基于不變矩和支持向量機(jī)的圖像識別方法研究.pdf

1、隨著信息技術(shù)的發(fā)展，目標(biāo)識別技術(shù)成為了現(xiàn)代軍事科技的研究熱點之一。從目標(biāo)的發(fā)現(xiàn)到根據(jù)不同的目標(biāo)圖像進(jìn)行識別直到最后對目標(biāo)進(jìn)行跟蹤并發(fā)起打擊，都是自動目標(biāo)識別系統(tǒng)的工作任務(wù)。其中，對圖像目標(biāo)識別效果的好壞直接關(guān)系到后續(xù)打擊精度，所以圖像識別是目標(biāo)識別系統(tǒng)的重要環(huán)節(jié)。對每幅圖像的特征提取是目標(biāo)圖像能夠區(qū)別于其他圖像的關(guān)鍵，將圖像的特征值提取出來后，根據(jù)不同的特點進(jìn)行分類，可最終完成識別目的。經(jīng)過數(shù)十年的發(fā)展，目標(biāo)圖像識別系統(tǒng)已經(jīng)成為融合不變

2、矩提取、統(tǒng)計學(xué)理論、小波分析等知識為一體的研究課題，其算法可以推廣到天文觀測、粒子碰撞、森林預(yù)警、遙感、病變細(xì)胞檢測、道路自動導(dǎo)航以及車牌識別等民用領(lǐng)域，具有很強(qiáng)的實用價值，同時對國民經(jīng)濟(jì)發(fā)展也具有非常重要的意義。
　　 本文主要研究了基于不變矩的特征提取和支持向量機(jī)理論在圖像分類識別方面的應(yīng)用。在特征提取方面，重點研究了能夠描述目標(biāo)圖像全局特性的Hu矩、Zernike矩以及能夠描述目標(biāo)局部特征的小波矩的特征提取效果。仿真比較了

3、小波矩、Hu矩和Zernike矩的特征提取效果，證明了用小波矩對圖像提取的離散特征在抗噪性和識別能力上較Hu矩和Zernike矩更優(yōu)。在目標(biāo)圖像識別方面，針對傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法以經(jīng)驗風(fēng)險最小化作為期望風(fēng)險最小化的估計基礎(chǔ)，這樣會導(dǎo)致在神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程中出現(xiàn)過學(xué)習(xí)現(xiàn)象，使神經(jīng)網(wǎng)絡(luò)在分類時的誤分風(fēng)險增加，影響最終識別的準(zhǔn)確性。本文應(yīng)用統(tǒng)計學(xué)中的支持向量機(jī)理論，采用結(jié)構(gòu)風(fēng)險最小化原則,在固定經(jīng)驗風(fēng)險的條件下,通過最小化分類函數(shù)的VC維,運用核