论文部分内容阅读
车辆目标是重要的军事和民用目标,对于车辆目标的识别有利于各方面的研究。关于车辆目标的识别,依据车辆图像不同特征可大致分为基于车辆目标的纹理、颜色和车辆轮廓等车辆目标识别方法。认知心理学家主张:对于目标轮廓特征,人眼视觉系统对其识别的准确性远远高于对目标颜色和纹理等特征的识别,并且其识别的稳定性更高,鲁棒性也更高。所以,基于轮廓特征的车辆目标识别是车辆识别领域中的最主要方法。本文以车辆目标图像的轮廓特征为研究方向,研究了车辆图像的消噪增强,车辆轮廓的提取和简化方法。首先,研究了车辆自然图像的滤波消噪与图像增强处理。本文提出一种改进的图像滤波算法,以图像强度和图像梯度作为约束函数,构造图像平滑函数的最优化方程,将图像处理问题转化为数学问题,采用变量分离和交替优化算法相结合的方法进行求解,并融合改进Retinex算法进行彩色图像增强。实验表明,本文算法处理图像具有良好的效果。然后,研究了图像分割方法和边缘检测算子算法。首先介绍了分水岭分割算法、Graph Cut算法和Grab Cut算法;然后介绍了 Canny算子、Sobel算子等多种边缘检测算子算法,通过多方面比较对Sobel算子进行分析改进,提高了 Sobel算子的精度,细化了 Sobel算子的边缘线条;最后描述了灰度变换、形态学处理和小区域填充,最终得到车辆目标的边缘。最后,研究了改进离散曲线演化的轮廓简化算法。为了降低轮廓描述和匹配的复杂度,增强轮廓特征对边界噪声的鲁棒性,同时考虑轮廓识别特征,提出一种基于离散曲线演化的轮廓简化算法。首先定义控制离散曲线演化的阈值终止函数,改进离散曲线演化算法。之后采用改进的离散曲线演化算法对轮廓进行特征演化提取,演化不规则的轮廓段,得到具有重要视觉成分的轮廓部分,从而简化了轮廓描述的复杂度。