光學相關運動目標識別技術的研究.pdf

1、應用光學相關原理的聯(lián)合變換相關器以運算速度快、信息存儲容量大以及平行運算等優(yōu)點廣泛應用于模式識別領域中。通過探測目標與模板而得到的相關點為依據(jù)，進而確定目標的方位信息，并將這種光電混合系統(tǒng)結(jié)合各種計算機編程技術，已經(jīng)完成了對微光目標、紅外目標、復雜背景下目標及小目標等多種靜止目標的識別。
　　但是在運動目標的光學相關識別中，由于目標自身運動所導致的目標與模板之間存在的畸變問題及周圍復雜背景、天氣變化和低對比度環(huán)境等外在因素對聯(lián)合變

2、換相關器的干擾，出現(xiàn)了在探測過程中沒有相關點或相關點微弱的現(xiàn)象，嚴重影響運動目標光學相關識別的順利進行。
　　針對運動過程中目標與模板之間存在的大小、旋轉(zhuǎn)及形狀等不匹配的問題，提出了瞬態(tài)模板更換的方法，選擇識別動態(tài)序列中的前一幀瞬時狀態(tài)作為下一幀的模板，這樣便可完成實時對模板的更新。
　　為了增強相關點的亮度，提高相關器的識別效率，分別將小波、多小波及小波的提升算法引入對運動圖像的物面處理技術中。提出了采用形態(tài)學膨脹處理的小

3、波邊緣提取算法及小波多尺度邊緣融合算法;應用多小波所具有的多重多分辨率分析性質(zhì)，提出了基于多小波變換的邊緣提取算法及能分別增強高、低頻信息的多小波圖像增強技術;并進一步對小波的算法進行提升，給出了基于小波提升算法的邊緣提取方法。
　　分別將這些物面處理算法與瞬態(tài)模板方法相結(jié)合應用到光學相關運動目標的識別中，結(jié)果表明，基于小波變換的模極大值提取、小波多尺度邊緣融合及基于多小波變換的圖像增強算法均可提高相關器對低對比度運動目標的識別率