《面向弱點目標檢測的規則集創建研究》是依託廈門大學，由張海英擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向弱點目標檢測的規則集創建研究
- 項目類別：青年科學基金項目
- 項目負責人：張海英
- 依託單位：廈門大學
項目摘要,結題摘要,
項目摘要
作為自動目標識別領域中的難點問題,弱點目標的檢測一直受到研究者們的關注。為了提高算法的性能和通用性，研究日漸呈現多技術手段綜合的趨勢，但是卻以增加複雜度和降低實時性為代價。本項目提出構建規則集的構想，以圖像挖掘為理論基礎，通過空間和時間的多層面挖掘工作，建立與目標關聯的組合特徵。以此為基礎，形成規則，從而將傳統的檢測過程改變為與規則匹配的過程，減少了中間環節帶來的漏檢和虛警問題。針對仿真圖像庫，規則集的構建經歷了特徵生成、特徵挖掘、規則最佳化以及規則驗證等訓練過程。該規則集的建立，相比於基於估計理論的時頻濾波器無需已知目標的運動方程；同時，也克服了基於背景抑制方法的特徵單一易於衰減的缺陷，為解決檢測算法的通用性和實時性提供了一條新思路。
結題摘要
紅外弱小目標的檢測是紅外搜尋跟蹤系統的核心技術，也是自動目標識別中的難點和焦點問題。 本課題嘗試利用一些新的研究思路解決這一類無形狀、無紋理等顯著性特徵的目標。通過基於圖像的數據挖掘理論，利用決策樹、聚類分析、關聯規則等具體的方法挖掘可資利用的l魯棒的目標特徵，從而構建一些有用的規則，將目標的檢測過程改進為一種規則匹配的識別過程。主要研究內容包括仿真圖像庫的設計；目標特徵篩選、提取；聚類分析方法的套用研究；識別算法的設計等。目前，取得下述重要結果：（1）仿真資料庫生成軟體開發完成；（2）規則的提取初步完成;(3)設計並實現了自動密度聚類檢測算法;(4)提出了融合目標軌跡時空平滑不變性的回溯識別算法。將SURF加速魯棒特徵運算元引入到感興趣點的提取當中，嘗試進行基於軌跡點的空間聚類降低時間複雜度，將挖掘技術與目標識別進行了有效地結合。我們的研究將啟發其他科研人員通過設計和嘗試不同的挖掘方法和研究角度，探索高性能的檢測算法。該研究將為小目標檢測技術的發展提供一條新的研究思路，對於解決複雜背景下，可變尺度小目標的檢測具有重要的科學意義。
