復(fù)雜環(huán)境下自動(dòng)目標(biāo)識(shí)別檢測(cè)技術(shù)研究.pdf

1、復(fù)雜場(chǎng)景中目標(biāo)的自動(dòng)識(shí)別與檢測(cè)是當(dāng)前科研人員研究的熱點(diǎn)與難點(diǎn)，在軍事與民用中有著非常好的應(yīng)用前景，各國也投入大量的人力物力，期望在日益復(fù)雜的軍事環(huán)境與公共安全領(lǐng)域能夠占據(jù)一席之地，時(shí)刻保持其先進(jìn)性。
　　本文針對(duì)復(fù)雜場(chǎng)景下的自動(dòng)目標(biāo)識(shí)別檢測(cè)方法進(jìn)行深入研究，對(duì)前人的工作進(jìn)行總結(jié)，提出了一套適應(yīng)不同場(chǎng)景下目標(biāo)的自動(dòng)識(shí)別檢測(cè)方法，所作的具體工作和取得的成果如下：
　　（1）研究了基本的分形理論方法，并在此基礎(chǔ)上提出了簡化的分形檢

2、測(cè)算法以及基于目標(biāo)梯度的分形算法，大大提高了算法的運(yùn)行效率，對(duì)微弱邊緣的目標(biāo)也取得了較好的分形檢測(cè)效果，并針對(duì)分形算法分割出來的目標(biāo)中含有的空洞，提出了基于外輪廓跟蹤的目標(biāo)區(qū)域填充算法，使目標(biāo)分割效果更好。
　?。?）研究了Canny邊緣檢測(cè)算法和廣義邊緣檢測(cè)算法，并對(duì)這兩種算法檢測(cè)出來的邊緣進(jìn)行連接，得到完整的目標(biāo)輪廓邊緣，針對(duì)連接后的邊緣圖像目標(biāo)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(biāo)分割算法，分割出來的目標(biāo)結(jié)果

3、非常理想，接近于真實(shí)目標(biāo)所在區(qū)域。
　?。?）研究了目標(biāo)灰度區(qū)域特征與二值邊緣形狀特征，對(duì)分割出來的目標(biāo)灰度區(qū)域提取Hu矩和能量特征，對(duì)目標(biāo)二值邊緣提取傅里葉描述子特征，并在多組序列圖像中進(jìn)行匹配特征誤差計(jì)算，求取每種特征的匹配誤差閾值，為后續(xù)目標(biāo)連續(xù)跟蹤識(shí)別打下基礎(chǔ)。
　?。?）研究了機(jī)器學(xué)習(xí)中霍夫森林目標(biāo)檢測(cè)算法，并在單類目標(biāo)檢測(cè)基礎(chǔ)上提出了對(duì)多類目標(biāo)進(jìn)行級(jí)聯(lián)檢測(cè)的霍夫森林投影目標(biāo)檢測(cè)算法，通過對(duì)實(shí)際數(shù)據(jù)測(cè)試，取得了較好