多源图像融合的目标识别研究-雷达-论文之家

您现在的位置：硕士论文 >> 电子论文 >> 电信技术 >> 雷达 >> 正文

多源图像融合的目标识别研究

作者：王连亮 Publish: 2005-10-8 Hits:-

【中文题名】

多源图像融合的目标识别研究

【英文题名】

Study of Target Recognition Based on Mutisensor Image Fusion

【学科专业】

光学

【论文级别】

硕士论文

【投稿时间】

2005-10-8

【中关键词】

图像融合,图像目标识别,PCA小波系数融合,分级递减模糊聚类,模糊神经网络,自适应阈值

【英关键词】

image fusion,image target recognition,PCA wavelet coefficient fusion,hierarchical subtractive fuzzy clustering,fuzzy neural networks,adaptive threshold,

【分类导航】

工业技术>无线电电子学、电信技术>雷达>雷达跟踪系统>>

【论文摘要】

在多传感器成像侦察中,多源图像融合的目标识别是重要研究课题,并具有重要的应用价值。本文针对多源图像融合处理、图像特征提取与选择、目标特征模板构建以及图像目标识别等开展了理论分析与数值模拟研究,取得的研究成果如下: 1.提出了基于PCA的小波系数图像融合方法,能够自适应设置小波域低频融合系数,有效解决了具有局部对比度反转、包含冗余特征及互补特征信息的图像低频融合系数的确定问题。 2.提出了可见光和红外图像基于高频系数区域“能量”的小波融合方法、多波段红外图像高频系数局部对比度的小波融合方法、可见光多聚焦图像的高频系数“梯度”的小波融合方法,并通过实验验证了这些方法的有效性。 3.提出了结合特征可分性判据与特征K-L变换的多特征选择方法,对多特征进行筛选、去相关性及降维处理,大大减少计算量。 4.提出了分级递减模糊聚类算法,该方法在不需要知道目标类别数的前提下按自动分裂方式确定目标类别数,并实现聚类处理,而且计算时效比传统的模糊c-均值方法高。 5.提出了基于模糊协方差的自适应聚类神经网络(FCACNN)算法,结合神经网络的竞争学习和模糊协方差的相似性度...

【论文题纲】

第1章绪论	9-15
1.1 引言	9-10
1.2 多源图像融合的目标识别发展状况	10-11
1.2.1 国外发展状况	10-11
1.2.2 国内发展概况	11
1.2.3 今后发展趋势	11
1.3 多源图像融合的目标识别	11-13
1.4 本文内容组织	13-15
第2章多源图像融合处理	15-29
2.1 多源图像融合概述	15-17
2.2 基于PCA低通融合规则的小波融合算法	17-21
2.2.1 低频图像融合规则分析	17-18
2.2.2 基于PCA低通融合规则的小波融合算法	18-20
2.2.3 实验与结果分析	20-21
2.3 可见光和红外图像融合的信息增强方法	21-24
2.3.1 基于高频系数区域“能量”的小波融合规则	21-22
2.3.2 可见光和红外图像融合的信息增强方法	22-23
2.3.3 实验与结果分析	23-24
2.4 多波段红外图像的场景目标图像增强方法	24-26
2.4.1 基于高频系数局部对比度的小波融合分析	24-25
2.4.2 多波段红外图像融合处理方法	25
2.4.3 实验与结果分析	25-26
2.5 基于图像梯度特征的可见光多聚焦图像融合方法	26-28
2.5.1 基于高频系数“梯度”的小波融合方法	26
2.5.2 基于图像梯度特征的多图像融合方法	26-27
2.5.3 实验与结果分析	27-28
2.6 本章小结	28-29
第3章图像的不变矩特征提取与选择	29-43
3.1 基于图像目标灰度分布的区域矩	29-33
3.1.1 Hu不变矩函数式	30
3.1.2 对比度不变矩的构造	30-31
3.1.3 导出的矩不变量	31-32
3.1.4 图像椭圆的形状特征	32-33
3.2 基于目标形状的边界矩	33
3.3 特征的评价与选择	33-35
3.3.1 特征的可分性判据	34
3.3.2 特征的选择方法	34-35
3.4 区域矩的特征提取与选择实验分析	35-40
3.4.1 飞机二值图像的特征提取与选择分析	35-37
3.4.2 含噪飞机图像的特征提取与选择分析	37-39
3.4.3 总结	39-40
3.5 边界矩的特征提取与选择实验分析	40-42
3.5.1 飞机边缘图的特征提取与选择分析	40-41
3.5.2 总结	41-42
3.6 本章小结	42-43
第4章非监督的多特征聚类	43-62
4.1 基于目标函数的模糊聚类	43-55
4.1.1 模糊C-均值聚类算法(FCM)	43-45
4.1.1.1 目标函数及算法步骤	43-44
4.1.1.2 关于参数b的讨论	44-45
4.1.2 改进的模糊C-均值聚类算法(MFCM)	45-47
4.1.2.1 MFCM算法构成	45-46
4.1.2.2 MFCM算法分析	46-47
4.1.3 模糊协方差聚类算法(FCC)	47-48
4.1.4 基于改进的模糊c-均值的分级递减聚类算法(HSC)	48-55
4.1.4.1 MFCM算法回顾	48-50
4.1.4.2 HSC算法构成	50-52
4.1.4.3 计算复杂度分析	52-53
4.1.4.4 仿真实验	53-54
4.1.4.5 结论	54-55
4.2 基于神经网络的模糊聚类	55-61
4.2.1 竞争学习型神经网络	55-56
4.2.2 基于模糊协方差的自适应聚类神经网络(FCACNN)	56-61
4.2.2.1 模糊协方差距离测度	56-57
4.2.2.2 确定类别数	57-58
4.2.2.3 新的聚类网络构建	58-59
4.2.2.4 仿真实验	59-61
4.2.2.5 结论	61
4.3 本章小结	61-62
第5章图像目标识别	62-73
5.1 分类识别决策判据	62-65
5.1.1 多元正态概率型下的最小错误率贝叶斯判据	62-63
5.1.2 最小距离分类器	63-64
5.1.3 最大隶属度原则分类器	64
5.1.4 k-近邻分类器	64-65
5.2 可识别图像目标特征库的建立	65-66
5.2.1 基于自组织特征映射网络(SOM)的特征库建立方法	65
5.2.2 基于环形区域的特征库建立方法	65-66
5.3 图像识别拒绝决策判据	66-70
5.3.1 最小马氏距离分类器的警戒阈值	66-67
5.3.2 最大隶属度原则分类器的警戒阈值	67-69
5.3.3 k-近邻分类器的警戒阈值	69-70
5.4 仿真实验	70-72
5.4.1 最小距离分类器	70-71
5.4.2 最大隶属度原则分类器	71
5.4.3 k近邻分类器	71-72
5.4.4 结论	72
5.5 本章小结	72-73
第6章总结	73-75
附录A △r对二元正态分布函数概率密度F_n(△r)的影响	75-77
附录B 函数G(d~2)的性质	77-78
附录C 均匀分布的均方差	78-79
参考文献	79-81
作者在读期间科研成果简介	81-82
致谢	82-83
独创性声明	83
学位论文版权使用授权书	83

【DOI】

LunWen.ID:2.2008.345522



付费论文：有参考文献 300元

1、注册会员 2、购买本文 3、下载文章
注:此文为收费论文，需付费购买。每页大约1000字。

代写论文流程

载入中…

Web lunwenjia


热门搜索：图像融合论文图像目标识别 PCA小波系数融合分级递减模糊聚类模糊神经网络自适应阈值

雷达最新论文

雷达热门论文