低对比度目标自动识别技术研究

提出了在实时光电混合联合变换相关器中应用拉普拉斯锐化技术.通过对联合变换功率谱面的锐化处理,提高了联合变换功率谱的杨氏条纹对比度,使得相关峰的对比度明显增强,从而提高了目标识别率.实验证明：利用该技术所能探测的目标对比度最低限度约为0.5%.作为实例,给出复杂背景下低对比度(0.8%)地面目标汽车的实验结果.     

用于指纹识别的基于离散余弦变换的二值化联合变换相关器

提出了一种利用离散斜弦变换对联合功率谱进行处理的二值化联合变换相关算法,利用这种二值联合变换相关器,进行了一个待识别指纹同四个参考指纹的比较,这种相关器同采用局部中值阈值技术的二值化联合变换相关器相比,能提高输出峰边比,提高相关峰的强度。光电混合处理实验的结果表明,这种方法能大大提高多指纹识别系统的识别性能。     

基于功率谱相减实现无零级衍射的联合变换相关器

联合变换相关器的零级衍射光斑会影响相关峰探测。将参考目标和待识别目标的联合功率谱与参考目标本身的功率谱做相减运算可消除零级衍射光斑,可提高联合变换相关器的识别能力。通过计算机仿真和实验验证了该方法的可行性。     

基于多小波变换的红外目标探测与识别

针对光电联合变换相关器目标识别的实际应用,对待测红外目标图片进行多小波变换,并利用模极大值法提取其边缘.通过获取更多的轮廓信息,从而提高对目标的识别能力.计算机模拟了常用于红外目标处理的多小波GHM和SA4,实验结果表明:基于GHM多小波提取的边缘能获取大量的图像轮廓信息,其识别结果明显优于SA4多小波.将目标原图的光学相关探测结果与基于GHM多小波提取的边缘图像光学相关探测结果进行比较发现,经多小波预处理后的边缘图像能有效增强相关峰强度.     

基于光学小波微分预处理的联合变换相关目标识别

提出了一种基于光学小波变换微分预处理的光电混合联合变换相关系统,该系统利用同一光路可实时实现对输入图象的小波变换微分预处理和联合变换相关识别.实验结果表明:该系统能得到很尖锐的互相关峰,可显著提高联合变换相关器的识别能力.     

多目标识别的联合变换相关器的研究

提出了一种可用于多目标识别的联合变换相关器。为改善相关信号的性能,对功率谱作了优化处理。为消除相关面上的零级项和目标间的相关项,可用联合功率谱减去纯目标输入的功率谱和参考图像的功率谱;为增强和锐化相关峰,将相减的功率谱作指数函数滤波处理。分析了指数滤波参数对相关结果的影响。计算机模拟结果表明,这种相关器所输出的相关信号比经典联合变换相关器和二元联合变换相关器输出的相关信号更好,互相关得到了抑制,自相关得到了增强,具有很好的抗噪能力。     

基于双二次微分的联合变换相关识别

提出一种提高联合相关识别的有效方法，该方法通过对识别图像和联合变换功率谱分别进行二次微分，抽取识别图像的特征信息，增强联合变换功率谱中调制条纹的对比度和调制条纹的结构，有效地提高了联合变换相关器的相关输出；在此基础上，构造了基于双二次微分的１ｆ实时光电联合相关识别系统，实验结果表明：该方法较二元联合变换相关，提高了图像相关识别能力     

复杂背景下运动目标的光学相关识别

在应用光电混合联合变换相关器实现运动目标相关识别的过程中,针对目标与模板由于运动所产生的差异和复杂背景影响相关器识别率的问题,采用了一种以高斯函数的一阶导数做小波多尺度边缘提取和形态学膨胀进行边缘加粗处理相结合的方法。这种方法可充分利用小波多尺度的特点,使得提取后的边缘在抑制噪声的同时,能保留更多的细节信息,明显改善复杂背景下运动目标的相关识别问题。对以低对比度和小目标为特点的动态序列进行光学相关实验,结果表明,这种方法能有效增强探测目标的相关峰亮度,验证了算法对复杂背景下运动目标识别的可行性。     

基于输入面形态学预处理的条纹调制滤波联合变换相关器

为改善联合变换相关器的相关输出结果，提高图像识别能力，提出了一种将输入面形态学处理与功率谱面FAF处理相结合的方法。首先，介绍了经典联合变换相关器的基本原理；其次，针对联合变换相关器的缺点和不足，提出将输入面形态学预处理和功率谱FAF处理相结合，以改进经典联合变换相关器的相关输出性能；最后，详细分析了上述改进型联合变换相关器的参数选取问题。实验结果表明：当参数选择为 、 时，相关峰很尖锐，峰值为 ，比传统的联合变换相关器互相关峰值提高了 。将输入面形态学处理与功率谱面FAF处理相结合效果好于单独使用其中一种方法，极大地改善了传统联合变换相关器的目标识别能力。     

基于小波多尺度积的目标识别

光学相关探测就是利用光学相关的方法,从混乱的图像中找出需要的目标,达到识别的目的.把小波变换应用于光电混含联合变换相关器,突破了传统的傅里叶变换的局限性,实现了对探测目标不同区域、不同尺度的分析.为了充分利用小波不同尺度的特性,采用小波多尺度积的方法提取出目标图像的边缘,兼顾了图像的细节与轮廓特征,将目标图像不同层次的轮廓信息和细节信息相结合,解决了复杂背景下目标图像的识别问题.光学实验结果表明,该方法有效增强了复杂背景目标的相关点强度,成功实现了目标的探测,具有良好的应用前景.