论文部分内容阅读
随着航空、航天技术的不断应用于军事侦察领域,卫星、高空侦察机和无人机等侦察装备提供了海量的包含了大量的军事目标信息图像数据;而飞行器作为一种重要的军事目标,是战场侦察和打击的主要对象之一,如何自动、正确且快速地从海量图像库中找出飞行器目标并识别,是能否对其遂行精确打击的关键。如果对海量图像数据逐个应用识别算法进行飞行器目标的识别势必耗费大量的时间,影响战场情报处理的实时性。考虑到飞行器一般停泊在机场内,而机场图像作为一种重要的图像类别有其特有的特征,论文先从海量图像库中检索出机场图像,再从机场图像中识别飞行器目标,并设计了卫星图像数据库中机场停泊飞行器目标检索与识别系统。论文的主要工作如下:①在系统研究图像检索技术的基础上,给出了基于SVM分类的机场图像检索方法。该方法通过提取图像颜色、纹理和形状综合特征,结合SVM分类器实现对机场图像的检索。实验结果表明,该方法在一定程度上提高了从卫星图像数据库中检索机场图像的有效性。②针对传统目标分割算法存在的问题,提出了基于机场区域提取的飞行器目标分割算法。该算法通过利用Hough变换定位机场跑道的方法,实现对机场跑道和停机坪区域的准确提取,进而完成对机场停泊飞行器的分割。实验结果表明,该算法改进了以往机场提取算法保留候机楼等附属部分以及提取结果存在机场区域以外区域的缺点。③给出了基于SVM分类的机场停泊飞行器目标识别方法。该方法首次综合利用模糊仿射不变矩和SVM多分类方法,实现对飞行器目标的分类与识别。实验结果表明,该方法较贝叶斯分类器和BP神经网络分类器有更高的识别率。④设计了卫星图像数据库中机场停泊飞行器检索与识别系统。该系统完成了卫星图像数据库中机场停泊飞行器检索与识别的各个阶段,包括图像输入、图像预处理、机场图像检索、飞行器目标分割、特征提取和飞行器目标分类识别等。论文的研究成果为进一步研究图像数据库中军事目标识别问题提供了参考依据。