形态变化的红外目标的鲁棒检测。32322
- 上一篇：针对波尔共振仪的拓展性和设计性实验研究
- 下一篇：风管内沉积颗粒物再扬起特性研究
毕业论文关键词 红外目标识别 LARK算法 特征提取 多模板匹配
Title A infrared target recognition method based on locallyadaptive Regression Kernels
Abstract Due to the characteristics of infrared image，to obtain more accurate target regionfeatures in the infrared image is the primary problem to solve. This paper mainlyintroduces a kind of method based on Lark (local adaptive kernel regression)in feature extraction.The local characteristics of the basic data in the capturedimage is sensitive to the change of gray level, that makes it very clearly todescribe graphics, showing the shape of the edge position even in complex scene,thetypical infrared target can be well identified. In the research, To integrate afew template images into the similarity characteristics of the structure in thetemplate, then to calculate weight vector matrix of the test image and the templateimage by lark,and to reduce redundancy in the weight vector matrix of the templateimage,remove similar vector in order to reduce computational complexity.In targetimage in the local window and test images , to calculate similar characteristicsof the structure, based on the similar number of local structure to calculate targetfigure, finally using the maximum inhibition method to detect targets.Afterverification, the method can accomplish the robust infrared target detection evenwhen the infrared target changed the forms.
Keywords infrared target recognition,LARK,feature extraction,multiple templatematching
目次
1绪论1
1.1研究背景与意义.1
1.2本文主要内容.1
2.1红外图像的基本特征.3
2.2红外图像目标识别介绍及现状3
2.2.1DBT方法.3
2.2.2TBD方法.4
2.3特征提取.4
2.4图像的特征匹配5
3LARK方法介绍以及原理.6
3.1核回归方法的研究进展.6
3.2LARK计算方法原理6
4测试实例计算13
4.1测试流程综述.13
4.2使用LARK方法进行特征提取.14
4.2.1计算简单模板集和测试图片的权值向量矩阵14
4.2.2对模板集权值向量矩阵进行降文14
4.3局部结构统计匹配方法得出RM16
4.4非极大值抑制方法提取目标.18
4.5计算过程中的参数.19
4.5.1P的选取.20
4.5.2相似度阈值的选择.20
4.5.3相似度图像RM的全局阈值numT和非极大值抑制参数21
4.5.4非极大值抑制参数.22
致谢24
参考文献25
1 绪论
1.1 研究背景与意义在科技不断的发展下，计算机智能给人们的生活带来了巨大的方便，使用计算机对观测目标进行处理和识别是许多课题研究的热点，很多相关的课题集中于运动物体，人体，人脸等。人们希望利用计算机智能，分析不同情况下观测目标的运动状态，数量，速度等参数，满足不同状况下应用的需求，让计算机为人们的生活便利来更好地服务。红外技术作为目标探测和跟踪方面的一个有力的实现途径，随着红外传感器成本的降低，以及激光技术的发展，已经越来越在目标检测跟踪领域得到重视。随着红外技术的发展，红外图像的处理，作为红外技术能够实现的至关重要的一环，越来越需要更大的精度和更快速的方法。在各种成像技术中，红外图像因为有着其他图像没有的优点而备受瞩目，在军事，民用，医疗，工业等领域有广泛应用。自然界一切温度高于绝对零度的物体都在发生着红外辐射，由于物体各自的特征，所以不同部分会发射有差异的辐射，红外成像系统能够收集并且探测这些物体发出的辐射能，形成与景物温度对应的热图像[1]。和可见光图像相比，由于红外图像反映的是目标和背景向外辐射能量的差异，是一种被动成像的方式，用在军事等领域，不易被发现，而且可以全天候工作，不易受到背景杂乱，光照变化等外界干扰因素的干扰。另外，红外辐射的穿透力比较强，在雾天，雷雨天，可见度低的情况下，克服视觉障碍进行工作，作用距离也比较长。在工作中，红外波段的固有分辨率比较低，加上传播过程中的散射和被吸收的部分，所以红外波段对比度和分辨度也不高，很难表现出目标的纹理信息，但是这一点使得红外图像在空间上具有很好的相干性，有稳定的灰度均值，有较多，较大的易于分辨的同质区[2]。基于以上优点，红外图像被广泛运用于需要抗干扰能力强的检测和成像环境下，同时也得到了长足的发展，在特征检测，目标识别和目标跟踪等方面受到广泛重视。所以，研究红外图像的处理分析具有重大意义，提高对红外图像的处理在未来有着广阔的前景。