小波改进最大平均相关高度法实现畸变目标识别

为了解决图像匹配识别中复杂背景下畸变目标无法准确识别的问题,结合墨西哥帽(Mexican Hat)小波母函数重新设计了最大平均相关高度(MACH)滤波器,得到墨西哥帽-最大平均相关高度(Mexican Hat-MACH)匹配滤波器进行复杂背景下畸变目标的识别。为了平衡墨西哥帽-最大平均相关高度匹配滤波器的各项性能,需要对原有的最大平均相关高度滤波器的3个性能控制参数和墨西哥帽小波函数的尺度系数重新进行选择和优化。通过对大量的不同目标进行实验后表明,当3个控制参数为γ=1,β=α=0.15,尺度系数为15时,新设计的墨西哥帽-最大平均相关高度匹配滤波器有较高的通用性,能够对各种类型的复杂背景下的畸变目标响应较高的相关峰,并有更高的畸变容差。作为实例,用墨西哥帽-最大平均相关高度滤波器对复杂背景下的小飞机目标和低对比度坦克目标进行了识别实验,验证了该方法的可行性。

最大平均相关高度滤波算法在畸变目标识别中的应用

为了解决在联合变换相关器上无法识别复杂背景下畸变目标(目标的平面内旋转或尺寸改变)的问题,对其应用最大平均相关高度滤波算法进行畸变目标识别.首先在频域内优化最大平均相关高度滤波器的三个性能控制参量;然后将优化好的最大平均相关高度频域滤波器映射到物空间,得到最大平均相关高度参考模板.作为实例,本文对复杂背景下的军舰和汽车目标进行了光学识别实验,结果表明,当滤波器的控制参量为γ=1,α=0,β=0.1时,得到的MACH参考模板最为清晰,目标产生的相关峰最为尖锐明亮.通过这种方法,在联合变换相关器上能够得到的比例畸变容差为28%,旋转畸变容差为20°,对于超出上述畸变容差范围的目标,相关峰强度逐步减弱,但部分仍然可以识别.改进后的MACH滤波器在畸变目标的探测领域具有很强的优势和良好的应用前景.

最大平均相关高度法实现复杂背景畸变目标识别

相关模式识别的瓶颈技术是对复杂背景下畸变(比例缩放、旋转等)目标的准确识别。通过对多种畸变目标识别算法的研究比较,对已有的最大平均相关高度(MACH)滤波器进行了改进。在合成滤波器时把白噪声和模拟背景噪声结合在一起,并对滤波器的控制参数进行优化,使滤波器具有较高的畸变容差并能有效抑制复杂的背景噪声。在畸变公差范围内,用改进后的最大平均相关高度滤波器对畸变目标(可见光目标和红外目标)进行频域滤波,能够得到尖锐的相关峰,准确的识别目标。作为实例,对复杂背景下的战机和红外目标吉普车进行了计算机模拟实验,验证了该算法的可行性。

最大平均相关高度的归一化模板在畸变目标识别中的应用

本文基于最大平均相关高度算法设计了一种归一化模板,解决了联合变换相关器的畸变目标识别问题。该方法通过对最大平均相关高度频域滤波器的控制参数优化,映射到空域获得初始模板,归一化后得到归一化模板。相比于初始模板,归一化模板大大提高了模板与待测目标的灰度相似性。仿真实验表明,该模板能有效增强待探测目标的相关峰亮度,在联合变换相关器上可实现对畸变目标的识别,其比例畸变容差为53%,旋转畸变容差为20°。通过实验,给出了畸变飞机的相关识别结果。

畸变不变联合变换相关器目标识别技术研究

针对传统目标识别方法对目标图像的尺寸、方位敏感问题,采取最大平均相关高度功率谱滤波的方法,对联合变换功率谱面进行滤波,成功地实现并改进了原算法。通过大量计算机模拟和光学实验,证实了在光电混合实时联合变换相关器中应用改进的最大平均相关高度法可以解决存在旋转和大小变化的目标识别问题,使得相关峰的对比度明显增强,从而也提高了目标识别率。作为实例,给出复杂背景下地面目标汽车大小变化的实验结果,验证了该算法的可行性。

