蝇复眼在导弹上的应用研究
|
摘要
随着现代战争的发展，对精确制导信息处理技术的要求越来越高，ATR(自动目标识别)技术已成为精确制导技术发展的方向，而ATR技术的发展则是起源于人类对生物视觉的模仿。基于这一点，本文在对复眼的研究及讨论的基础上，提出了一些自动目标识别的技术。复眼作为一个现实中的生物的视觉系统，它首先具有一般生物眼睛的视觉系统功能，在此之外，还拥有其独特的特点。本文就是从这两点展开讨论研究。首先，把复眼作为一般视觉系统看待，从图像的预处理、图像的分割、特征提取以及目标的分类与识别，这一系列的一般视觉处理过程来考虑。然后，根据对其复眼特有的特点的理解，提出了一种仿复眼的多模复合制导技术。本文所作的工作主要在以下几个方面：
1、红外图像的预处理：首先介绍了传统的图像预处理方法，然后重点介绍和总结了前人关于侧抑制机理在红外图像预处理中的应用。其中包括侧抑制理论的数学模型、稳定性判据、时域特征、频域特征、侧抑制网络突出图像边框、增强反差的功能以及在图像分割中的应用。
2、红外图像的分割：首先系统地介绍了图像分割的模型和分类，然后力求从图像分割的自适应和鲁棒的角度，仔细讨论了最佳熵和模糊熵的图像分割技术，引入了遗传算法的寻优规则。最后又提出一种避免求阈值的多目标的图像分割算法，该算法简单可靠，具有一定的自适应性和鲁棒性。
3、红外图像的特征提取：先介绍了传统的特征提取的方法，然后提出了一种多通道特征提取的方法，包括了基于小波的频率多通道和基于灰度的多通道的特征提取方法。基于小波的频率多通道是从小波多分辨分解的角度，提取各频率通道的灰度特征形成特征向量，该方法可以很好的区分目标，但不具有旋转不变性。因此随后提出了基于灰度多通道的特征提取方法，该方法是把目标灰度分成几个区段，然后在各灰度区间分别提取目标的灰度特征，形成特征向量。该方法克服了频率多通道特征提取的缺点具有旋转不变性。
4、红外目标的分类与识别：由于目标特征提取中，受到各种因素的影响，提取的特征不可避免的带有噪声，即是具有一定的不确定性。本论文则主要研究了如何根据具有不确定性的目标特征向量来识别目标。首先研究了D-S证据推理理论，和D-S证据理论中的合成规则，Yager合成规则的缺点。然后提
中文摘要
出了一种基于多特征的目标识别方法，其中包括初始概率赋值的确定方法和一
种新的合成规则。利用该合成规则，可以避免D一S合成规则和Yager合成规则
不能很好解决的证据冲突时的合成。
5、仿复眼多模制导:首先在基于对复眼的结构和功能研究理解的从础「，
提出了一种对视觉系统的观点:不需要两只复眼，单只复眼就可以得到日标的
三维信息。在此理解的基础上，提出了一种多模导引的框架:两个点源探测头
和一个成像探测头。一个点源头模拟了复眼中的一个单眼，成像头模拟了整只
复眼对环境和目标的成像，利用两个点源头的信息可以得到日标的三维空间方
位信息。在最后，研究了这种多模框架的多传感器对目标的检测融合问题。
With the development of war, the requirement on information processing techniques for precision guidance is becoming higher and higher. ATR has become very important, this technique imitate human visual system. So this paper does certain researches on ommateum and some ATR techniques are proposed in this paper. As a real visual system existing in nature, ommateum not only have the same function as other visual systems, but also have its special feature. So research in this paper on ommateum contain two points, first researching ommateum like other normal visual system, considering contents including preprocessing of IR images, target image segmentation, feature extraction and target classification; second researching ommateum's special feature. Based on researching on ommateum"s special feature, a multi-mode guidance method is proposed in this paper. The main achievements of this paper are as follows:
1 , The preprocessing of IR image: first introducing traditional methods on preprocessing of IR image, second emphasizing on introducing and summarizing lateral inhibition theory and application that predecessors had researched. This contains lateral inhibition theory's mathematics model, stability criterion, time domain and frequency domain feature, the function of enhancing the image's contrast and the object's frame and other functions applying in image segmentation.
2 , Segmentation of the IR image: First systemic introducing image segmentation's model and classification, second emphasizing on researching image segmentation using best entropy or fuzzy entropy based on genetic algorithm . last a method for multi-object image segmentation avoiding searching for threshold is proposed, that is simple, stability and has certain self-adaptive and robust.
3, Feature extraction: first introducing traditional feature extraction methods, then multi-channels feature extraction methods is proposed. One method is multichannels based on. frequency using wavelet theory, another is multi-channels based on gray. The first method is based multi-scale decompression using wavelet theory, it extract gray feature from each channel to form feature vector, it can distinguish
objects, but this method not have invariant property when object rotate. So the second method is proposed, it has not the same shortcoming, the method is based gray multi-channel. In this method, gray is partitioned into gray regions and feature is extracted in each regions and features form vector.
4, IR object's classification and recognition: because of various factors in the process of feature extraction, the feature extracted is polluted certainly by noise, that the feature has certain uncertainty. This paper emphasizes on researching how to classify object based on feature vector having uncertainty. First researching on D-S evidence theory, .Combination Rules of Evidence Theory, Yager combination rules and this theory's shortcoming. Then a new method for object classification based on multi-feature is proposed, in this method basic probability assignment and combination rule is resolved. When the evidences have conflicts, D-S combination and Yager combination can't resolve this thing, the new method can resolve this conflict question.
5 , Multi-mode guidance: Firstly, a idea about visual system is proposed based on researching on ommateum's structure and function. The idea is that: one ommateum can get object 3-D information in the space, not using two ommateum. Based on this point, a multi-mode guidance method is proposed, this method contains two point-detectors and one image detector. One point-detector imitates facet in ommateum, image detector imitates one whole ommateum, and it's visual function. Object's 3-D information is got using two point-detectors. In the last, the object detection question about multi-sensor's data fusion is researched.
