目標(biāo)從毫米波雷達(dá)進(jìn)入近地面光學(xué)系統(tǒng)探測(cè)范圍時(shí),目標(biāo)2D圖像信息成為戰(zhàn)場(chǎng)情報(bào)的關(guān)鍵。然而,大氣中的湍流、分子和氣溶膠等光傳輸介質(zhì)使得近地面遠(yuǎn)距離成像系統(tǒng)獲取的目標(biāo)圖像發(fā)生模糊、幾何畸變、紋理缺失等退化降質(zhì)。為提高該類近地面遠(yuǎn)距離成像場(chǎng)景下的擴(kuò)展目標(biāo)檢測(cè)與識(shí)別能力,本文圍繞擴(kuò)展目標(biāo)識(shí)別的關(guān)鍵技術(shù)展開研究。首先,采用預(yù)處理手段增強(qiáng)目標(biāo)圖像和去除湍流幾何畸變。接著,針對(duì)運(yùn)動(dòng)的暗弱擴(kuò)展目標(biāo)提出了有效的檢測(cè)算法。在以上預(yù)處理和檢測(cè)算法獲取較為完備的動(dòng)靜態(tài)輪廓形狀目標(biāo)基礎(chǔ)上,改進(jìn)了方向形狀上下文匹配算法以提高遠(yuǎn)距離湍流雜波場(chǎng)景下的點(diǎn)集形狀擴(kuò)展目標(biāo)匹配識(shí)別精度,同時(shí)還針對(duì)湍流形變輪廓擴(kuò)展目標(biāo)提出了融合輪廓形狀關(guān)鍵點(diǎn)結(jié)構(gòu)和熱核特征的分類識(shí)別算法。具體研究工作可分為以下五個(gè)方面:（1）提出了一種無需任何先驗(yàn)信息的自適應(yīng)全尺度Retinex（AFSR）目標(biāo)圖像增強(qiáng)算法。與傳統(tǒng)復(fù)原方法需依靠自然成像場(chǎng)景中的海量數(shù)據(jù)和先驗(yàn)知識(shí)來構(gòu)建數(shù)學(xué)模型或者深度網(wǎng)絡(luò)模型不同,所提方法無需先驗(yàn)信息便可利用圖像光傳輸透射率自適應(yīng)地引導(dǎo)構(gòu)建全尺度環(huán)繞函數(shù),改進(jìn)了傳統(tǒng)Retinex方法不能表征深度光照信息以及手調(diào)尺度參數(shù)的缺點(diǎn)。同時(shí)... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：155 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 目標(biāo)檢測(cè)與識(shí)別研究現(xiàn)狀
        1.2.1 圖像清晰化預(yù)處理
        1.2.2 幾何畸變校正預(yù)處理
        1.2.3 目標(biāo)檢測(cè)算法
        1.2.4 目標(biāo)識(shí)別算法
    1.3 成像特性分析
        1.3.1 模糊退化圖像特性
        1.3.2 湍流退化圖像特性
    1.4 面臨的主要問題
    1.5 研究?jī)?nèi)容及技術(shù)路線
    1.6 本文組織結(jié)構(gòu)
第二章 低秩矩陣分解與形狀不變特征表示理論基礎(chǔ)
    2.1 低秩矩陣分解
        2.1.1 相關(guān)定義
        2.1.2 矩陣分解原理
        2.1.3 低秩矩陣恢復(fù)方法
    2.2 形狀不變特征表示與識(shí)別原理
        2.2.1 形狀上下文特征
        2.2.2 熱核特征
        2.2.3 基于特征匹配的目標(biāo)識(shí)別
        2.2.4 基于分類器模型的目標(biāo)識(shí)別
    2.3 小結(jié)
第三章 基于自適應(yīng)全尺度Retinex的擴(kuò)展目標(biāo)圖像增強(qiáng)
    3.1 概述
    3.2 圖像清晰化模型
        3.2.1 光學(xué)傳輸模型
        3.2.2 Retinex原理
    3.3 自適應(yīng)全尺度Retinex算法
        3.3.1 算法數(shù)學(xué)模型
        3.3.2 算法優(yōu)化
        3.3.3 算法魯棒性分析
        3.3.4 算法流程
    3.4 實(shí)驗(yàn)結(jié)果及分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)及評(píng)價(jià)指標(biāo)
        3.4.2 薄膜衍射成像系統(tǒng)的擴(kuò)展目標(biāo)圖像增強(qiáng)
        3.4.3 背光圖像和夜間模糊圖像增強(qiáng)
        3.4.4 圖像增強(qiáng)預(yù)處理后的擴(kuò)展目標(biāo)檢測(cè)
    3.5 小結(jié)
第四章 基于自適應(yīng)混合高斯空間分解的擴(kuò)展目標(biāo)幾何畸變校正
