目標圖像識別算法研究及其在DSP高速處理系統(tǒng)中的實現(xiàn).pdf

1、隨著圖像處理各基本理論的發(fā)展以及DSP應(yīng)用技術(shù)的快速進步，與DSP技術(shù)相結(jié)合的數(shù)字圖像處理技術(shù)在國民經(jīng)濟各部門得到了廣泛的應(yīng)用。現(xiàn)代戰(zhàn)爭對科學技術(shù)的要求越來越高，在空戰(zhàn)這樣一個復雜、動態(tài)的環(huán)境中，對飛機目標的識別已經(jīng)顯得越發(fā)的重要。本文所討論的是飛機目標圖像的識別技術(shù)及其在DSP上的應(yīng)用，主要的工作內(nèi)容包括以下幾方面： 首先，討論了圖像的邊界檢測問題。這里我們將小波理論作為基礎(chǔ)，在已經(jīng)研究的多尺度小波變換方法上，加入模角分離（M

2、AS）的小波函數(shù)，它可以很有效的將所要得到的邊界和不需要的噪聲相區(qū)分。在分析了此方法的數(shù)學模型之后，我們在實驗中可以看出，這種方法可以有效的檢測出目標圖像邊界，并且優(yōu)于以前所研究的其他方法。 其次，在所得到的邊界圖像的基礎(chǔ)上，研究了對于圖像邊界的不變矩問題，我們將本文中所探討的仿射不變矩方法和一般的不變矩方法相對比，從數(shù)學模型和實驗結(jié)果中可以發(fā)現(xiàn)，仿射不變矩有著維數(shù)低、類間方差大、易于區(qū)分的特點。在圖像的特征提取上可以得到很好的

3、效果，并為下一步的分類器設(shè)計打下了良好的基礎(chǔ)。 再次，是將前文所研究的不變矩結(jié)果輸入分類器對目標進行分類識別，這里的主要工作是設(shè)計性能優(yōu)良的分類器，并將訓練樣本輸入到分類器中進行訓練，再運用測試樣本進行測試。分類器設(shè)計和目標識別方法主要是運用了小波網(wǎng)絡(luò)（WNN）和學習矢量量化網(wǎng)絡(luò)（LVQ）。針對不同的網(wǎng)絡(luò)模型研究了改進算法并分析了各自的優(yōu)缺點，得到了較為滿意的識別效果。 接著，介紹了DSP技術(shù)的發(fā)展，軟硬件結(jié)構(gòu)。并結(jié)合本