基於Graph和ISA的紅外目標分割與識別方法研究

《基於Graph和ISA的紅外目標分割與識別方法研究》是依託西安電子科技大學，由劉靳擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於Graph和ISA的紅外目標分割與識別方法研究
• 項目類別：青年科學基金項目
• 項目負責人：劉靳
• 依託單位：西安電子科技大學

中文摘要

紅外圖像目標分割與識別是紅外預警系統與成像制導的核心技術之一。如何提高紅外目標檢測、識別的能力和智慧型化水平一直是國內外學者多年來研究的方向和重點。本項目主要研究如何提高圖像目標的分割檢測機率以及目標的識別率，主要包括三個方面的內容：針對當前主流的均值漂移（MS）算法自身存在的過分割問題，結合圖論(Graph Theory)中歸一化割與等周比的相關思想開展圖像目標多級分割新方法的研究；開展獨立分量分析（ICA）和獨立子空間分析（ISA）理論的研究並揭示特徵提取方法提取目標特徵的機理，探索基於獨立子空間下的新的特徵優選準則和方法以提取更接近實際目標的非線性本質特徵，從而使得優選特徵能夠更為準確地描述目標；建立糾錯輸出碼的數學模型，研究基於距離度量的分類器設計方法，提高目標識別的正確率，從而為新方法的工程化套用奠定基礎。

結題摘要

紅外圖像目標分割與識別是紅外預警系統與成像制導的核心技術之一。如何提高紅外目標檢測、識別的能力和智慧型化水平一直是國內外學者多年來研究的方向和重點。本項目主要研究如何提高圖像目標的分割檢測機率以及目標的識別率，進一步結合實際套用研究了不同種類缺陷的檢測。主要包括以下內容：針對模糊C均值聚類算法存在的無法自適應得到最佳的聚類數目且運算效率低的問題，結合勢函式聚類的思想，提出了基於勢函式的自適應模糊C均值圖像分割算法，具有能自適應獲得圖像最優分類數目、分割效率高、分割結果區域一致性強等優點；針對當前主流的均值漂移（MS）算法自身存在的過分割問題，結合圖論中歸一化割的相關思想，研究了基於均值漂移和歸一化割的圖像分割算法，結合模糊C均值聚類的思想，提出了基於改進的FCM和均值漂移的圖像分割算法，能在保證分割效率的同時提高分割準確度；針對多閾值算法存在的偽峰干擾問題，結合模糊聚類的思想，提出了基於多閾值和自適應模糊聚類的紅外圖像分割算法，能有效套用於複雜環境下的紅外圖像分割；研究了獨立成分分析，針對Fast ICA最佳化算法提取特徵的無序性，引入基於稀疏排列的特徵優選模型，並將ISA套用到紅外圖像特徵提取中，取得了良好的效果。針對現有基於PCA的特徵提取方法需要將圖像進行向量化從而導致特徵提取後識別結果不理想的問題，而2DPCA算法對全局特徵比較敏感，Wavelet PCA算法能很好地描述局部特徵，提出了基於圖像分塊的自適應紅外圖像特徵提取方法，能夠結合2DPCA和Wavelet PCA的優點得到更有效的特徵；針對線性判別分析假設各類數據服從高斯分布的條件限制，以及基於瑞利商形式的目標函式沒有封閉解的問題，提出了基於廣義瑞利商準則的非參數特徵提取方法，其中描述數據分布的散布矩陣不再假設數據的分布形式，即對於非高斯分布的數據仍然適用；針對不平衡數據集分類問題，研究了重採樣技術和基於距離度量的分類器設計技術，提出了基於多數類邊界的少數類數據合成技術和基於權重的局部均值分類器設計，提高了不平衡數據的分類性能；針對實際工程套用，研究了磁瓦缺陷檢測和港口溢油監測，進一步針對傳統的人工檢測大米質量的方法不僅效率低，而且主觀隨意性較大、可操作性和重複性差，難以滿足對稻米品質檢測快速、客觀和準確的要求，提出了基於數字圖像處理技術的米粒完整度檢測方法，為實際的工程套用奠定了基礎。