TOP26【优秀毕业论文】基于SIFT算法的目标识别方法与仿真.doc文档免费在线阅读

这个方法使用不同的阈值去寻找边缘。

首先使用个阈值上限去寻找边线开始的地方。

旦找到了个开始点，我们在图像上逐点跟踪边缘路径，当大于门槛下限时直纪录边缘位置，直到数值小于下限之后才停止纪录。

这种方法假设边缘是连续的界线，并且我们能够跟踪前面所看到的边缘的模糊部分，而不会将图像中的噪声点标记为边缘。

但是，我们仍然存在选择适当的阈值参数的问题，而且不同图像的阈值差别也很大。

其它些边缘检测操作是基于亮度的二阶导数。

这实质上是亮度梯度的变化率。

在理想的连续变化情况下，在二阶导数中检测过零点将得到梯度中的局部最大值。

另方面，二阶导数中的峰值检测是边线检测，只要图像操作使用个合适的尺度表示。

如上所述，边线是双重边缘，这样我们就可以在边线的边看到个亮度梯度，而在另边看到相反的梯度。

这样如果图像中有边线出现的话我们就能在亮度梯度上看到非常大的变化。

为了找到这些边线，我们程度的提升，但是如果背景中存在较低或中等杂波时，识别率也仅仅只有，虚警率仍然较高。

尤其是在战场上，通常情况下需要识别的目标数量十分巨大，因此这种数据库的规模同样十分庞大，难以使模型检索和匹配具有到最佳匹配，判断出感兴趣区域中目标物的类型。

对得到的所有最佳匹配进行评价，通过设定适当的阈值对其进行判定，这样还可以进步降低虚警率。

虽然这种目标识别技术较之早期的识别技术在性能和稳定性上都得到了定长法对特征相似的区域进行合并，即可得到所谓的感兴趣区域。

在目标分类阶段，将内窗口滤波器中的所有信息分别和事先建立的目标模板进行比较，不断对模板比例进行调整直至二者的最小均值平方误差达到最小为止，从而得以分为兴趣区生成阶段和目标分类阶段。

在兴趣区生成阶段，首先利用双窗口滤波器函数对目标图像卷积，然后在目标图像中对和目标物的外形特征相仿的物体进行标定，然后寻找邻近区域内具有相似特征的区域，并利用区域生后与目标特征进行匹配的方法。

这种新的目标识别技术需要在平时进行数据釆集，建立包含大量信息的大型数据库，数据库中包括有各种目标物在不同方沈阳理工大学学士学位论文位角以及不同俯仰角下的外形信息。

分类操作可的自动目标识别技术并不具有鲁棒性。

从世纪年代末始，人们逐渐发出了种新的自动目标识别技术。

这种新的识别技术并没有釆用早期识别技术的顺序处理的方法，而是利用特征提取技术事先建立了知识系统或者模板，然中时，性能会显著下降，难以保证目标能够有效地与背景实现分离。

此外，由于算法的实现流程基于串行处理器，因此它的性能也受到了很大程度上的限制，比如不同算法程序模块之间不能共享它们提取的信息。

另外，这些早期行分类。

另外，在决定识别需要的特征种类时，依靠的仅仅是人们的直觉和猜测。

这种依靠直觉设计出的识别算法与通过对具体场景和目标物理本质进行分析后设计出的自动目标识别算法相比，在遇到新目标或者处于不同的环境早期的识别过程对目标特征信息的选取并不具有全面性，而是选择了些较为特殊的特征，并且获取这些特征信息的途径仅仅是依靠测量或者假定，稳定性很差，而利用特征信息对目标进行判别的方式也只是简单的通过阈值来进函数，近邻函数和窗函数。

这些早期的自动目标识别技术的性能并不好，在低杂波背景中成功探测目标的概率小于，即使在良性的杂波背景中，它的虚警率也同样难以令人满意。

而造成这种情况的主要原因为目标从周围的背景中分离出来，接着对分离出来的目标进行特征计算，得到组特征空间内的特征向量，然后则可以利用这些得到的特征向量对目标进行分类和判别。

对目标进行分类和判别需要基于些统计分类器，例如贝叶斯作为选择适当的边缘探测算子，对探测出的目标区域进行边缘检测第二步是进行边缘连接，即填充边缘上间断的部分，在目标周围形成连续完整的边缘最后通过之前设定的阈值对边缘内的目标区域进行二值化操作，从而把开始了启发式自动目标识别算法的研究。

这种研究是首先在目标周围假设存在个已知大小的矩形框，然后根据目标与框内局部背景的对比度来设定适当的阈值进行目标探测，接着通过系列的全局性操作来分割目标第步操识别技术的发展十分迅速，通过与计算机技术通信技术和光电信息技术等高新技术的集成，已经被成功地应用于社会生活的各个方面，直接或者间接的改变了人们的生活质量，提高了人们的工作效率。

在世纪年代初期，国外就别技术，可以用于敌方威胁和军事设施的判断以及快速获得战场上正确的态势情况，以供快速的军事响应和战略决策，在军事上同样具有极其重要的意义。

沈阳理工大学学士学位论文国内外研究现状近几十年以来，自动目标误估计，从而导致整个战略指挥上的决策失误。

因此，目标识别技术的发展程度直接影响着战场信息控制权的归属，与作战的反应速度各兵种之间的整体配合甚至是整个战役的成败有着密切的联系。

具体针对地面目标识出，即使各种先进的信息化武器装备都出色地发挥了应有的作用，但如果目标识别技术的发展落后，同样会限制其它武器装备的应用，失去战争的主动性，从而给己方造成难以预计的损失，甚至可能会造成对整个战争形式的出，即使各种先进的信息化武器装备都出色地发挥了应有的作用，但如果目标识别技术的发展落后，同样会限制其它武器装备的应用，失去战争的主动性，从而给己方造成难以预计的损失，甚至可能会造成对整个战争形式的估计，从而导致整个战略指挥上的决策失误。

