基于DSmT的飛行目標(biāo)識(shí)別與跟蹤.pdf

1、飛行目標(biāo)識(shí)別與跟蹤作為機(jī)器視覺(jué)和模式識(shí)別領(lǐng)域的一個(gè)重要研究?jī)?nèi)容，在敵我識(shí)別、智能防御、自動(dòng)火炮等軍事領(lǐng)域具有重要意義。在飛行目標(biāo)識(shí)別與跟蹤的過(guò)程中，由于飛行目標(biāo)速度快、距離遠(yuǎn)、背景復(fù)雜等因素，飛行目標(biāo)的識(shí)別以及跟蹤是一個(gè)極富挑戰(zhàn)的難題。本文緊扣飛行目標(biāo)識(shí)別與跟蹤的核心問(wèn)題，從飛行目標(biāo)分割、飛行目標(biāo)識(shí)別和飛行目標(biāo)跟蹤三個(gè)方面進(jìn)行了研究。
　　針對(duì)一般增強(qiáng)算法存在丟失目標(biāo)細(xì)節(jié)信息的問(wèn)題,本文提出了一種基于小波分解的分層自適應(yīng)圖像增強(qiáng)方

2、法。該算法根據(jù)圖像小波分解的低頻部分計(jì)算出相應(yīng)的對(duì)比度信息，以實(shí)現(xiàn)自適應(yīng)分層，然后依據(jù)分層的結(jié)果確定自適應(yīng)增強(qiáng)函數(shù)，以此達(dá)到在增強(qiáng)圖像的同時(shí)保留足夠的細(xì)節(jié)信息。為了滿足實(shí)時(shí)性以及分割完整的需求，本文使用了一種基于一維最大熵閾值分割和角點(diǎn)檢測(cè)相結(jié)合的飛行目標(biāo)分割算法。該算法能夠依據(jù)圖像的特點(diǎn)，自動(dòng)地選擇分割算法，從而在保證實(shí)時(shí)性的同時(shí)較完整地分割出目標(biāo)。
　　其次，針對(duì)利用單一特征對(duì)目標(biāo)識(shí)別正確率低的問(wèn)題，本文引入了Dezert-S

3、marandache理論(DSmT)，發(fā)展出了通過(guò)三個(gè)證據(jù)源的融合識(shí)別出目標(biāo)類(lèi)別的算法。算法利用支持向量機(jī)對(duì)目標(biāo)的梯度方向直方圖特征以及成對(duì)幾何直方圖特征的分類(lèi)信息，并結(jié)合目標(biāo)的速度信息構(gòu)建相應(yīng)的證據(jù)源，最后通過(guò)DSmT方法進(jìn)行融合。仿真結(jié)果表明，本文的融合識(shí)別方法相較于單一目標(biāo)識(shí)別的方法，識(shí)別正確率更高。
　　最后，為了解決多目標(biāo)跟蹤，在目標(biāo)軌跡相近甚至相交時(shí)，容易跟蹤丟失的問(wèn)題，結(jié)合DSmT理論，本文使用了一種基于多信息融合的