1、红外图像的预处理：首先介绍了传统的图像预处理方法，然后重点介绍和总结了前人关于侧抑制机理在红外图像预处理中的应用。其中包括侧抑制理论的数学模型、稳定性判据、时域特征、频域特征、侧抑制网络突出图像边框、增强反差的功能以及在图像分割中的应用。
2、红外图像的分割：首先系统地介绍了图像分割的模型和分类，然后力求从图像分割的自适应和鲁棒的角度，仔细讨论了最佳熵和模糊熵的图像分割技术，引入了遗传算法的寻优规则。最后又提出一种避免求阈值的多目标的图像分割算法，该算法简单可靠，具有一定的自适应性和鲁棒性。
3、红外图像的特征提取：先介绍了传统的特征提取的方法，然后提出了一种多通道特征提取的方法，包括了基于小波的频率多通道和基于灰度的多通道的特征提取方法。基于小波的频率多通道是从小波多分辨分解的角度，提取各频率通道的灰度特征形成特征向量，该方法可以很好的区分目标，但不具有旋转不变性。因此随后提出了基于灰度多通道的特征提取方法，该方法是把目标灰度分成几个区段，然后在各灰度区间分别提取目标的灰度特征，形成特征向量。该方法克服了频率多通道特征提取的缺点具有旋转不变性。
4、红外目标的分类与识别：由于目标特征提取中，受到各种因素的影响，提取的特征不可避免的带有噪声，即是具有一定的不确定性。本论文则主要研究了如何根据具有不确定性的目标特征向量来识别目标。首先研究了D-S证据推理理论，和D-S证据理论中的合成规则，Yager合成规则的缺点。然后提
中文摘要
出了一种基于多特征的目标识别方法，其中包括初始概率赋值的确定方法和一
种新的合成规则。利用该合成规则，可以避免D一S合成规则和Yager合成规则
不能很好解决的证据冲突时的合成。
5、仿复眼多模制导:首先在基于对复眼的结构和功能研究理解的从础「，
提出了一种对视觉系统的观点:不需要两只复眼，单只复眼就可以得到日标的
三维信息。在此理解的基础上，提出了一种多模导引的框架:两个点源探测头
和一个成像探测头。一个点源头模拟了复眼中的一个单眼，成像头模拟了整只
复眼对环境和目标的成像，利用两个点源头的信息可以得到日标的三维空间方
位信息。在最后，研究了这种多模框架的多传感器对目标的检测融合问题。
With the development of war, the requirement on information processing techniques for precision guidance is becoming higher and higher. ATR has become very important, this technique imitate human visual system. So this paper does certain researches on ommateum and some ATR techniques are proposed in this paper. As a real visual system existing in nature, ommateum not only have the same function as other visual systems, but also have its special feature. So research in this paper on ommateum contain two points, first researching ommateum like other normal visual system, considering contents including preprocessing of IR images, target image segmentation, feature extraction and target classification; second researching ommateum's special feature. Based on researching on ommateum"s special feature, a multi-mode guidance method is proposed in this paper. The main achievements of this paper are as follows:
1 , The preprocessing of IR image: first introducing traditional methods on preprocessing of IR image, second emphasizing on introducing and summarizing lateral inhibition theory and application that predecessors had researched. This contains lateral inhibition theory's mathematics model, stability criterion, time domain and frequency domain feature, the function of enhancing the image's contrast and the object's frame and other functions applying in image segmentation.
2 , Segmentation of the IR image: First systemic introducing image segmentation's model and classification, second emphasizing on researching image segmentation using best entropy or fuzzy entropy based on genetic algorithm . last a method for multi-object image segmentation avoiding searching for threshold is proposed, that is simple, stability and has certain self-adaptive and robust.
3, Feature extraction: first introducing traditional feature extraction methods, then multi-channels feature extraction methods is proposed. One method is multichannels based on. frequency using wavelet theory, another is multi-channels based on gray. The first method is based multi-scale decompression using wavelet theory, it extract gray feature from each channel to form feature vector, it can distinguish
objects, but this method not have invariant property when object rotate. So the second method is proposed, it has not the same shortcoming, the method is based gray multi-channel. In this method, gray is partitioned into gray regions and feature is extracted in each regions and features form vector.
4, IR object's classification and recognition: because of various factors in the process of feature extraction, the feature extracted is polluted certainly by noise, that the feature has certain uncertainty. This paper emphasizes on researching how to classify object based on feature vector having uncertainty. First researching on D-S evidence theory, .Combination Rules of Evidence Theory, Yager combination rules and this theory's shortcoming. Then a new method for object classification based on multi-feature is proposed, in this method basic probability assignment and combination rule is resolved. When the evidences have conflicts, D-S combination and Yager combination can't resolve this thing, the new method can resolve this conflict question.
5 , Multi-mode guidance: Firstly, a idea about visual system is proposed based on researching on ommateum's structure and function. The idea is that: one ommateum can get object 3-D information in the space, not using two ommateum. Based on this point, a multi-mode guidance method is proposed, this method contains two point-detectors and one image detector. One point-detector imitates facet in ommateum, image detector imitates one whole ommateum, and it's visual function. Object's 3-D information is got using two point-detectors. In the last, the object detection question about multi-sensor's data fusion is researched.
