第五章--光电信息处理技术----目标识别技术.ppt

目标识别技术 光电联合变换相关识别技术 模式识别技术 背景 研究对象 实现原理方案 复杂背景下的识别 实验 1 背景 光电联合变换相关用于光学图像目标的识别，无论是在军事还是在民事都有广泛的应用。 在军事上，如对空监视中实时多目标跟踪、机载或弹载前视图像制导技术、导弹动态测量等。 在民用上，交通监管、工业自动化机器人、过程控制等都是图像目标识别的主要应用。 基本原理 2 研究对象 基于液晶空间光调制器的联合变换相关识别系统是利用电寻址液晶空间光调制器并采用相关方法对图像进行识别。 此系统结合了相关方法和光电结合的优点，实现了高速实时识别的光电联合系统，能够达到对目标图像的快速识别。 光电联合变换相关 单臂光电联合变换相关 应用目标跟踪 3实现方案 光电联合变换相关识别的原理框图 4 目标在复杂背景下的识别 ———功率谱优化技术 针对CCD探测到的功率谱进行优化，可以显著的提高系统识别能力。 经典联合变换相关器的缺点 （1）对模式畸变较敏感，当目标发生尺寸或旋转畸变时，相关峰将降低； （2）零级衍射项强度很高而且宽度大，这将影响互相关峰的观察； （3）背景较复杂时，互相关峰湮没在弥散斑中； （4）背景中出现相似目标时，易发生误判现象。 以上因素将导致系统的识别能力下降，要解决这些问题就必须对功率谱进行改造和优化。 优化前后比较 为定量的明问题，先引入peak-to-output-energy (POE)值。POE定义为输出相关峰值与输出平面平均能量之比。设输出平面每点相关值为 ，互相关峰值为 ，共有M个采样点，则 POE值可以用来衡量系统对目标的识别能力 POE值越大，相关峰值越尖锐，识别效果越好。 4.1功率谱优化技术 采用综合鉴别函数 综合鉴别函数（SDF）法：该方法在设计一幅训练图像的同时，把所有要识别的图像都考虑进去，有效地提高了图像识别能力和系统的容错能力。 4.2去零级像与对数滤波 4.3结果 尺寸畸变识别优化 复杂背景优化 相似目标优化 5 单臂光电联合变换系统 5.1实验结果与分析 黑栅效应 相关、匹配识别举例 测试场景 基本概念原理 模式识别系统构成 模式识别方法 模式识别的应用 1、 模式识别概念人类认识事物 模式和模式识别 模式和模式识别 计算机模式识别问题 生产实践的需要：需要智能机器人，另外人的工资高，而计算机的价格越来便宜。 信息爆炸现象：用人来不及处理信息。如：卫星遥感，超级市场，邮政，银行，指纹库。 危险地带：油漆、放射、高温、核电站。 提高工效：自动化带来的好处已经显而易见。 模式识别简史 1929年 G. Tauschek发明阅读机 ，能够阅读0-9的数字。 30年代 Fisher提出统计分类理论，奠定了统计模式识别的基础。 50年代 Noam Chemsky 提出形式语言理论——傅京荪 提出句法结构模式识别。 60年代 L.A.Zadeh提出了模糊集理论，模糊模式识别方法得以发展和应用。 80年代以Hopfield网、BP网为代表的神经网络模型导致人工神经元网络复活，并在模式识别得到较广泛的应用。 90年代小样本学习理论，支持向量机也受到了很大的重视。 2 模式识别系统 模式识别关注的内容 特征选择与提取 分类器的设计 分类决策规则 基本问题-分类 模式(样本)表示方法 用 n 维列向量来表示 一个（模式）样本，说明该样本具有 n 个数字特征 x= (x1 , x2 , …, xn)T 常称之为模式向量或者样本向量 相似与分类： 相似与分类问题远不像集合表达那样简单明确。 用各种距离表示相似性： 已知两个样本 xi=(xi1, xi2 , xi3,…,xin)T xj=(xj1, xj2 , xj3,…,xjn)T ② 欧几里德距离 模式类的紧致性 临界点(样本)：在多类样本集中，当一些样本的特征值发生微小变化后，就变成另一类样本，这样的样本称为临界样本（点） Fisher方法 Fisher方法：是一种降低特征空间维数的方法，其实质是寻找一新的坐标轴，使两类样本特征空间中的各点在它上面的投影能较好的分开。 误差纠正规则：梯度下降法 误差： 统计分类器 特征提取和选择：对单个鱼的信息进行特征选择，从而通过测量某些特征来减少信息量 长度 亮度 宽度 鱼翅的数量和形状 嘴的位置，等等 … 分类决策：把特征送入决策分类器 存在问题 线性不可分 多个目标的快速识别 BP学习算