飛機(jī)紅外圖像的識別跟蹤算法研究.pdf

1、紅外制導(dǎo)是一種被動的制導(dǎo)方式。因其隱蔽性強(qiáng)、探測距離遠(yuǎn)、空間分辨率高，在現(xiàn)代戰(zhàn)爭中紅外面源制導(dǎo)也得到了廣泛的應(yīng)用。當(dāng)紅外探測器離目標(biāo)較遠(yuǎn)時(shí)，目標(biāo)在圖像以點(diǎn)的形式出現(xiàn)，此時(shí)的自動識別系統(tǒng)很容易將誘餌彈當(dāng)作被識別對象而錯(cuò)失對目標(biāo)的捕捉.因此紅外成像中占有一定比例面目標(biāo)的重新檢測識別是非常有必要的。面目標(biāo)呈現(xiàn)豐富清晰的輪廓特征和灰度分布，可對其要害部位進(jìn)行定位和跟蹤，但目前對飛機(jī)要害部位的識別攻擊研究還比較少。針對這種情況，本文在紅外圖像中飛

2、機(jī)的識別和要害部位的跟蹤方面展開研究。
　　本文首先研究了基于特征的模板匹配識別算法。研究對比了融合幾何特征、統(tǒng)計(jì)特征的匹配算法和基于不變矩的傅里葉描述子兩種不同的特征提取算法，第一種匹配算法對于樣本中的5個(gè)模板可達(dá)到70％左右的識別率，對于本文引入的干擾飛機(jī)誤匹配在15％;后者的識別率可達(dá)90％以上，誤匹配率在4％以下。并提出基于不變矩的傅里葉描述子和多邊形近似的方法，解決了傳統(tǒng)的歸一化傅里葉描述子中由于去除初始點(diǎn)而干擾傅里葉相

3、位信息及邊緣點(diǎn)數(shù)多的問題，最終傅里葉描述子由50個(gè)降低到24個(gè)，降低維數(shù)災(zāi)難，提高識別算法運(yùn)行效率。
　　其次研究了圖像分割算法，本文提出了一種結(jié)合背景復(fù)雜度的自適應(yīng)分割算法。本算法首先對目標(biāo)圖像進(jìn)行FCM聚類算法分析，結(jié)合算法結(jié)果，判斷背景復(fù)雜度，然后采用閾值分割和邊緣檢測算法，形成自適應(yīng)的圖像分割算法。該算法能夠適應(yīng)目標(biāo)大小的變化，同時(shí)還可以排除飛機(jī)背景中光照后云對圖像分割的影響。
　　最后研究了飛機(jī)要害部位定位跟蹤，首

4、先提取飛機(jī)尾噴管模板，通過相關(guān)跟蹤算法對連續(xù)幀圖像的尾噴管進(jìn)行定位并跟蹤;提出對相關(guān)算法優(yōu)化，主要在兩個(gè)方面，第一個(gè)減小搜索區(qū)域提高算法對圖像處理的運(yùn)行效率，第一幀在目標(biāo)最小外接矩形搜索，第二幀采用十字交叉搜索算法;第二個(gè)對尾噴管模板和連續(xù)幀圖像進(jìn)行二值化處理，即減少算法的計(jì)算量。經(jīng)過實(shí)驗(yàn)運(yùn)算，沒有優(yōu)化的相關(guān)跟蹤算法運(yùn)行時(shí)間71.634s，經(jīng)過優(yōu)化后的相關(guān)跟蹤算法運(yùn)行時(shí)間20.372s。
　　在相關(guān)跟蹤方面，目標(biāo)發(fā)生旋轉(zhuǎn)、縮放形態(tài)