引文
【1】何世春．侧抑制竞争网络的理论与应用研究．西北工业大学博士学位论文，1995．
【2】耿晓军．侧抑制网络在图像处理中的应用研究．西北工业大学硕士学位论文，1996．
【3】李清湘．侧抑制理论在图像处理中的应用．西北工业大学硕士学位论文，1995．
【4】杨亚军．红外图像处理与目标跟踪研究．西北工业大学博士学位论文，1998．
【5】卢福刚．红外图像目标识别与跟踪方法研究．西北工业大学博士学位论文，1998．
【6】雷万云．红外成像精确制导信息处理方法研究．西北工业大学博士学位论文，2000．
【7】周振环．图像特征提取及应用研究．西北工业大学博士学位论文，2001．
【8】张山．红外成像制导智能化自动目标识别策略研究．西北工业大学博士学位论文，1998．
【9】胡战虎．小波分析在信息融合中的应用研究．西北工业大学博士学位论文，1999．
【10】王立．先进红外成像制导技术研究．西北工业大学硕士学位论文，2001．
【11】罗永丽．反辐射／电视成像双模导引头制导技术研究．西北工业大学硕士学位论文，2001．
【12】马洪忠．蝇视觉运动信息的神经计算原理及其在导弹制导与智能引信中的应用．西北工业大学硕士学位论文，1994．
【13】郑南宁．计算机视觉与模式识别．国防工业出版社，1998．
【14】赵荣椿．数字图像处理导论．西北工业大学出版社，1995．
【15】容观澳．计算机图像处理．清华大学出版社，1998．
【16】章毓晋．图像分割．科学出版社，2001．
【17】夏德深等．现代图像处理技术与应用．东南大学出版社，1997．
【18】岳敏．红外线导引系统原理．西北工业大学出版社，1995．
【19】边肇祺等．模式识别．清华大学出版社，2000．
【20】马颂德等．计算机视觉-计算理论与算法基础．科学出版社，1998．
【21】杨宜禾等．红外系统．国防工业出版社，1995．
【22】Nils J．Nilsson著．郑扣根译．人工智能．机械工业出版社，2000．
【23】李士勇．模糊控制．神经控制和智能控制论．哈尔滨工业大学出版社，1998．
【24】崔屹．图像处理与分析-数学形态学方法及应用．科学出版社，2000．
【25】郭雷等．视觉神经系统与分布式推理理论．西安电子科技大学出版社，1995．
【26】何友等．多传感器信息融合及应用．电子工业出版社，2000．
【27】刘同明等．数据融合技术及其应用．国防工业出版社，1998．
【28】康耀红．数据融合理论与应用．西安电子科技大学出版社，1997．
【29】李会宗．模式识别导论．高等教育出版社，1994．
【30】胡昌华等．基于Matlab的系统分析与设计-小波分析．西安电子科技大学出版社，1999．
【31】刘隆和．多模复合寻的制导技术．国防工业出版社，1998．
【32】刘贵忠．小波分析及其应用．西安电子科技大学出版社，1997．
【33】张文修等．遗传算法的数学基础．西安交通大学出版社，2000．
【34】周明等．遗传算法原理及应用．国防工业出版社，1999．
【35】鲁中健．目标识别系统中的多源信息融合技术探讨．系统工程与电子技术，Vol．22，No．6 2000．
【36】沈威力．基于证据推理的指挥自动化系统生存能力评估．系统工程与电子技术，Vol．23，No．4 2001．
【37】陈寅等．D-S证据推理在信息融合应用中的存在问题及改进．系统工程与电子技术，Vol．22，No．11 2000．
【38】杨树谦．精确制导技术发展展望．飞航导弹，2000．1．
【39】周卫祥等．红外图像序列运动小目标检测的预处理算法研究．国防科技大学学报，Vol．21，No．5 1999．
【40】涂丹等．小波阈值技术在图像降噪中的应用研究．国防科技大学学报，Vol．21，No．2 1999．
【41】王展等．基于多尺度小波变换的二维图像角点检测技术．国防科技大学学报，Vol．21，No．2 1999．
【42】种劲松等．基于遗传算法的最佳熵阈值图像分割法．北京航空航天大学学报，Vol．25，No．6 1999．
【43】孙全等．一种新的基于证据理论的合成公式．电子学报，Vol．28，No．82000．
【44】向阳等．证据理论合成规则的一点修正．上海交通大学学报．Vol．33，No．3 1999．
【45】何宜庆．基于证据理论的定量模型的决策方法．南昌大学学报，Vol．21，No．3 1997．
【46】孙红岩等．目标的Dempster-Shafer融合识别．清华大学学报，Vol．39，No．91999．
【47】杜文吉等．加权Dempster证据组合算法．西安电子科技大学学报，Vol．26，No5 1999．
【48】生克伟等．一种新的模糊熵图像分割方法．信号处理，Vol．14，No．3 1998．
【49】宁云晖等．应用证据理论(D-S方法)解多传感器数据融合问题．系统工程与电子技术，Vol．23，No．3 2001．
【50】应朝龙等．三模复合寻的制导的数据融合技术．系统工程与电子技术．Vol．21，No．6 1999．
【51】郝重阳等．雷达和红外成像双传感器信息融合目标识别研究．航空学报，Vol．19，No．6 1998．
【52】黄瑛等．D-S证据理论在多传感器数据融合中的应用．南京航空航天大学学报，Vol．31，No．2 1999．
【53】蓝会辉等．D-S证据理论数据融合方法在目标识别中的应用．清华大学学报，Vol．41,No．2 2001．
【54】陈湘晖等．基于熵和变精度粗糙集的规则不确定性度量．清华大学学报．Vol．41，No．3 2001．
【55】张所地等．Dempster-Shafer合成法则的悖论．系统工程理论与实践，1997．5．
【56】龚建勇等．基于模糊集的Dempster-Shafer双色数据融合．红外与激光工程，Vol．27，No．3 1998．
【57】孙怀江等．学习相关源证据．南京大学学报，Vol．37，No．2 2001．
【58】孙怀江等．基于证据理论的多分类其融合方法研究．计算机学报，Vol．24，No．3 2001．
【59】徐从富等．Dempster-Shafer证据推理方法理论与应用的综述．模式识别与人工智能，Vol．12，No．4 1999．
【60】郭欣等．基于多特征的图像目标识别分类．国防科技大学学报，Vol．18，No．3 1996．
【61】王慧频等．采用Bayes数据融合方法进行目标和诱饵的识别．国防科技大学学报，Vol．18，No．2 1996．
【62】杨春等．一个证据推理模型及其在专家意见综合中的应用．系统工程理论与实践，2001，4．
【63】梁艳春等，模糊自适应神经网络应用于包装件识别的研究．模式识别与人工智能，Vol．13，No．3 2000．
【64】阮晓钢．基于模糊Hopfield网络的神经元模糊识别系统．模式识别与人工智能，Vol．13，No．4 2000．
【65】杨卫平．神经网络的一般模型及在信息处理中的应用．系统工程与电子技术，Vol．21，No．5 1999．
【66】刘隆和．用贝叶斯法实现雷达-红外双模复合寻的制导的数据融合．系统工程与电子技术，1998．
【67】陈东义等．一种简化的小波去噪算法．重庆大学学报，Vol．20，No．5 1997．
