论文针对利用低容量信道获取高质量侦察图像的军事需求,开展侦察图像智能压缩关键技术研究,主要解决目标特征自动选择和快速识别问题。论文的主要研究内容和成果如下:(1)针对侦察图像可供利用信息少、场景多样等问题,提出了基于非参数核密度估计的目标特性分析方法。首先,提取目标和背景区域特征,然后,利用非参数核密度估计方法建立背景区域特征分布模型,最后,计算目标特征与背景特征分布模型之间的匹配概率,用于指导特征选择。对不同场景图像仿真结果表明,所提方法可以利用单幅图像准确计算使用不同特征时的目标和背景的匹配概率,与实际特征识别率相符,说明该方法可以用于侦察图像的特征选择。(2)为提高目标识别速度,提出了一种基于区域特征梯度的快速目标识别算法。首先,利用梯度积分图像计算图像中与目标模板大小相同的每个区域内梯度的均值,然后,将梯度均值与模板图像梯度均值相近的区域定义为潜在目标区域,最后,利用常用目标识别算法在潜在目标区域内检测目标,并通过梯度主方向匹配解决目标旋转问题。对不同场景侦察图像的仿真结果表明,所提算法在不降低识别精度的同时,计算耗时为传统模板匹配的1.6%,是HOG识别算法的15%,有效提高了识别速度,且能够解决目标旋转问题。(3)完成了目标特性分析软件和智能压缩软件的开发和测试。