基于可重構(gòu)計算技術的圖像識別與分類系統(tǒng)研究.pdf

1、隨著圖像自動目標識別和分類技術應用領域的迅速拓展，對計算機處理能力的要求越來越高。可重構(gòu)計算是隨著電子技術的進步而發(fā)展起來的一種新的計算技術，它將微處理器的靈活性和ASIC的高效性結(jié)合起來，使圖像實時處理技術的快速實現(xiàn)成為可能。
　　 本論文在綜合分析當前圖像目標識別和分類算法特點的基礎上，深入研究了SAR圖像本身的特性，目標的特征和提取方法，并對利用可重構(gòu)計算技術實現(xiàn)圖像識別和分類的方法做了有益的研究和探討。本文的主要工作和創(chuàng)

2、新之處包括：
　　 (1)研究了遙感圖像特點及目標識別的方法，提出了一種基于模板的圖像識別算法。
　　 遙感圖像以其覆蓋面積大、時效性強、數(shù)據(jù)綜合性高等特點成為了國民經(jīng)濟各個部門重要的數(shù)據(jù)來源，因此遙感圖像處理成為當今計算機應用領域的熱點。SAR圖像地物目標可分為點目標、線目標、面目標以及這三者在有限尺度內(nèi)組合成的硬目標。大多數(shù)人造目標屬于硬目標。SAR圖像中顯示的硬目標并非人們平常感知的視覺形象，只有在雷達分辨率較高的

3、時候硬目標才能顯示出一定的目標細節(jié)，必須充分分析目標的特征才能較好的對目標進行識別。本文在分析SAR圖像自動識別過程，并結(jié)合國內(nèi)外研究的經(jīng)驗的基礎上，提出基于模板的自動目標識別算法。通過對圖像進行有效的預處理，將目標集中在一個含有較少背景的區(qū)域中，不僅減少了背景對目標檢測的影響，而且大大減少了目標檢測時的數(shù)據(jù)量。并且通過對目標特征進行大量分析，獲得了行之有效的模板，提高了識別率。
　　 (2)研究了圖像噪聲、紋理特征及支持向量機

4、分類器，提出了一種基于紋理的圖像分類算法。
　　 圖像分類是根據(jù)像元的灰度信息以及其他空間特征，判定圖像中地物類別的過程。在遙感圖像技術中，無論是專業(yè)信息提取、運動變化預測，還是專題地圖制作和建立遙感數(shù)據(jù)庫等都離不開遙感圖像的分類。根據(jù)求解判別函數(shù)是否利用了類別的先驗知識，圖像分類的方法可以歸結(jié)為監(jiān)督分類法和非監(jiān)督分類法。非監(jiān)督分類的結(jié)果只是對不同類別達到區(qū)分，并不能確定類別的屬性，且準確性和收斂速度較差。本文深入研究了圖像的有

5、監(jiān)督分類方法。在分析已有算法不足的基礎上，選擇支撐向量機作為分類器，通過對SAR圖像有效去噪和紋理特征的提取，不僅減少了無關特征向量的計算，而且提高了圖像分類的正確率。
　　 (3)研究了軟硬件協(xié)同設計方法學，提出了將基于模塊的部分重構(gòu)技術應用于圖像識別算法設計與實現(xiàn)的方法。
　　 根據(jù)高分辨率圖像的目標識別低層算法處理數(shù)據(jù)量大、算法較簡單等特點，提出了在可重構(gòu)平臺上以軟硬件協(xié)同的模式實現(xiàn)目標識別的方法。首先針對可重構(gòu)計

6、算平臺的特點分析了圖像識別的算法，再借鑒模塊化的設計方法的思路完成各個模塊的設計與實現(xiàn)，最終利用可重構(gòu)邏輯器件的部分重構(gòu)特性實現(xiàn)系統(tǒng)運行時重構(gòu)。設計文件不僅能夠普遍適用于Virtex系列的可重構(gòu)邏輯器件，而且適用于各種圖源圖像的預處理方法，為其他相關圖像處理算法的可重構(gòu)實現(xiàn)奠定了良好的基礎?？芍貥?gòu)平臺上以軟硬件協(xié)同工作的模式的引入，不僅準實時的實現(xiàn)了目標識別方法，而且減少了芯片的使用面積，降低了可重構(gòu)器件的布線難度。
　　 (4

7、)研究了圖像紋理計算的特點及部分重構(gòu)方法學，提出了將基于差異的部分重構(gòu)技術應用于實現(xiàn)圖像分類算法設計與實現(xiàn)的方法。
　　 基于灰度共生矩陣的紋理普遍應用于各種圖源的分類和特征提取。針對軟件實現(xiàn)紋理計算量大、時間長的問題，傳統(tǒng)的方法只能將圖像降維或者降階，這顯然會影響后續(xù)特征提取時的效果。本文提出的方法首先針對可重構(gòu)平臺的特點分析了圖像分類方法，然后利用基于差異的部分重構(gòu)技術完成了系統(tǒng)設計。使圖像紋理的計算，乃至整個圖像分類的速度