【68】解梅等．B样条小波边缘检测算子的应用研究．电子学报，Vol．27，No．1 1999．
【69】朱志刚等．多尺度全覆盖视觉导航方法．机器人，Vol．20，No．4 1998．
【70】朱志刚等．视觉导航的多尺度全方位时空图像综合理解方法．清华大学学报，Vol．37，No3 1997．
【71】陈明奇等．毫米波瞬态信号的特征提取与识别．北京邮电大学学报，Vol．21，No．4 1998．
【72】竺子民等．两种边缘检测方法的比较．华中理工大学学报，Vol．25，No．4 1997．
【73】侯平魁等．基于通用黑板的数据融合系统．上海交通大学学报，Vol．34，No．9 20000．
【74】胡可云等．粗糙集理论及其应用进展．清华大学学报，Vol．41，No．1 2001．
【75】黎湘等．多模导引头融合检测研究．系统工程与电子技术，Vol．22，No．10 2000．
【76】聂伟等．分布式多传感器检测系统时间序列数据融合算法研究．控制
理论与应用，Vol．16，No．2 1999．
【77】李俊山等．局部熵差图像分块匹配并行算法．模式识别与人工智能，Vol．13．No．2 2000．
【78】李峰等．基于小波变换的图像匹配算法．上海交通大学学报，Vol．33，No．9 1999．
【79】郭达志等．多元影像信息的小波空间-尺度自适应融合．中国矿业大学学报，Vol．26，No．4 1997．
【80】贾财潮等．神经网络自动目标识别技术述评(一)．应用光学，Vol．19．No．11998．
【81】薛晓瑜等．基于小波变换的多分辨模板匹配．中国图像图形学报，Vol．5(A)，No．4 2000．
【82】孟庆华等．一种基于目标红外特征的目标分类识别方法．红外技术，Vol．21，No．2 1999．
【83】陈珂等．基于模糊增强的图像分割和边缘检测方法．模式识别与人工 智能，Vol．5，No．1 1992．
【84】王蜂等．一种扩展边缘特征的图像定位方法．西北工业大学学报，Vol．17，No．2 1999．
【85】陈哲等．小波神经网络研究进展及展望．青岛海洋大学学报，1999．10．
【86】李翠华等．一类局部支撑的无限光滑小波与快速边缘检测．计算机学报．Vol．22，No．3 1999．
【87】刘隆和等．双模复合寻的制导关键技术研究．飞航导弹，1999．3．
【88】刘上乾等．图像制导系统算法设计．西安电子科技大学学报，Vol．24．No．2 1997．
【89】应骏等．一个基于知识的边沿提取算法．中国图像图形学报．Vol．4(A)，No．3 1999．
【90】杨敬安等．基于Gabor小波模型图像配准的计算视觉新方法．合肥工业大学学报，Vol．22，No．1 1999．
【91】佘新平等．一种具有抗噪声干扰的图像边缘提取算法的研究．计算机应用，1999．1．
【92】蒋加伏等．计算机视觉系统研究中存在的问题及解决思路．长沙交通学院学报，Vol．15，No．1 1999．
【93】刘永昌等．红外成像制导多模实时识别跟踪算法研究．红外技术，Vol．22，
No．2 2000．
【94】刘勇等．精确制导武器及其支持系统中的信息融合技术．系统工程与电子技术，Vol．21，No．4 1999．
【95】田金文等．基于局部熵差的图像匹配方法．算法及计算机仿真．宇航学报，Vol．20，No．1 1999．
【96】李宏贵等．一种基于遗传算法的红外图像识别方法．兵工学报，Vol．21，No．1 2000．
【97】罗希平等．ICM算法在基于模糊最大熵原则的多阈值选择中的应用．模式识别与人工智能，Vol．14，No．1 2001．
【98】丁震等．一种是用于灰度图像分割的快速FCM算法．模式识别与人工智能，Vol．10，No．2 1997．
【100】宋克欧等．二值图像目标质心快速搜索跟踪算法．模式识别与人工智能，Vol．11，No．2 1998．
【101】张毅军等．二维熵图像阈值分割的快速递推算法．模式识别与人工智能．Vol．10，No．3 1997．
【102】金立左等．图像分割的自适应模糊阈值法．中国图像图形学报，Vol．5(A)，No．3 2000．
【103】杨亚军等．循环侧抑制网络抑制系数的选取及在图像预处理中的应用．弹箭与制导学报．
【104】沙步蛟等．运动检测中的侧抑制机制及实现．西安公路交通大学学报．Vol．18，No．2 1998．
【105】蒋晓瑜等．基于小波变换的多分辨图像融合．北京理工大学学报，Vol．17，No．4 1997．
【106】朱红等．一种图像分形特征提取的近似算法．西安电子科技大学，Vol．26，No．2 1999．
【107】高爱华等．仿复眼成像的试验模拟研究．西北大学学报，Vol．28，No．2 1998．
【108】罗智勇等．实时红外亚成像跟踪．信号处理，Vol．16，No．4 2000．
【109】向健勇等．一种使用的红外图像分割算法研究．西安电子科技大学学报，Vol．24，No．3 1997．
【110】李飚等．一种基于神经网络的红外目标识别方法．系统工程与电子技术，Vol．21．No．2 1999．
[111] Wen-Tsuen Chen. A Fast Two-Dimensional Entropic Thresholding Algorithm, Pattern Recognition,Vol.27,No.7,pp.885-893 1994．
[112] Mahmoud Ramze Rezaee. A Multiresolution Image Segmentation Technique Based on Pyramidal Segmentation and Fuzzy Clustering,IEEE Transactions On Image Processing,Vol.9,No.7 2000．
[113] J.-P.Antoine. Shape Characterization With The Wavelet Transform, Signal processing 62(1997) ,265-290．
[114] Punam K.saha. Scale-Based Fuzzy Connected Image Segmentation: Theory, Algorithms, and Validation.,Computer Vision and Image Understanding 77, 145-174,2000．
[115] Israel Cohen. Orthonormal Shift-Invariant Adaptive Local Trigonometric Decomposition, Signal Processing 57(1997) ,43-64．
[116] Huilin Xiong. A Translation-and Scale-Invariant Adaptive Wavelet Transform, IEEE Transactions on Image processing,Vol.9,No. 12 2000．
