基于电视导引图像的傅立叶描述子识别

《基于电视导引图像的傅立叶描述子识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南京航空航天大学硕士学位论文摘要本文针对电视导引拍摄的地面飞机目标图像，在改进图像边界离散化的基础上，进行了归一化傅立叶描述子为全局特征、长宽比与凹缺比为局部特征的目标识别。本文首先对实际灰度图像进行滤波处理、阈值分割，将得到的二值化图像采用形态学的处理，从而从背景中提取大概的目标图像。对图像处理过的图像进行边缘检测与边界跟踪，边界跟踪中使用最大梯度方向法以跟踪平滑的图像边界，得到目标闭合边界的坐标序列。对坐标序列进行离散化，分析不同量级离散对傅立叶描述子的影响，计算Hu几何不变矩、归一化傅立叶描述子，对比两组类内、类间样本试验分析两者对不同机型样本的区分程度，选择256量级

2、离散化傅立叶描述子作为全局特征。在局部特征提取中，比较研究了常用的局部特征方法，选择有很强区分性的长宽比、凹多边形特征作为局部特征。针对常见的两种典型飞机机型，结合最长直线法和对称轴法改进方法搜索主轴，计算得到两组三维的局部特征，以傅立叶描述子的九个低频分量与局部特征的三维矢量，组合得到十二维的目标特征矢量。最后，结合神经网络，用学习矢量量化神经网络对全局特征与局部特征组合的特征矢量样本进行分类训练并识别，试验证明对小缺损的飞机目标，采用联合特征矢量进行识别比单纯的傅立叶描述子识别效果更好，达到预期目的。关键词：图像处理，图像分割，边界跟踪，傅立叶描述子，凹缺性，神经网络，模

3、式识别I基于电视导引图像的傅立叶描述子识别AbstractThenormalizedFourierdescriptorsasglobalfeature,aspectratioandinvaginationaspartialfeatureareabstractedwiththemethodofdiscretizingimageboundaryintheresearchofplaneimagesfromTVguidance.First,actualgreyimagesarefilteredandsegmentedwiththresholdvalue.Themainplanefig

4、urecanbedrawnfromthereceivedimageswhichareprocessedinmorthology.Thefigureedgecanbedetectedandthefigureboundarycanbesearched,tracked.Duringtheprocedure,agroupofboundarycoordinatesarereceived.HugeometricalinvariantsnormalizedFourierdescriptorsarecalculated.Accordingtoexperimentsofsametypeandi

5、fferenttypes,thenormalizedFourierdescriptorsbydiscretedwithfixedquantity256arechosenasglobalfeaturebycomparingdiscreterate.Aspectratioandinvaginationvaluearechosenaspartialfeaturesbycomparingusualmethods.Aimingattwousualplanemodels,principalaxisissearchedinsegmentatedimageswheremethodoffurt

6、hestcoordinateandsymmetryaxistheoryarecombined.Athreedimensionalvectorconstructedbyaspectratioandinvaginationvaluecanbereceived.CombinatingFDninedimentionalLTheftandthreedimentionalvectors,acombinationaltwelvedimentionalfeaturevectorisconstructed.Atlast,combinationalfeaturevectorexamplesare

7、classifiedandtestedwithLVQnetwhichistrained.TheexperimentsexplaineddefectiveplanemodelscanberecognizedbetterwiththemethodcombinatingFourierdescriptorsandpartialfeaturesthanthemethodofwholeFourierdescriptor..Keywords:imageprocessing,imagesegmentation,boun