    4.1 概述
    4.2 湍流退化圖像序列統(tǒng)計(jì)模型
        4.2.1 湍流前景統(tǒng)計(jì)模型
        4.2.2 低秩背景模型
    4.3 擴(kuò)展目標(biāo)幾何畸變校正
        4.3.1 自適應(yīng)混合高斯子空間分解模型
        4.3.2 求解方法及步驟
        4.3.3 分解結(jié)果
        4.3.4 運(yùn)動(dòng)擴(kuò)展目標(biāo)掩模
        4.3.5 算法流程
    4.4 結(jié)果與分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)及參數(shù)設(shè)置
        4.4.2 評(píng)價(jià)指標(biāo)
        4.4.3 湍流合成圖像校正
        4.4.4 薄膜衍射成像系統(tǒng)的擴(kuò)展目標(biāo)圖像校正
        4.4.5 外場(chǎng)湍流退化擴(kuò)展目標(biāo)圖像校正
    4.5 小結(jié)
第五章 改進(jìn)低秩分解和管道濾波的遠(yuǎn)距離運(yùn)動(dòng)擴(kuò)展目標(biāo)檢測(cè)
    5.1 概述
    5.2 由粗到精檢測(cè)
        5.2.1 轉(zhuǎn)移算子模型
        5.2.2 可變加權(quán)管道濾波的目標(biāo)精識(shí)別
        5.2.3 算法流程
    5.3 實(shí)驗(yàn)結(jié)果及分析
        5.3.1 實(shí)驗(yàn)數(shù)據(jù)及參數(shù)設(shè)置
        5.3.2 評(píng)價(jià)指標(biāo)
        5.3.3 實(shí)驗(yàn)結(jié)果對(duì)比
    5.4 小結(jié)
第六章 基于方向形狀上下文的雜波點(diǎn)集形狀擴(kuò)展目標(biāo)匹配識(shí)別
    6.1 概述
    6.2 形狀上下文匹配算法原理
        6.2.1 輪廓形狀識(shí)別過程
        6.2.2 圖表示
        6.2.3 優(yōu)化匹配
    6.3 改進(jìn)的方向上下文目標(biāo)匹配算法
        6.3.1 方向上下文特征表示
        6.3.2 邊連續(xù)性約束的目標(biāo)函數(shù)優(yōu)化模型
        6.3.3 點(diǎn)集形狀目標(biāo)匹配優(yōu)化實(shí)現(xiàn)
        6.3.4 算法總結(jié)
    6.4 實(shí)驗(yàn)結(jié)果與分析
        6.4.1 實(shí)驗(yàn)數(shù)據(jù)
        6.4.2 參數(shù)設(shè)置與評(píng)價(jià)指標(biāo)
        6.4.3 仿真雜波場(chǎng)景的實(shí)驗(yàn)結(jié)果
        6.4.4 現(xiàn)實(shí)湍流雜波場(chǎng)景的實(shí)驗(yàn)結(jié)果
    6.5 小結(jié)
第七章 融合形狀結(jié)構(gòu)和熱核特征的幾何形變擴(kuò)展目標(biāo)識(shí)別
    7.1 概述
    7.2 廣義形狀不變特征融合模型
    7.3 融合形狀結(jié)構(gòu)和熱核不變特征的分類模型
        7.3.1 尺度不變熱核特征
        7.3.2 關(guān)鍵點(diǎn)IDSC形狀結(jié)構(gòu)特征
        7.3.3 貝葉斯架構(gòu)下的分類識(shí)別模型
        7.3.4 融合特征的識(shí)別算法實(shí)現(xiàn)
    7.4 實(shí)驗(yàn)結(jié)果與分析
        7.4.1 實(shí)驗(yàn)數(shù)據(jù)及參數(shù)設(shè)置
        7.4.2 合成的形變擴(kuò)展目標(biāo)匹配識(shí)別
        7.4.3 實(shí)際畸變擴(kuò)展形狀目標(biāo)匹配識(shí)別
        7.4.4 熱核特征的形變擴(kuò)展目標(biāo)分類識(shí)別
        7.4.5 融合特征的形變擴(kuò)展目標(biāo)分類識(shí)別
    7.5 小結(jié)
第八章 總結(jié)與展望
    8.1 論文總結(jié)
    8.2 論文創(chuàng)新工作
    8.3 不足與展望
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的成果



本文編號(hào)：3199283