[117] Robin N.Strickland. Wavelet Transform Methods for Object Detection and Recovery, IEEE Transactions on Image processing, Vol.6,No.5 1997．
[118] Jie Liang. A Translation-Invariant Wavelet Representation Algorithm with Applications, IEEE Transactions on Signal processing,Vol.44,No.2 1996．
[119] Stephane Mallat. Zero-Crossings of a Wavelet Transform, IEEE Transactions on Information Theory,Vol.37,No.4 1991．
[120] Henry Leung. Bayesian and Dempster-Shafer Target ladentification for Radar Surveillance. IEEE Transactions on Aerospace and Electronic Systems, Vol.36,No.2 2000．
[121] H.D.Cheng. Thresholding Using Two-Dimensional Histogram and Fuzzy Entropy principle, IEEE Transactions on Image Processing,Vol.9,No.4,2000．
[122] Nikhil R.Pal. Image Thresholding: Some New Techniques,Signal Processing 33(1993) ,139-158．
[123] Paul Angel. Analyzing the Mallat Wavelet Transform to Delineate Contour and Textural Features, Computer Vision and Image Understanding 80,267-288(2000) .
[124] Federico Pedersini. Improving the Performance of Edge Localization Techniques Through Error Compensation, Signal Processing:Image Communication
12 (1998) 33-47．
[125] Chun S.Lu. Unsupervised Texture Segmentation Via Wavelet Transform, Pattern Recognition,Vol.30,No.5,pp.729-742,1997．
[126] Blackman S S. Multiple Target Tracking with Radar Application, London, Artech Book Company, 1986．
[127] Shafer G. A Methematical Theory of Evidence, Princeton University Press, Princeton, 1976．
[128] Sun Hongyan, Mao Shiyi. Multisensor Data Fusion for Target Identification, Chinese Journal of Electronics, 1995, 4(3) : 78-84
[129] Waltz E, Linas J L. Multisensor Data Fusion, Massachusetts, Artech, Norwood, 1990
[130] Xu L, Krzyzak A, Sun C Y. Methods of Combining Multiple Classifiers and Their Applications to Handwriting Recognition. IEEEE Transaction SMC, 1992, 22(3) :418-435
[131] Barnett J A. Computational Methods for a Mathematical Theory of Evidence. In: Proceedings of the Seventh International Joint Conference on Aritifical Intelligence. University of British Columbia, Vancouver, B C Canada, 1981
[132] Gordon J, Shortliffe E H. A Method of Managing Evidential Reasoning in a Hierarchical Hypothesis Space. Artificial Intelligence,1985,26(3) :323-357
[133] Pearl J. On Evidential Reasoning in a Hierarchy of Hypotheses. Artificial Intelligence, 1986,28(1) :9-15
[134] Yen J.Gertis: A Dempster-Shafer Approach to Diagnosing Hierarchical Hypotheses. Communications of the ACM,1989,32(5) :573-585
[135] Voorbraak F. A Computationally Efficient Approximation of Dempster-Shafer Theory. Int J Man-Machine Studies,1989,30(5) :525-536
[136] Huang L K, Wang M J J. Image Thresholding by Minimizing the Measure of Fuzziness. Pattern Recognition, 1995,28(1) :41-51
[137] Cheng H D, Chen J R, Li J G. Threshold Selection Based on Fuzzy C-partition Entropy Approach. Pattern Recognition,1998,31(7) :857-870
[138] Menhardt W, Imme M. Contour Detection Using Fuzzy Sets. Signal Processing IV: Theories and Applications, Lacoume J L, et al. Eds., 1988,1633-1636
[139] Pal S K, King R A. On Edge Detection of X-ray Images Using Fuzzy Sets.
