紅外場景下遮擋目標識別算法研究.pdf

1、紅外傳感器具有良好的性能，在現(xiàn)代戰(zhàn)場中應(yīng)用廣泛。紅外場景下的目標檢測與識別問題，一直是圖像處理領(lǐng)域的主要方向之一。在紅外場景中，云和霧是十分常見的自然現(xiàn)象，由云和霧帶來的遮擋問題，也成為紅外場景下目標檢測與識別的重要挑戰(zhàn)。本文針對紅外場景中有云、霧遮擋的目標識別問題，進行了深入的研究，針對云和霧對紅外場景中目標檢測與識別的影響，進行了分析總結(jié)，并給出了解決方案。
　　首先，由于實時圖像并沒有先驗知識確定云霧的覆蓋程度，因此為了定量

2、衡量紅外圖像中的云霧的干擾的程度，我們提出了衡量標準。根據(jù)制定的衡量標準，決定是否對圖像做去霧處理，是否對圖像中有云區(qū)域進行標記，并且給出了去霧的算法以及有云區(qū)域標記的算法。
　　其次，對于遮擋問題，局部特征點方法相比傳統(tǒng)模板匹配的方法，有很大的優(yōu)勢。本文詳細研究了常見局部特征點的性能，對比FAST、Harris、SUSAN、SIFT和Symmetry point等局部特征點提取算法，綜合考慮各特征點的時間代價、數(shù)量、覆蓋程度以及

3、重現(xiàn)率等多個指標，最終選擇FAST特征點作為局部特征點。另外，本文中特征點匹配的圖像為異譜圖像，通過研究，發(fā)現(xiàn)傳統(tǒng)的特征描述，如包括HOG特征，LBP特征，LPQ特征，Symmetric特征以及CNN特征等，其表示能力有限，并不能很好地描述異譜圖像。本文總結(jié)傳統(tǒng)特征工程的經(jīng)驗，并針對具體應(yīng)用，給出了共線性編碼特征，很好地解決了這一問題。同時，本文也探討了高維特征對特征點匹配的影響，給出了構(gòu)造高維特征的方法以及參數(shù)選擇的經(jīng)驗，通過設(shè)計實驗

4、，證明了高維特征能夠顯著提升匹配的穩(wěn)定性。針對高維特征匹配效率低的問題，本文使用了內(nèi)積量化的方法，對高維特征進行壓縮編碼，在不損失精度的情況下，大幅提升了匹配效率。而對于錯誤匹配的問題，本文通過對誤匹配點對分布的假設(shè)，利用向量場一致性（VFC）算法，有效消除錯誤的匹配點對.再利用RANSAC算法，進一步去除錯誤的匹配點對，以VFC和RANSAC組合的方式消除錯誤匹配，建立仿真圖像和實時圖像的映射關(guān)系，消除云霧遮擋對目標識別的影響。

5、>　　然后，本文也研究基于全局信息的遮擋目標識別算法，該方法利用大場景圖像的策略和圖像中的全局信息進行匹配，解決局部遮擋導(dǎo)致信息損失無法匹配的問題。同時，本文研究了實時圖像旋轉(zhuǎn)對匹配精度的影響，并利用低秩矩陣原理，有效矯正圖像，避免了特征對旋轉(zhuǎn)敏感的問題。通過特征匹配，確定大場景圖像與實時圖像的映射關(guān)系，快速有效的避免了遮擋的影響。
　　最后，我們也對提出的算法在硬件平臺上進行了實時實現(xiàn)，通過算法級和代碼級的優(yōu)化，對算法的特征進行