图像目标识别方法研究

【摘要】： 目标识别在工农业生产、国防建设中具有极其重要的地位，目前目标识别的算法常用的有两种，一种是由下而上的数据驱动型策略，即不管目标属于何种类型，一律先对原图像进行一股性的分割、标记和特征抽取等低层次处理，然后将每个带标记的已分割区域的特征矢量与目标模型相匹配；另一种是由上而下的知识驱动型策略，即先对图像中可能存在的特征提出假设，根据假设进行有目的地分割、标记和特征抽取，在此基础上与目标模型进行精确匹配。 本文采用后一种方法，对水上桥梁和乡村道路网进行识别。在前人的基础上，本文进行了大量的算法验证，并提出自己的算法，其稳定性和实时都很好，识别的效率也较高。 本文先对水上桥梁、乡村道路网识别分别概要介绍了两种方法，并指出其优缺点。 做桥梁识别，进行图像分割的时候，本文结合了自适应阈值选择算法与迭代阈值选择算法的优点，提出了自适应迭代阈值选择算法，同时把红外图像中的方差图引入到可见光图像的处理中；在图像中提取直线的时候，对Hough变换进行了一些改进，同时针对其不能定位的缺点，使用了把变换域得到的信息反推到图像域的方法，解决了这个问题。 做道路网识别，处理边缘时，本文提出了利用曲线的模式来解决曲线配对问题，同时提出了使用区域边缘互相验证来增强识别可信度的思想。