IEEE-PAMI,1983,5(1) :69-77
[140] Kullback S. Information Theory and Statistics. New York,John Wiley, 1959
[141] Pal N R. On Minimum Cross-Entropy Thresholding. Pattern Recognition. 1996,29(4) :575-580
[142] Pal N R, Pal S K. Entropy Thresholding. Signal Processing, 1989,16(2) :97-108
[143] Xue J H, Zhang Y J, Lin X G. Threshold Selection Using Cross-Entropy and Fuzzy Divergence. SPIE, 1998,3561:152-162
【2】耿晓军．侧抑制网络在图像处理中的应用研究．西北工业大学硕士学位论文，1996．
【3】李清湘．侧抑制理论在图像处理中的应用．西北工业大学硕士学位论文，1995．
【4】杨亚军．红外图像处理与目标跟踪研究．西北工业大学博士学位论文，1998．
【5】卢福刚．红外图像目标识别与跟踪方法研究．西北工业大学博士学位论文，1998．
【6】雷万云．红外成像精确制导信息处理方法研究．西北工业大学博士学位论文，2000．
【7】周振环．图像特征提取及应用研究．西北工业大学博士学位论文，2001．
【8】张山．红外成像制导智能化自动目标识别策略研究．西北工业大学博士学位论文，1998．
【9】胡战虎．小波分析在信息融合中的应用研究．西北工业大学博士学位论文，1999．
【10】王立．先进红外成像制导技术研究．西北工业大学硕士学位论文，2001．
【11】罗永丽．反辐射／电视成像双模导引头制导技术研究．西北工业大学硕士学位论文，2001．
【12】马洪忠．蝇视觉运动信息的神经计算原理及其在导弹制导与智能引信中的应用．西北工业大学硕士学位论文，1994．
【13】郑南宁．计算机视觉与模式识别．国防工业出版社，1998．
【14】赵荣椿．数字图像处理导论．西北工业大学出版社，1995．
【15】容观澳．计算机图像处理．清华大学出版社，1998．
【16】章毓晋．图像分割．科学出版社，2001．
【17】夏德深等．现代图像处理技术与应用．东南大学出版社，1997．
【18】岳敏．红外线导引系统原理．西北工业大学出版社，1995．
【19】边肇祺等．模式识别．清华大学出版社，2000．
【20】马颂德等．计算机视觉-计算理论与算法基础．科学出版社，1998．
【21】杨宜禾等．红外系统．国防工业出版社，1995．
【22】Nils J．Nilsson著．郑扣根译．人工智能．机械工业出版社，2000．
【23】李士勇．模糊控制．神经控制和智能控制论．哈尔滨工业大学出版社，1998．
【24】崔屹．图像处理与分析-数学形态学方法及应用．科学出版社，2000．
【25】郭雷等．视觉神经系统与分布式推理理论．西安电子科技大学出版社，1995．
【26】何友等．多传感器信息融合及应用．电子工业出版社，2000．
【27】刘同明等．数据融合技术及其应用．国防工业出版社，1998．
【28】康耀红．数据融合理论与应用．西安电子科技大学出版社，1997．
【29】李会宗．模式识别导论．高等教育出版社，1994．
【30】胡昌华等．基于Matlab的系统分析与设计-小波分析．西安电子科技大学出版社，1999．
【31】刘隆和．多模复合寻的制导技术．国防工业出版社，1998．
【32】刘贵忠．小波分析及其应用．西安电子科技大学出版社，1997．
【33】张文修等．遗传算法的数学基础．西安交通大学出版社，2000．
【34】周明等．遗传算法原理及应用．国防工业出版社，1999．
【35】鲁中健．目标识别系统中的多源信息融合技术探讨．系统工程与电子技术，Vol．22，No．6 2000．
【36】沈威力．基于证据推理的指挥自动化系统生存能力评估．系统工程与电子技术，Vol．23，No．4 2001．
【37】陈寅等．D-S证据推理在信息融合应用中的存在问题及改进．系统工程与电子技术，Vol．22，No．11 2000．
【38】杨树谦．精确制导技术发展展望．飞航导弹，2000．1．
【39】周卫祥等．红外图像序列运动小目标检测的预处理算法研究．国防科技大学学报，Vol．21，No．5 1999．
【40】涂丹等．小波阈值技术在图像降噪中的应用研究．国防科技大学学报，Vol．21，No．2 1999．
【41】王展等．基于多尺度小波变换的二维图像角点检测技术．国防科技大学学报，Vol．21，No．2 1999．
【42】种劲松等．基于遗传算法的最佳熵阈值图像分割法．北京航空航天大学学报，Vol．25，No．6 1999．
【43】孙全等．一种新的基于证据理论的合成公式．电子学报，Vol．28，No．82000．
【44】向阳等．证据理论合成规则的一点修正．上海交通大学学报．Vol．33，No．3 1999．
【45】何宜庆．基于证据理论的定量模型的决策方法．南昌大学学报，Vol．21，No．3 1997．
【46】孙红岩等．目标的Dempster-Shafer融合识别．清华大学学报，Vol．39，No．91999．
【47】杜文吉等．加权Dempster证据组合算法．西安电子科技大学学报，Vol．26，No5 1999．
【48】生克伟等．一种新的模糊熵图像分割方法．信号处理，Vol．14，No．3 1998．
【49】宁云晖等．应用证据理论(D-S方法)解多传感器数据融合问题．系统工程与电子技术，Vol．23，No．3 2001．
【50】应朝龙等．三模复合寻的制导的数据融合技术．系统工程与电子技术．Vol．21，No．6 1999．
【51】郝重阳等．雷达和红外成像双传感器信息融合目标识别研究．航空学报，Vol．19，No．6 1998．
【52】黄瑛等．D-S证据理论在多传感器数据融合中的应用．南京航空航天大学学报，Vol．31，No．2 1999．
【53】蓝会辉等．D-S证据理论数据融合方法在目标识别中的应用．清华大学学报，Vol．41,No．2 2001．
【54】陈湘晖等．基于熵和变精度粗糙集的规则不确定性度量．清华大学学报．Vol．41，No．3 2001．
【55】张所地等．Dempster-Shafer合成法则的悖论．系统工程理论与实践，1997．5．
【56】龚建勇等．基于模糊集的Dempster-Shafer双色数据融合．红外与激光工程，Vol．27，No．3 1998．
【57】孙怀江等．学习相关源证据．南京大学学报，Vol．37，No．2 2001．
【58】孙怀江等．基于证据理论的多分类其融合方法研究．计算机学报，Vol．24，No．3 2001．
【59】徐从富等．Dempster-Shafer证据推理方法理论与应用的综述．模式识别与人工智能，Vol．12，No．4 1999．
【60】郭欣等．基于多特征的图像目标识别分类．国防科技大学学报，Vol．18，No．3 1996．
【61】王慧频等．采用Bayes数据融合方法进行目标和诱饵的识别．国防科技大学学报，Vol．18，No．2 1996．
【62】杨春等．一个证据推理模型及其在专家意见综合中的应用．系统工程理论与实践，2001，4．
【63】梁艳春等，模糊自适应神经网络应用于包装件识别的研究．模式识别与人工智能，Vol．13，No．3 2000．
【64】阮晓钢．基于模糊Hopfield网络的神经元模糊识别系统．模式识别与人工智能，Vol．13，No．4 2000．
【65】杨卫平．神经网络的一般模型及在信息处理中的应用．系统工程与电子技术，Vol．21，No．5 1999．
