基于KDD理論的景象匹配技術(shù)研究.pdf

1、景象匹配制導(dǎo)是在航天技術(shù)、衛(wèi)星應(yīng)用技術(shù)、傳感器技術(shù)、計(jì)算機(jī)技術(shù)、圖像處理及模式識別的基礎(chǔ)上發(fā)展起來的一門新技術(shù)，它在飛機(jī)輔助導(dǎo)航、遠(yuǎn)程武器或精確制導(dǎo)武器系統(tǒng)如巡航導(dǎo)彈的末制導(dǎo)、圖像目標(biāo)的搜索與跟蹤等軍事領(lǐng)域具有重要的應(yīng)用價(jià)值。景象匹配系統(tǒng)的性能往往受云層遮擋及景象局部重復(fù)度的影響。實(shí)時(shí)圖與基準(zhǔn)圖的不相似或者基準(zhǔn)圖的局部相似都會降低景象匹配算法的可靠性。為了提高景象匹配系統(tǒng)的可靠性，本文提出一種基于知識發(fā)現(xiàn)(Knowledge Disco

2、very in Database，KDD)的景象匹配算法。 論文以KDD景象匹配算法為研究重點(diǎn)，在參考和分析大量KDD理論方法的基礎(chǔ)上，提出適用于景象匹配問題的KDD算法及模型，完成具備人機(jī)交互模式的KDD景象匹配系統(tǒng)。 論文研究內(nèi)容及成果主要包括以下幾個(gè)方面： 1、KDD景象匹配系統(tǒng)方案研究。景象匹配系統(tǒng)是個(gè)計(jì)算機(jī)視覺系統(tǒng)，設(shè)計(jì)KDD景象匹配系統(tǒng)也就是將計(jì)算機(jī)視覺系統(tǒng)KDD化。本文分析了KDD智能算法的共性及發(fā)

3、展規(guī)律。提出了KDD景象匹配系統(tǒng)的結(jié)構(gòu)框架，歸納了為實(shí)現(xiàn)KDD景象匹配系統(tǒng)所需解決的問題。 2、基于聚類運(yùn)算的邊緣檢測算法研究。圖像中的邊緣信息豐富且穩(wěn)定，適合描述圖像的形態(tài)。本文用邊緣來描述圖像特征點(diǎn)的形態(tài)?；跐L雪球的聚類模型，提出一種能夠動態(tài)檢驗(yàn)邊緣分布的動態(tài)模板算法。此算法能夠自適應(yīng)地設(shè)置模板的權(quán)值，可提高邊緣提取的效率與質(zhì)量，為下一步的圍線追蹤打下了基礎(chǔ)。 3、復(fù)合型圖像特征信息研究。Harris角點(diǎn)對于圖像的

4、剛性變換保持位置穩(wěn)定，本文用Harris角點(diǎn)來描述圖像特征點(diǎn)的位置。并將其與形態(tài)信息綁定起來，形成描述圖像的完備集合。在Harris角點(diǎn)以及邊緣圍線追蹤算法的基礎(chǔ)上，提出了表述圍線形態(tài)的ID編碼方法。提出了角點(diǎn)位置信息與圍線形態(tài)信息的綁定方法，形成了復(fù)合型圖像特征描述子，用特征描述子集合來表述圖像。 4、SNN(Share neast neighbor)核匹配算法研究。景象匹配面臨的最大問題是如何衡量不等維數(shù)據(jù)的相似度。很多傳統(tǒng)

5、算法面對數(shù)據(jù)對不齊問題時(shí)容易陷入局部極小。本文認(rèn)為SNN算法可以解決數(shù)據(jù)對不齊問題。但SNN算法是無標(biāo)簽的模式識別問題而景象匹配是有標(biāo)簽的模式識別問題，因此本文 提出了基于電荷吸引模型的SNN方法核。通過把圖像特征描述子映射到核空間，把景象匹配問題轉(zhuǎn)化成聚類問題。通過仿真實(shí)驗(yàn)討論了SNN核方法的運(yùn)行效率、匹配精度以及魯棒性。 5、KDD景象匹配系統(tǒng)平臺構(gòu)建與仿真。整合一個(gè)完整的KDD景象匹配系統(tǒng)，設(shè)計(jì)了人機(jī)交互接口