复杂背景下低对比度目标的光学相关探测和识别

光电混合联合变换相关器可以实现光学图像的探测、自动识别、实时跟踪和高精度定位.但当实际的目标图像对比度低、背景噪音大时,相关峰对比度降低,甚至没有相关峰.文章将空域直方图均衡化与频域滤波器相结合,提高了目标图像的对比度,减小了背景噪音,获得了尖锐的相关峰,解决了复杂背景低对比度目标图像的识别问题,获得了很好的实验结果.大量的计算机模拟和光学实验表明,相较于其他复杂的算法,该算法简单、实现速度快,效果良好.     

基于小波多尺度综合的低对比度目标识别

光电混合联合变换相关器能够对目标进行自动探测识别和跟踪。为使联合变换相关器对低对比度目标进行有效探测与识别,提出了一种基于小波多尺度综合的边缘提取新方法,对输入图像进行预处理。计算机模拟实验和光学实验证明,该方法使相关器在输入图像对比度低、信噪比较低时仍然能够产生较强的相关峰输出,扩展了光电混合联合变换相关器的应用范围。     

低对比度目标探测技术

为了提高联合变换相关器对复杂背景下的低对比度目标的识别能力,提出了小波变换与灰度拉伸以及Canny算法相结合的物面滤波新方法,并设计了新物面处理滤波器.通过计算机模拟和光学实验证明,该方法可以准确地提取目标特征,有效地降低噪声并最终获得明亮的相关峰,成功解决了低对比度复杂背景目标的识别问题.     

光学相关复杂背景低对比度目标的识别研究

复杂背景的低对比度目标识别一直是目标探测跟踪的关键技术之一。针对光电混合联合变换相关器,以多小波变换为基础,应用GHM多小波对目标联合图像处理,并采用多尺度非线性方法,通过非线性函数有效地改变各尺度上的细节分量,从而改变图像对比度,达到增强目标图像的目的。对复杂背景的低对比度目标图像进行了大量计算机模拟实验和光学相关实验,结果表明,这种基于多小波图像增强算法,对复杂背景的低对比度目标能够获得明亮的相关点,提高低对比度目标的识别率。作为实例,文中给出航行中低对比度船的图像识别。     

基于小波边缘提取的目标光学相关识别

为提高联合变换相关器对复杂背景图像的识别能力,提出了基于小波变换边缘提取的联合变换相关器。利用具有多尺度分析功能的小波变换工具对联合图像进行边缘检测,所提取的边缘图像能保留更多的细节信息,改善复杂背景下的目标识别能力。计算机模拟和光学实验结果均表明,用小波变换边缘提取的联合图像进行相关识别,能明显增强相关峰的强度,提高目标识别能力。     

基于最小平均相关能量滤波器的畸变目标识别

通过对多种畸变目标识别算法的研究, 对用于匹配滤波器的最小平均相关能量(MACE)滤波器进行了改进。利用MACE滤波器算法的基本思想构造滤波器函数, 在合成参考图像前对训练图像进行边缘提取, 并对联合图像的功率谱进行了拉普拉斯锐化, 成功实现了在联合变换相关器中对旋转目标图像的探测和识别, 提高了畸变图像相关峰的亮度, 拓展了联合变换相关器的探测和识别的范围。作为实例, 对旋转战机目标图像进行了计算机模拟实验和光学实验, 验证了该算法的可行性。     

基于最小平均相关能量滤波器的畸变目标识别

通过对多种畸变目标识别算法的研究,对用于匹配滤波器的最小平均相关能量(MACE)滤波器进行了改进。利用MACE滤波器算法的基本思想构造滤波器函数,在合成参考图像前对训练图像进行边缘提取,并对联合图像的功率谱进行了拉普拉斯锐化,成功实现了在联合变换相关器中对旋转目标图像的探测和识别,提高了畸变图像相关峰的亮度,拓展了联合变换相关器的探测和识别的范围。作为实例,对旋转战机目标图像进行了计算机模拟实验和光学实验,验证了该算法的可行性。     

小波变换在实时联合变换相关器中应用的研究

通过目标图像的小波变换获得图像的多分辨率小波梯度信息,再利用线性或非线性的变换来处理图像的小波梯度信息,这样便得到了一幅梯度信息增强后的小波系数,利用图像复原技术便能得到对比度增强后的目标图像,从而使实时联合变换相关器能较好地识别复杂背景低对比度的目标图像.     

基于最小平均相关能量滤波器的目标识别技术

把用于匹配滤波器的最小平均相关能量(MACE)算法进行改进,成功应用于实时联合变换相关器。训练系列图像的谱按MACE综合后,经傅里叶逆变换在物面合成参考图像,同时在合成参考图像前对训练图像进行边缘提取,并对目标与参考图像的联合功率谱进行拉普拉斯锐化,提高相关峰对比度。给出了存在旋转变化的目标图像和光学实验。实验表明,改进后的MACE方法可大大减少训练图像的数目,减小运算量,很好地解决联合变换相关器对目标存在旋转变化的识别问题,可扩大目标识别的范围,提高识别率。     

基于群体智能边缘提取算法的联合变换相关器

为提取联合变换相关器输入面图像的边缘,改善相关器的识别效果,提出了一种基于群体智能的图像特征提取方法,并将其应用于联合变换相关器的输入面图像预处理中.实验结果表明该算法有效提取了图像的边缘,锐化了相关峰,提高了联合变换相关器的目标识别能力.群体智能计算机并行算法与联合变换相关器光学并行系统相结合,为实现实时高效的光电混合目标识别系统奠定了坚实的理论基础.