基于仿生视觉模型和复杂信息学习的多光谱夜视目标识别技术

《基于仿生视觉模型和复杂信息学习的多光谱夜视目标识别技术》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、万方数据博士学位论文基于仿生视觉模型和复杂信息学习的多光谱夜视目标识别技术作者：韩静指导教师：柏连发教授南京理工大学2014年10月万方数据Ph．D．DissertationTargetrecognitionfrommultispectralnight。。imaees’dbioloEical厂isualmodelsVISIOnlmbase0nDiOlOglCalVISU00elseSdndpieinformationlea"gancomolexrmationlearningByJingHanSu

2、pervisedbyProf．LianfaBaiNanjingUniversityofScience&TechnologyOctober,2014万方数据声明本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学位论文中，除了加以标注和致谢的部分外，不包含其它人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。幻·y-年lf月易日学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸

3、质文档，可以借阅或上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文，按保密的有关规定和程序处理。研究生签名：即I仁年11月Z日万方数据博士学位论文基于仿生视觉模型和复杂信息学习的多光谱夜视目标识别技术摘要针对多光谱夜视图像，探索新型智能的场景理解和目标感知方法已经成为夜视技术发展的必然趋势。本文将视觉建模和信息学习引入到多光谱夜视目标探测识别中，构建一系列具有人眼视觉典型特征和脑认知功能的计算模型和学习方法，实现自然

4、环境中夜视目标鲁棒识别，为智能化多光谱、大规模夜视信息理解和探测提供新型技术实现。基于仿生视觉模型和复杂信息学习的多光谱夜视目标识别需要解决两个问题：①适用于多波段夜视图像特征的仿生视觉建模，实现夜视图像降噪、显著分析和目标识别；②适用于夜视图像集的复杂信息学习，实现多光谱目标探测和大规模夜视数据降维、分类识别。本文针对这两个问题，主要开展了以下几个方面的研究工作：(1)基于局部稀疏结构降噪模型(LocalSparseStructureDenoising，LSSD)的微光图像增强。传统视觉稀疏和

5、冗余表示在图像去噪方面具有良好性能，然而无法解决复杂微光图像降噪问题，且易于丢失图像结构信息。本文将噪声不变的局部结构特征嵌入到稀疏分解过程中，提出一种局部结构保持稀疏编码及其核化算法，提高了强噪声干扰下图像块稀疏表示的稳定性。在此基础上，构建了一种LSSD模型，抑制自然微光图像噪声并保留纹理细节，有效提高微光图像信噪比。(2)基于非经典感受野(non．ClassicalReceptiveField，nCRF)调制模型的夜视图像显著轮廓提取。本文首先针对噪声和奇异数据干扰的微光图像，提出了一种加

6、权核主成分同质度校正nCRF抑制模型，全面、准确的评估中心．环境差异，有效提高复杂场景下微光图像显著轮廓提取精度。其次针对夜视图像细节模糊导致的轮廓断裂问题，整合nCRF的抑制和易化作用，提出了一种nCRF复合调制模型，增强弱边缘响应、连接间断轮廓，准确提取自然场景下微光和红外图像的完整显著轮廓。(3)基于局部稀疏结构匹配模型(LocalSparseStructureMatching，LSSM)的夜视目标鲁棒识别。视觉稀疏分类能够获得良好的目标识别效果，然而对模板依赖性高，且对复杂场景下的一般夜

7、视目标识别泛化能力弱。本文基于所提出的鲁棒局部结构保持稀疏编码及其核化算法，结合局部匹配思想，构建了一种LSSM模型，该模型无需大量感兴趣目标模板训练，实现了基于简单模板集的夜视目标鲁棒识别，并且对场景变化、目标形态多变、背景遮挡情况下的夜视目标具有稳健认知能力。(4)基于复杂信息学习的多光谱、大规模夜视目标探测识别。本文首先针对多光谱夜视图像集易受病态分布数据影响、目标探测不准确的问题，提出了一种光谱角匹配加权核特征空间分离变换算法，抑制病态数据干扰，显著提高了多光谱夜视目标检测率。其次针对夜

8、视数据流形降维中面临的离群点干扰问题，设计了一种核极大似然加权的局部线性嵌入流形算法，准确检测离群点、优化最佳近邻选取，增强夜视数据低维表示的可靠性和可分性，实现了大规模夜视图像集准确、高效分类识别。万方数据摘要博士学位论文关键词：多光谱夜视图像，目标识别，非经典感受野，稀疏，信息学习II万方数据AbstractTheexplorationsofnewmethodsforintelligentsceneunderstandingandtargetperceptionaccordingtothec