摘要
现代战争中,空中精确打击和空地一体化作战已经成为最重要的作战形式。因此,对空中目标的识别就显得非常重要。本论文针对飞机目标,在基于DSP的图像处理平台上进行了飞机目标图像处理与识别技术研究。主要完成了以下几个方面的工作:首先分析了本课题国内外研究现状和发展方向,对DSP技术发展进行了简要介绍,着重探讨了DAM6416P在图像处理与识别应用过程中程序结构的软硬件设计和数据传输问题。
其次研究了了飞机目标的分割和运动目标检测技术。综合利用图像灰度及邻域空间信息,研究了基于进化规划的二维最小交叉熵法和基于神经网络的图像分割法;分析了常用的运动目标检测算法的优缺点,研究了基于自适应混合高斯模型的目标检测技术。实验表明,这些方法能较好的提取飞机图像,为目标识别做好了准备。
接着研究了对分割目标的特征提取,主要进行了仿射不变矩,相对不变矩以及修正后的Hu不变矩特征提取,将几种基于矩的特征提取方法应用于目标识别,对实验结果进行了对比与分析。
然后将目标特征向量输入到分类器中训练,再运用测试样本进行测试,得到了良好的识别结果。识别方法主要运用了自组织特征映射神经网络和支持向量机技术。自组织特征映射神经网络主要对网络模型进行了改进;支持向量机主要研究了改进的序贯最小优化算法和参数初始化设置问题。
最后简单地总结了本课题的内容,并从硬件及软件方面对本课题的研究方向进行了展望。
In the modern war, precision air striking and the integrated air-to-ground combat have been the most important combat form, so it is getting more and more important to recognize the sky goal. Directed against the aircraft, this paper has discussed the objective research aircraft based on DSP image processing platform. Following the completion of several major aspects:
Firstly, research actuality and development direction of this task have been analysed. The technical development about DSP, the procedure of structure design about DAM6416P and the problem of data transmission have been introduced.
Secondly, this paper have studied segmentation technique of plane target, including the two dimentional minimum mix entropy based on Evolutionary Programming and neural network methods. Analysed the advantages and disadvantages of moving objects detection algorithm. Then the algorithm based on mixture gauss model have been studied. The test shows that these methods can distinguish the object and background perfectly to make preparation for the following recognition.
Thirdly, the feature extraction algorithms have been studied. The improved Hu invariable moment, the relative invariable moment and the affine invariable moment have been discussed in this paper. Then using feature extraction algorithm to targets recognition, analyse and compare the results.
Fourthly, target recognition has been studied in which target samples are first input to interpolator to be trained, then good recognition results have been gotten by using testing samples. Self-organizing feature map neural network and support vector machine methods have been provided. In the self-organizing feature map neural network, mainly the improving of model structures has been introduced. In the support vector machine, mainly the improving of sequential minimal optimization method and the initial algorithm of parameters have been introduced.
Finally, primary content of this task has been simply introduced and research aspect has been expounded.
引文
[1]阮秋琦.数字图像处理学.北京,电子工业出版社,2001:10~15
[2]刘中合,王瑞雪,王德峰等.数字图像处理技术现状与展望.计算机时代,2005(9):6~8
[3]陈书海,傅录祥.实用数字图像处理.北京,科学出版社,2005:3~7
[4]高立科,曾禹村.红外图像运动目标检测与识别.北京理工大学学报,1997,17(6):676~680
[5]张蓉.空中红外运动点目标的检测算法.红外与激光工程.2003,32(5):472~475
[6]郭晓松,孔祥玉,杨必武.基于连通域的模板匹配法用于字符识别的算法研究.计算机工程与应用.2000,26(12):45~47
[7]戴鲲,张大力.火车标牌识别系统的设计与实现.计算机工程.2001,27(11):106~108
[8]袁学华,李仙茂,俞红兵.雷达信号识别技术研究.电子工程,2003,(1):1~6
[9]毛张平.印刷体汉字识别系统的研究.北京机械工业学院学报.1994,(2):76~80
[10]张娜,曾孟佳等.模糊模式识别在计算机识别中的应用研究.微计算机信息.2004,20(6):54~56
[11]易继锴,侯媛彬.智能控制技术.北京,北京工业大学出版社,1999:95~174
[12]杜树新,吴铁军.模式识别中的支持向量机方法.浙江大学学报,2003.9,37(5):521~527
[13] K.I.Kin, J.Kim, K.Jung. Recognition of facial images using support vector machines, statistical signal processing, Proceedings of the 11th IEEE Signal Processing Workshop on 2001,Vol.5:468~471
[14]王守觉.仿生模式识别.电子学报,2002,30(10):1417~1421
[15]李方慧,王飞等.TMS320C6000系列DSPs原理与应用.北京,电子工业出版社,2005.6
[16]李利.DSP处理器结构的发展现状及趋势.高性能计算技术,2004(168):18~22
[17]马义德,李廉,李亚馥等.脉冲耦合神经网络原理及其应用.北京,科学出版社,2006:52~85
[18]靳中鑫.数字图像信息处理.北京,国防工业出版社,2003.1:86~92
[19]张纪会,徐心和.模拟进化算法研究进展.系统工程与电子技术,1998(8):44~47
[20] Fogel D.B. Comparing genetic operators with Gaussian mutations in simulated evolutionary process using linear system[J]. Biological Cybernetic 1990,63: 111~114
[21]宋家慧.基于遗传算法的最大熵阈值的图像分割.电子工程师,2005,31(2):60~63
[22] Kuntimad G, Ranganath H.S. Perfect image segmentation using pulse coupled neural networks[J].IEEE Transaction on Neural Networks,1999,10(3):591~598
[23]马义德,戴若兰,李廉.一种基于脉冲耦合神经网络和图像熵的自动图像分割方法[J].通信学报2002,23(1):46-51.