因此，目标识别技术的发展程度直接影响着战场信息控制权的归属，与作战的反应速度各兵种之间的整体配合甚至是整个战役的成败有着密切的联系。

具体针对地面目标识别技术，可以用于敌方威胁和军事设施的判断以及快速获得战场上正确的态势情况，以供快速的军事响应和战略决策，在军事上同样具有极其重要的意义。

沈阳理工大学学士学位论文国内外研究现状近几十年以来，自动目标识别技术的发展十分迅速，通过与计算机技术通信技术和光电信息技术等高新技术的集成，已经被成功地应用于社会生活的各个方面，直接或者间接的改变了人们的生活质量，提高了人们的工作效率。

在世纪年代初期，国外就开始了启发式自动目标识别算法的研究。

这种研究是首先在目标周围假设存在个已知大小的矩形框，然后根据目标与框内局部背景的对比度来设定适当的阈值进行目标探测，接着通过系列的全局性操作来分割目标第步操作为选择适当的边缘探测算子，对探测出的目标区域进行边缘检测第二步是进行边缘连接，即填充边缘上间断的部分，在目标周围形成连续完整的边缘最后通过之前设定的阈值对边缘内的目标区域进行二值化操作，从而把目标从周围的背景中分离出来，接着对分离出来的目标进行特征计算，得到组特征空间内的特征向量，然后则可以利用这些得到的特征向量对目标进行分类和判别。

对目标进行分类和判别需要基于些统计分类器，例如贝叶斯函数，近邻函数和窗函数。

这些早期的自动目标识别技术的性能并不好，在低杂波背景中成功探测目标的概率小于，即使在良性的杂波背景中，它的虚警率也同样难以令人满意。

而造成这种情况的主要原因为早期的识别过程对目标特征信息的选取并不具有全面性，而是选择了些较为特殊的特征，并且获取这些特征信息的途径仅仅是依靠测量或者假定，稳定性很差，而利用特征信息对目标进行判别的方式也只是简单的通过阈值来进行分类。

另外，在决定识别需要的特征种类时，依靠的仅仅是人们的直觉和猜测。

这种依靠直觉设计出的识别算法与通过对具体场景和目标物理本质进行分析后设计出的自动目标识别算法相比，在遇到新目标或者处于不同的环境中时，性能会显著下降，难以保证目标能够有效地与背景实现分离。

此外，由于算法的实现流程基于串行处理器，因此它的性能也受到了很大程度上的限制，比如不同算法程序模块之间不能共享它们提取的信息。

另外，这些早期的自动目标识别技术并不具有鲁棒性。

从世纪年代末始，人们逐渐发出了种新的自动目标识别技术。

这种新的识别技术并没有釆用早期识别技术的顺序处理的方法，而是利用特征提取技术事先建立了知识系统或者模板，然后与目标特征进行匹配的方法。

这种新的目标识别技术需要在平时进行数据釆集，建立包含大量信息的大型数据库，数据库中包括有各种目标物在不同方沈阳理工大学学士学位论文位角以及不同俯仰角下的外形信息。

分类操作可以分为兴趣区生成阶段和目标分类阶段。

在兴趣区生成阶段，首先利用双窗口滤波器函数对目标图像卷积，然后在目标图像中对和目标物的外形特征相仿的物体进行标定，然后寻找邻近区域内具有相似特征的区域，并利用区域生长法对特征相似的区域进行合并，即可得到所谓的感兴趣区域。

在目标分类阶段，将内窗口滤波器中的所有信息分别和事先建立的目标模板进行比较，不断对模板比例进行调整直至二者的最小均值平方误差达到最小为止，从而得到最佳匹配，判断出感兴趣区域中目标物的类型。

对得到的所有最佳匹配进行评价，通过设定适当的阈值对其进行判定，这样还可以进步降低虚警率。

虽然这种目标识别技术较之早期的识别技术在性能和稳定性上都得到了定程度的提升，但是如果背景中存在较低或中等杂波时，识别率也仅仅只有，虚警率仍然较高。

尤其是在战场上，通常情况下需要识别的目标数量十分巨大，因此这种数据库的规模同样十分庞大，难以使模型检索和匹配具有实时性。

近几年来，自动目标识别技术已经从实验室仿真实验阶段过渡到可生产硬件进行使用的阶段，在战场监视系统侦察系统精确制导武器等装备系统上得到大量的实际应用。

随着新型高性能传感器的发展和更完善的目标识别算法的出现，地面目标识别技术有希望实现低虚警率和高可靠性。

图目标识别的基本流程沈阳理工大学学士学位论文目标识别的基本流程现阶段，目标识别技术已经形成了比较成熟的基本框架，其工作流程在般情况下可以分成七个阶段，其流程图如图所示。

在目标识别的基本流程当中，首先要对釆集到的目标图像进行预处理，也就是除目标图像中存在的噪声。

接着对处理后的图像进行分割，以求得到目标图像中需