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.     

一种照明无关的小波多尺度相乘边缘检测方法

提出了一种照明无关的小波多尺度相乘边缘检测方法,用于从非均匀的弱照明图像中提取边缘。根据照明反射图像形成模板与CCD相机成像原理,推导出图像的对应小波变换公式。然后,对图像局部区域中噪声、边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。为增强边缘并抑制噪声,提出了一种改善的小波多尺度相乘边缘检测方法,并依照小波变换后边缘像素的特征,提取单像素的边缘。采用仿真和真实的非均匀的弱照明图像对该边缘检测算法进行验证,并与另外两种边缘检测方法进行定性的和定量的比较。实验结果证实了这种边缘检测方法能够从灰度不均匀的低衬比度图像中正确有效地提取边缘。     

最大平均相关高度滤波算法在畸变目标识别中的应用

为了解决在联合变换相关器上无法识别复杂背景下畸变目标(目标的平面内旋转或尺寸改变)的问题,对其应用最大平均相关高度滤波算法进行畸变目标识别.首先在频域内优化最大平均相关高度滤波器的三个性能控制参量;然后将优化好的最大平均相关高度频域滤波器映射到物空问,得到最大平均相关高度参考模板,作为实例,本文对复杂背景下的军舰和汽车...     

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.     

基于小波边缘提取的灰度图象联合相关识别预处理

本文将小波变换方法用于灰度图象的联合变换相关识别中,采用不同的尺度因子对输入图象进行边缘提取预处理,使相关识别结果得到不同程度的改善.通过计算机模拟对比了一阶、二阶微商的边缘提取方法和小波变换边缘提取方法的预处理结果和对识别的影响,在同时衡量相关识别能力及其对噪音的敏感性前提下,小波变换边缘提取预处理明显优于各种微商边缘提取方法.调节小波变换尺度因子还能使识别能力与噪音敏感性这两方面得到更好地均衡,使小波变换边缘提取预处理能够适应不同的图象输入条件和相关输出要求.结果表明,在联合变换相关识别中采用小波变换对输入图象进行预处理是一种更理想的方法。     

最大平均相关高度滤波算法在畸变目标识别中的应用

为了解决在联合变换相关器上无法识别复杂背景下畸变目标(目标的平面内旋转或尺寸改变)的问题,对其应用最大平均相关高度滤波算法进行畸变目标识别.首先在频域内优化最大平均相关高度滤波器的三个性能控制参量|然后将优化好的最大平均相关高度频域滤波器映射到物空间,得到最大平均相关高度参考模板.作为实例,本文对复杂背景下的军舰和汽车目标进行了光学识别实验,结果表明,当滤波器的控制参量为γ=1,α=0,β=0.1时,得到的MACH参考模板最为清晰,目标产生的相关峰最为尖锐明亮.通过这种方法,在联合变换相关器上能够得到的比例畸变容差为28%,旋转畸变容差为20°,对于超出上述畸变容差范围的目标,相关峰强度逐步减弱,但部分仍然可以识别.改进后的MACH滤波器在畸变目标的探测领域具有很强的优势和良好的应用前景.     

时频-Radon变换在激光微多普勒效应特征提取中的应用

鉴于激光微多普勒效应探测运动目标复合振动的重要性,利用离散小波多分辨分析对激光微多普勒效应探测运动目标复合振动的实验数据进行分解,研究不同尺度下的信号特征。将Radon变换与时频分析结合在一起,对实验所得信号在时频域中进行分析,结果表明:时频-Radon变换适合于微多普勒信号的识别,应用该方法能够抑制多分量信号时频分布产生的交叉项干扰,有效地提取微动目标的特征,为目标特征的识别、分类和探测提供了便利。     

红外运动小目标的检测

通过分析天空背景下红外运动小目标、噪音以及背景的特征,提出一种检测方法·首先利用向量小波变换对运动图像进行预处理;其次采用图像差分进行目标的粗检测,提取出候选目标;最后可根据运动目标和噪音的特征对候选目标进行识别,检测出真实的运动小目标·实验证明,该方法可有效检测天空背景下红外运动小目标·     