[24] Geoffrey Fgnal. Image Registration Using Mutual Information[J].Department of computer andInformation Science University of Pennsylvania.1999,12(2):223-245.
[25] Lipton A, Fujiyoshi,etal. Moving Target Classification and Tracking from Real-time Video.Proc. IEEE Workshop Application of Computer Vision.1998,10:9~14
[26]林洪文,姚作樑，涂丹等．基于减背景技术的运动目标检测方法研究．国防科技大学学报，2003,25(3):66~69
[27]代科学,李国辉,涂丹等.监控视频运动目标检测减背景技术的研究现状和展望.中国图象图形学报,2006,11(7):919~927
[28]王晓卫,宁固.一种改进的基于光流的运动目标的检测算法[J].武汉大学学报(信息科学版),2003,3(28):352～353
[29]方景帅,窦文华,钱悦.一种基于DSP的运动目标检测与判别算法.计算机工程与科学,2006(28)3:49~52
[30]魏星.智能视频监控系统中运动目标检测与跟踪技术的研究及其DSP实现[硕士学位论文].合肥,合肥工业大学,2005
[31]孙即祥.模式识别中的特征提取与计算机视觉不变量.北京,国防工业出版社,2001.9:309~313
[32]门蓬涛,张秀彬,张峰等.图像特征识别方法研究.微计算机信息,2004,20(5):103~105
[33] Hu M.K. Visual pattern recognition by moment invariants[J].IEEE Trans.on Info Theory,1962,8(2): 179~187
[34]吕洪涛,周继成.离散状态下的不变矩算法研究[J].数据采集与处理,1993.11: 13~17
[35]丁明跃等.不变矩算法研究[J].数据采集与处理,1992.11: 33~37
[36]王波涛,孙景鳖,蔡安妮.相对矩及在几何形状识别中的应用.中国图像图形学报,2001.11:35~39
[37]王其聪.基于小波分析的矩特征和神经网络的图像识别[硕士学位论文].杭州,浙江工业大学,2004,20(5):103~105
[38]阎平凡,张长水.人工神经网络与模拟进化算法.北京,清华大学出版社,2005:210~235
[39]冯定.神经网络专家系统.北京,科学出版社,2006.9:1~10
[40]飞思科技产品研发中心编著.神经网络理论与MATLAB7实现.北京,电子工业出版社,2005.7:168~173
[41]黄德双.神经网络模式识别系统理论.北京,电子工业出版社,1996.5:234~253
[42]吴柯,方强,张俊玲,翁涛.基于改进kohonen神经网络的遥感影像分类.测绘信息与工程,2007 (2):47~49
[43]边肇棋,张学工等.模式识别.北京,清华大学出版社,2005.11 :284~303
[44]李建民,张钹,林福宗.支持向量机的训练算法.清华大学学报(自然科学版)2003,43(1):120~124
[45]梅建新,段汕,潘继斌等.支持向量机在小样本识别中的应用,武汉大学学报(理学版),48(6):732~736
[46]张小云.关于分类问题的支撑向量机[硕士学位论文].西安,西安交通大学,2001
[47]黄景涛,马龙华,钱积新.一种用于多分类问题的改进支持向量机.浙江大学学报(工学版),2004,(38)12:1633~1636
[48]刘伟强.支持向量机在图像处理应用中若干问题研究[硕士学位论文].南京,南京理工大学,2002
[49]骆世广,杨晓伟,吴广潮等.一种改进的序贯最小优化算法.计算机科学,2006 (11):146~148
[50]闻亭科技发展公司.DAM6416P图像处理平台用户使用手册
[51]闻亭科技发展公司.TDS560实时仿真系统指南
[52]徐盛,胡剑凌.数字信号处理器开发实践.上海,上海交通大学出版社,2003,4
[53]雷勇.DSP系统设计与实践.北京,电子工业出版社, 2004,8
[54]王军宁,吴成柯,党英.数字信号处理技术原理与开发应用.北京,高等教育出版社,2003.12