菜单
　　
    摘要目标识别是计算机人工智能的一个重要领域，目前常用的是基于训练学习的分类器识别方法。但是，基于训练学习的分类器识别方法有一个明显的缺点，就是使用者需要为分类器搜集非常多的样本，并通过大量的训练和学习过程来确定分类器的相关参数，对模板和训练样本的依赖性很高，并且对一般的目标识别的泛化能力弱。     多光谱夜视目标识别，本文提出了一种使用自适应核回归的非训练目标特征提取方法。相对于图片中各点的灰度值、图片中具体的内容变化，该方法对图片的基本数据结构有着更高的敏感度，因此即使源图像存在严重扭曲也能很好地描述图形原本的特征。 相比其他识别方法，本文提出的方法对复杂夜视场景下人体和车辆等典型目标具有稳健的识别能力。31019
    毕业论文关键词  目标识别，局部匹配，相似度图像，LARK 
    Title    Robust recognition of multi-spectral night vision target  based on LARK algorithm
    Abstract Target identification is an important area of artificial intelligence, the most commonly used identification method is based on the classification of training to learn. However, classification based training and learning identification method has a significant drawback ,it requires a lot of training samples ,and need to determine the parameters of classifier through a lot of training and learning process, has a high dependence of the template and the training samples, and the generalization ability for general infrared target recognition is weak. Multi-spectral night vision  object recognition. Classification based identification method of training and learning has a clear disadvantage, so we propose a non-adaptive kernel regression and no-training target feature extraction method. Use this method can effectively capture the basic data structures, it is not sensitive to the image gray value of each point and specific things in the picture, it is more sensitive to the relative changes in gray values of the picture and the changes in graphics, even if there are serious distortions in the source image ,it also can be well described in graphic original features. Compared with other identification methods, the proposed method has the sound recognition of typical targets vehicles under the complex night vision scene, such as body and car.
    Keywords    target recognition, local matching, similarity image, LARK 
    目次
    1绪论.1
    1.1研究背景及意义1
    1.2图像目标识别的系统结构和思路2
    1.2.1图像目标识别的系统结构2
    1.2.2图像目标识别的两种思路3
    1.3图像目标识别方法研究现状3
    1.3.1基于训练和学习的图像目标识别方法4
    1.3.2基于非训练的图像目标识别方法5
    1.4本文主要内容7
    2基于非训练的图像目标识别8
    2.1图像预处理8
    2.1.1噪声处理.9
    2.1.2图像增强.10
    2.2图像特征提取12
    2.2.1灰度共生矩阵.12
    2.2.2尺度不变特征变换(Scale-invariantfeaturetransform)13
    2.2.3基于核回归(KernelRegression)的特征提取15
    2.3图像特征相似性匹配17
    2.4本章小结18
    3基于LARK算法的结构特征提取方法.19
    3.1LARK计算原理.19
    3.2LARK权值矩阵.21
    3.3使用LARK特征提取方法构成的目标识别检测系统.23
    3.4本章小结24
    4局部相似结构统计匹配(LSSSM)模型26
    4.1简单模板集的局部结构分析27
    4.1.1构建简单模板集.27
    4.1.2简单模板集的降文.28
    4.2LSSSM模型原理.32
    4.2.1相似性匹配.32
    4.2.2生成相似度图像.34
    4.3根据相似度图像获取目标信息35
    4.4本章小结36
    5实验与测试375.1测试步骤37
    5.2测试结果41
    5.3本章小结43
    结论44
  1. 上一篇：多光束平行性测量技术的研究
  2. 下一篇：基于PDA的医疗数字化管理平台开发

  1. 基于差分进化算法的自动...

  2. 基于混沌的图像加密通信...

  3. MATLAB基于时频分析的穿墙呼吸检测算法研究

  4. 基于LTE的OFDM无线传输链路设计与仿真

  5. CMOS纸张打印质量检测的图像扫描和算法开发

  6. 基于OFDM的用户接入控制技术研究

  7. 基于OFDM的数字图像无线传输关键技术研究

  8. 河岸冲刷和泥沙淤积的监测国内外研究现状

  9. 酸性水汽提装置总汽提塔设计+CAD图纸

  10. 电站锅炉暖风器设计任务书

  11. java+mysql车辆管理系统的设计+源代码

  12. 乳业同业并购式全产业链...

  13. 十二层带中心支撑钢结构...

  14. 大众媒体对公共政策制定的影响

  15. 中考体育项目与体育教学合理结合的研究

  16. 当代大学生慈善意识研究+文献综述

  17. 杂拟谷盗体内共生菌沃尔...

　　

About

751论文网手机版...

主页：http://www.751com.cn

关闭返回