面积-极坐标变换在光学相关目标识别中的应用

应用联合变换相关器对目标进行探测和识别时,由于实际探测到的目标相对于参考图像存在比例、旋转、平移畸变,因此在传统的光学相关器中很难实现目标的探测和识别。为了更好地探测到目标,提出了面积-极坐标的算法,该算法利用相似图形之间的尺寸与面积存在满映射函数关系,实现了比例不变光学探测,并结合极坐标变换实现旋转不变光学探测,最后,对变换后的联合图像进行小波边缘提取,既能提取到清晰的图像边缘,又能有效地抑制噪声,不但提高了相关峰,并使得相关峰更为尖锐,成功实现了大尺度混和畸变目标的探测和识别。作为实例,对混合畸变目标进行了计算机模拟和光学实验,验证了该算法在大尺度混合畸变光学相关探测中的可行性。     

光学相关器在自动目标识别中的应用

为使光学相关器更好地应用于自动目标识别领域,保证在较高识别速度下,具备良好的识别效果,介绍了应用于自动目标识别领域的联合变换相关器和匹配滤波相关器.针对匹配滤波相关器实现过程中的两项关键技术,在滤波器编码技术上提出了构造等相关峰综合鉴别函数以解决畸变不变识别问题.在相关峰识别技术上,针对阈值法存在的不足,提出利用BP神经网络对相关平面相关峰进行识别,采用划分感兴趣区域的方法减少了输入层神经元数目,简化了神经网络结构.借助搭建的光学相关器系统验证了该方法可对相关信号和噪声进行有效分类,提高了光学相关器的识别效果.     

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.     

Rotation-invariant pattern recognition using morphological fringe-adjusted joint transform correlation

We propose a rotation-invariant nonlinear correlator based on circular harmonic filter (CHF) and morphological Fringe-adjusted Joint Transform correlation (MFJTC). We refer to this correlator as a rotation-invariant MFJTC (RIMFJTC). Through computer simulation, we compare the output results of RIMFJTC with those of rotation-invariant MC (RIMC) and CHF when input scene is corrupted by salt-and-pepper noise, white additive Gaussian noise and cluttered background. Our results show that RIMFJTC yields higher discriminability, sharper and higher correlation peaks, and displays better stability against the above three kinds of noise than do the RIMC and common CHF.     

4×2×3阵列式放大器参数测量系统优化设计

采用软边光阑和多级空间滤波器组合技术实现了光束的空间整形和等像面传输，利用Fresnel光束传输计算程序对4×2×3阵列式放大器参数测量系统进行了优化设计，分析了空间滤波器中小孔尺寸对光束波面传输的影响，并对优化设计结果进行了分析和讨论，所用方法和所得结论对高功率固体激光放大系统的设计有应用意义。     

Rotation-invariant pattern recognition using morphological phase-only correlation

We present a rotation-invariant nonlinear correlator based on the circular harmonic filter (CHF) and the previously proposed morphological phase-only correlator (MPC) [Q. Wang, S. Liu, Opt. Commun. 244 (2005) 93]. We refer to this correlator as a rotation-invariant MPC (RIMPC). Through computer simulation, we compare the output results of RIMPC with those of rotation-invariant MC (RIMC) and CHF when input scene is corrupted by salt-and-pepper noise, white additive Gaussian noise and cluttered background. Our results show that RIMPC yields higher discriminability, sharper and higher correlation peaks and displays better stability against the above three kinds of noise than do the RIMC and common CHF.     

Target recognition in clutter scene based on wavelet transform

Edge extraction based on wavelet for optical correlation detection is presented. Optical experiments with joint transform correlator (JTC) show that there is a bright application prospect in the field of optical correlation detection by extracting the edge features of input image with the method of wavelet transform. In the course of processing, the multi-scale character of wavelet is used sufficiently. The energy of correlation peaks and the detection ratio of various targets are greatly enhanced by the approach. To demonstrate the feasibility of edges extraction based on WT, small targets and targets in clutter scene are successfully detected.     

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。     

Spatial Position Detection of Three-Dimensional Objects by Effective Three-Dimensional Correlation Based on Fourier Transform Profilometry

Spatial position detection of a three-dimensional (3D) object by a correlator based on Fourier transform profilometry is discussed. The presence of the 3D object and its precise spatial position can be recognized by the correlator using the position and phase of the correlation peak. The spatial position is obtained by the relative displacement from the position where the reference object is originally placed. The characteristic of the correlator with respect to the moving direction of a 3D object is experimentally verified. Effects of the baseline factor on 3D object recognition are also investigated.