【66】刘隆和．用贝叶斯法实现雷达-红外双模复合寻的制导的数据融合．系统工程与电子技术，1998．
【67】陈东义等．一种简化的小波去噪算法．重庆大学学报，Vol．20，No．5 1997．
【68】解梅等．B样条小波边缘检测算子的应用研究．电子学报，Vol．27，No．1 1999．
【69】朱志刚等．多尺度全覆盖视觉导航方法．机器人，Vol．20，No．4 1998．
【70】朱志刚等．视觉导航的多尺度全方位时空图像综合理解方法．清华大学学报，Vol．37，No3 1997．
【71】陈明奇等．毫米波瞬态信号的特征提取与识别．北京邮电大学学报，Vol．21，No．4 1998．
【72】竺子民等．两种边缘检测方法的比较．华中理工大学学报，Vol．25，No．4 1997．
【73】侯平魁等．基于通用黑板的数据融合系统．上海交通大学学报，Vol．34，No．9 20000．
【74】胡可云等．粗糙集理论及其应用进展．清华大学学报，Vol．41，No．1 2001．
【75】黎湘等．多模导引头融合检测研究．系统工程与电子技术，Vol．22，No．10 2000．
【76】聂伟等．分布式多传感器检测系统时间序列数据融合算法研究．控制
理论与应用，Vol．16，No．2 1999．
【77】李俊山等．局部熵差图像分块匹配并行算法．模式识别与人工智能，Vol．13．No．2 2000．
【78】李峰等．基于小波变换的图像匹配算法．上海交通大学学报，Vol．33，No．9 1999．
【79】郭达志等．多元影像信息的小波空间-尺度自适应融合．中国矿业大学学报，Vol．26，No．4 1997．
【80】贾财潮等．神经网络自动目标识别技术述评(一)．应用光学，Vol．19．No．11998．
【81】薛晓瑜等．基于小波变换的多分辨模板匹配．中国图像图形学报，Vol．5(A)，No．4 2000．
【82】孟庆华等．一种基于目标红外特征的目标分类识别方法．红外技术，Vol．21，No．2 1999．
【83】陈珂等．基于模糊增强的图像分割和边缘检测方法．模式识别与人工 智能，Vol．5，No．1 1992．
【84】王蜂等．一种扩展边缘特征的图像定位方法．西北工业大学学报，Vol．17，No．2 1999．
【85】陈哲等．小波神经网络研究进展及展望．青岛海洋大学学报，1999．10．
【86】李翠华等．一类局部支撑的无限光滑小波与快速边缘检测．计算机学报．Vol．22，No．3 1999．
【87】刘隆和等．双模复合寻的制导关键技术研究．飞航导弹，1999．3．
【88】刘上乾等．图像制导系统算法设计．西安电子科技大学学报，Vol．24．No．2 1997．
【89】应骏等．一个基于知识的边沿提取算法．中国图像图形学报．Vol．4(A)，No．3 1999．
【90】杨敬安等．基于Gabor小波模型图像配准的计算视觉新方法．合肥工业大学学报，Vol．22，No．1 1999．
【91】佘新平等．一种具有抗噪声干扰的图像边缘提取算法的研究．计算机应用，1999．1．
【92】蒋加伏等．计算机视觉系统研究中存在的问题及解决思路．长沙交通学院学报，Vol．15，No．1 1999．
【93】刘永昌等．红外成像制导多模实时识别跟踪算法研究．红外技术，Vol．22，
No．2 2000．
【94】刘勇等．精确制导武器及其支持系统中的信息融合技术．系统工程与电子技术，Vol．21，No．4 1999．
【95】田金文等．基于局部熵差的图像匹配方法．算法及计算机仿真．宇航学报，Vol．20，No．1 1999．
【96】李宏贵等．一种基于遗传算法的红外图像识别方法．兵工学报，Vol．21，No．1 2000．
【97】罗希平等．ICM算法在基于模糊最大熵原则的多阈值选择中的应用．模式识别与人工智能，Vol．14，No．1 2001．
【98】丁震等．一种是用于灰度图像分割的快速FCM算法．模式识别与人工智能，Vol．10，No．2 1997．
【100】宋克欧等．二值图像目标质心快速搜索跟踪算法．模式识别与人工智能，Vol．11，No．2 1998．
【101】张毅军等．二维熵图像阈值分割的快速递推算法．模式识别与人工智能．Vol．10，No．3 1997．
【102】金立左等．图像分割的自适应模糊阈值法．中国图像图形学报，Vol．5(A)，No．3 2000．
【103】杨亚军等．循环侧抑制网络抑制系数的选取及在图像预处理中的应用．弹箭与制导学报．
【104】沙步蛟等．运动检测中的侧抑制机制及实现．西安公路交通大学学报．Vol．18，No．2 1998．
【105】蒋晓瑜等．基于小波变换的多分辨图像融合．北京理工大学学报，Vol．17，No．4 1997．
【106】朱红等．一种图像分形特征提取的近似算法．西安电子科技大学，Vol．26，No．2 1999．
【107】高爱华等．仿复眼成像的试验模拟研究．西北大学学报，Vol．28，No．2 1998．
【108】罗智勇等．实时红外亚成像跟踪．信号处理，Vol．16，No．4 2000．
【109】向健勇等．一种使用的红外图像分割算法研究．西安电子科技大学学报，Vol．24，No．3 1997．
【110】李飚等．一种基于神经网络的红外目标识别方法．系统工程与电子技术，Vol．21．No．2 1999．
[111] Wen-Tsuen Chen. A Fast Two-Dimensional Entropic Thresholding Algorithm, Pattern Recognition,Vol.27,No.7,pp.885-893 1994．
[112] Mahmoud Ramze Rezaee. A Multiresolution Image Segmentation Technique Based on Pyramidal Segmentation and Fuzzy Clustering,IEEE Transactions On Image Processing,Vol.9,No.7 2000．
[113] J.-P.Antoine. Shape Characterization With The Wavelet Transform, Signal processing 62(1997) ,265-290．
[114] Punam K.saha. Scale-Based Fuzzy Connected Image Segmentation: Theory, Algorithms, and Validation.,Computer Vision and Image Understanding 77, 145-174,2000．
[115] Israel Cohen. Orthonormal Shift-Invariant Adaptive Local Trigonometric Decomposition, Signal Processing 57(1997) ,43-64．
[116] Huilin Xiong. A Translation-and Scale-Invariant Adaptive Wavelet Transform, IEEE Transactions on Image processing,Vol.9,No. 12 2000．
[117] Robin N.Strickland. Wavelet Transform Methods for Object Detection and Recovery, IEEE Transactions on Image processing, Vol.6,No.5 1997．
