论文部分内容阅读
本文研究了基于支持矢量机(SVM)的红外目标识别与跟踪方法,构建了一个以数学形态学和支持矢量机为核心技术的红外目标跟踪系统,对其中的图像预处理、目标识别与跟踪、运动理解等环节作了比较深入的方法研究。在图像预处理环节,采用数学形态学方法对红外图像进行滤波去噪、边缘检测、目标分割等处理;在此基础上,着重研究了形态学结构元素对图像处理效果的影响,提出了“基于信号尺度直方图”的结构元素最佳尺度确定方法;分析了形态学距离匹配度量MDM在相似目标识别中的作用和优势,并阐述了使用MDM的几项关键技术;对“基于形态学的红外图像分层解理方法”作了详细的论述和实验分析。在目标识别、跟踪与运动理解环节,研究了用SVM模式分类器进行红外目标识别和用SVM函数估计器进行目标运动理解的过程,论述了动态背景下的目标跟踪方法,为SVM中关键的样本组织问题提出了“1+r”和“2”样本策略,分析了控制SVM最优分类面和估计函数的K(·)、C、σ、ε等参数的影响方式,并给出了各自的取值原则。实验表明:SVM能够有效地进行红外目标识别与跟踪,并且相对于其它方法具有一定的优势,因为它能对分布很复杂的样本实施正确分类,并且几乎可以得到任意形状的最优分类面。