基于相关熵的MACH滤波器

最大平均相关高度(MACH:Maximum Average Correlation Height)滤波器是一种重要的基于相关的模式识别方法。滤波器由训练数据线性构造而成,具有良好的畸变容忍能力,在线性高斯噪声条件下具有理论最优性。为将算法适用于广泛的非线性、非高斯情形,本文引入一种新的度量函数相关熵,可隐性地将输入数据通过非线性变换映射到特征空间;并在新的空间中提出了基于相关熵的MACH滤波器构造方法。最后将此方法应用于合成孔径雷达(SAR:Synthetic Aperture Radar)图像目标分类进行了实验,在接收机工作性能曲线和峰值旁瓣比的比对中,本文算法的性能均有所提升。

复杂背景下混合畸变目标识别技术

结合高斯函数和最大平均相关高度算法设计了高斯-最大平均相关高度滤波器,解决了光学相关识别系统对混合畸变目标(同时存在比例畸变和旋转畸变的目标)的识别问题.在设计滤波器时,通过优化平衡高斯-最大平均相关高度滤波器的标准差σ、输出噪声方差系数α、平均相关能量系数β及平均相似测量系数γ来提高高斯-最大平均相关高度滤波器对混合畸变目标的响应能力.最后通过仿真实验可知,在畸变容差范围(比例畸变0.92～1.16倍,旋转畸变-8度～24度)内,Vander Lugt相关器利用单个高斯-最大平均相关高度滤波器可以实现任意状态混合畸变目标的识别.作为实例,用高斯-最大平均相关高度滤波器对复杂背景下的飞机目标进行了识别实验,验证了该方法的可行性.

云层背景目标识别的匹配滤波器设计

提出一种利用最大平均相关高度(MACH)算法识别复杂云层背景目标的改进滤波器设计方法。在MACH滤波器设计中,通过对云层背景功率谱的统计特性分析,数据拟合得到云层背景功率谱的分布函数,用以代替传统的白噪声模型;提取飞行目标的姿态变化图像,并作阈值化处理,得到训练样本。对不同云层背景和姿态变化目标的相关识别结果表明:改进滤波器的平均峰值相关能量比为0.71%,峰值鉴别率为0.92,可以有效抑制云层背景的干扰,对姿态变化目标识别的鲁棒性较好。

基于改进MACH算法的畸变目标识别

由于观察距离和角度的不同,待识别的目标图像相对模板图像会存在一定程度的角度畸变和比例畸变,大大限制了光学相关模式识别的发展。将最大平均相关高度(MACH)滤波器用于畸变目标识别,通过优化该滤波器的控制参数,并根据多次的计算机仿真实验和光学实验,使该改进型MACH滤波器具有畸变公差高、相关点明亮等特点。用改进后的MACH滤波器对角度畸变目标和比例畸变目标实施频域滤波,能有效增强相关峰强度,扩大畸变目标识别范围。作为实例,给出了复杂背景下识别汽车的计算机仿真实验和光学实验,有效验证了该算法的可行性。

改良型MACH滤波器算法的形变目标识别(英文)

联合变换相关器可用于精确识别与定位目标,其瓶颈在于如何在复杂背景中识别形变目标,这也限制了目标模式识别技术的发展。为解决这一问题,提出了一种改良型的最大平均高度(MACH)滤波器算法。该算法对于旋转形变及尺寸形变目标均有很强的识别能力。根据大量的实验结果分析,对合成滤波器的控制参数进行了优化,使得该滤波器具有较高的形变识别容差,并能有效抑制复杂噪声。通过将频域中改良的MACH滤波器返回至空域,可获得含有目标多种不同状态的MACH参考模板。利用该模板,能有效增强相关峰亮度,扩大复杂背景中形变目标的识别范围。作为实例,对复杂背景中的战舰目标进行了计算机模拟实验与光学实验。实验结果证明了该算法的可行性和实用性。