[118] Jie Liang. A Translation-Invariant Wavelet Representation Algorithm with Applications, IEEE Transactions on Signal processing,Vol.44,No.2 1996．
[119] Stephane Mallat. Zero-Crossings of a Wavelet Transform, IEEE Transactions on Information Theory,Vol.37,No.4 1991．
[120] Henry Leung. Bayesian and Dempster-Shafer Target ladentification for Radar Surveillance. IEEE Transactions on Aerospace and Electronic Systems, Vol.36,No.2 2000．
[121] H.D.Cheng. Thresholding Using Two-Dimensional Histogram and Fuzzy Entropy principle, IEEE Transactions on Image Processing,Vol.9,No.4,2000．
[122] Nikhil R.Pal. Image Thresholding: Some New Techniques,Signal Processing 33(1993) ,139-158．
[123] Paul Angel. Analyzing the Mallat Wavelet Transform to Delineate Contour and Textural Features, Computer Vision and Image Understanding 80,267-288(2000) .
[124] Federico Pedersini. Improving the Performance of Edge Localization Techniques Through Error Compensation, Signal Processing:Image Communication
12 (1998) 33-47．
[125] Chun S.Lu. Unsupervised Texture Segmentation Via Wavelet Transform, Pattern Recognition,Vol.30,No.5,pp.729-742,1997．
[126] Blackman S S. Multiple Target Tracking with Radar Application, London, Artech Book Company, 1986．
[127] Shafer G. A Methematical Theory of Evidence, Princeton University Press, Princeton, 1976．
[128] Sun Hongyan, Mao Shiyi. Multisensor Data Fusion for Target Identification, Chinese Journal of Electronics, 1995, 4(3) : 78-84
[129] Waltz E, Linas J L. Multisensor Data Fusion, Massachusetts, Artech, Norwood, 1990
[130] Xu L, Krzyzak A, Sun C Y. Methods of Combining Multiple Classifiers and Their Applications to Handwriting Recognition. IEEEE Transaction SMC, 1992, 22(3) :418-435
[131] Barnett J A. Computational Methods for a Mathematical Theory of Evidence. In: Proceedings of the Seventh International Joint Conference on Aritifical Intelligence. University of British Columbia, Vancouver, B C Canada, 1981
[132] Gordon J, Shortliffe E H. A Method of Managing Evidential Reasoning in a Hierarchical Hypothesis Space. Artificial Intelligence,1985,26(3) :323-357
[133] Pearl J. On Evidential Reasoning in a Hierarchy of Hypotheses. Artificial Intelligence, 1986,28(1) :9-15
[134] Yen J.Gertis: A Dempster-Shafer Approach to Diagnosing Hierarchical Hypotheses. Communications of the ACM,1989,32(5) :573-585
[135] Voorbraak F. A Computationally Efficient Approximation of Dempster-Shafer Theory. Int J Man-Machine Studies,1989,30(5) :525-536
[136] Huang L K, Wang M J J. Image Thresholding by Minimizing the Measure of Fuzziness. Pattern Recognition, 1995,28(1) :41-51
[137] Cheng H D, Chen J R, Li J G. Threshold Selection Based on Fuzzy C-partition Entropy Approach. Pattern Recognition,1998,31(7) :857-870
[138] Menhardt W, Imme M. Contour Detection Using Fuzzy Sets. Signal Processing IV: Theories and Applications, Lacoume J L, et al. Eds., 1988,1633-1636
[139] Pal S K, King R A. On Edge Detection of X-ray Images Using Fuzzy Sets.
IEEE-PAMI,1983,5(1) :69-77
[140] Kullback S. Information Theory and Statistics. New York,John Wiley, 1959
[141] Pal N R. On Minimum Cross-Entropy Thresholding. Pattern Recognition. 1996,29(4) :575-580
[142] Pal N R, Pal S K. Entropy Thresholding. Signal Processing, 1989,16(2) :97-108
[143] Xue J H, Zhang Y J, Lin X G. Threshold Selection Using Cross-Entropy and Fuzzy Divergence. SPIE, 1998,3561:152-162