復雜環(huán)境下自動目標識別檢測技術(shù)研究.pdf

1、復雜場景中目標的自動識別與檢測是當前科研人員研究的熱點與難點，在軍事與民用中有著非常好的應用前景，各國也投入大量的人力物力，期望在日益復雜的軍事環(huán)境與公共安全領域能夠占據(jù)一席之地，時刻保持其先進性。
　　本文針對復雜場景下的自動目標識別檢測方法進行深入研究，對前人的工作進行總結(jié)，提出了一套適應不同場景下目標的自動識別檢測方法，所作的具體工作和取得的成果如下：
　?。?）研究了基本的分形理論方法，并在此基礎上提出了簡化的分形檢

2、測算法以及基于目標梯度的分形算法，大大提高了算法的運行效率，對微弱邊緣的目標也取得了較好的分形檢測效果，并針對分形算法分割出來的目標中含有的空洞，提出了基于外輪廓跟蹤的目標區(qū)域填充算法，使目標分割效果更好。
　?。?）研究了Canny邊緣檢測算法和廣義邊緣檢測算法，并對這兩種算法檢測出來的邊緣進行連接，得到完整的目標輪廓邊緣，針對連接后的邊緣圖像目標與背景難以區(qū)分，提出了一種基于邊緣反色與面積限制的目標分割算法，分割出來的目標結(jié)果

3、非常理想，接近于真實目標所在區(qū)域。
　?。?）研究了目標灰度區(qū)域特征與二值邊緣形狀特征，對分割出來的目標灰度區(qū)域提取Hu矩和能量特征，對目標二值邊緣提取傅里葉描述子特征，并在多組序列圖像中進行匹配特征誤差計算，求取每種特征的匹配誤差閾值，為后續(xù)目標連續(xù)跟蹤識別打下基礎。
　?。?）研究了機器學習中霍夫森林目標檢測算法，并在單類目標檢測基礎上提出了對多類目標進行級聯(lián)檢測的霍夫森林投影目標檢測算法，通過對實際數(shù)據(jù)測試，取得了較好