目标图像识别算法研究及其在DSP高速处理系统中的实现

论文摘要

随着图像处理各基本理论的发展以及DSP应用技术的快速进步,与DSP技术相结合的数字图像处理技术在国民经济各部门得到了广泛的应用。现代战争对科学技术的要求越来越高,在空战这样一个复杂、动态的环境中,对飞机目标的识别已经显得越发的重要。本文所讨论的是飞机目标图像的识别技术及其在DSP上的应用,主要的工作内容包括以下几方面:首先,讨论了图像的边界检测问题。这里我们将小波理论作为基础,在已经研究的多尺度小波变换方法上,加入模角分离(MAS)的小波函数,它可以很有效的将所要得到的边界和不需要的噪声相区分。在分析了此方法的数学模型之后,我们在实验中可以看出,这种方法可以有效的检测出目标图像边界,并且优于以前所研究的其他方法。其次,在所得到的边界图像的基础上,研究了对于图像边界的不变矩问题,我们将本文中所探讨的仿射不变矩方法和一般的不变矩方法相对比,从数学模型和实验结果中可以发现,仿射不变矩有着维数低、类间方差大、易于区分的特点。在图像的特征提取上可以得到很好的效果,并为下一步的分类器设计打下了良好的基础。再次,是将前文所研究的不变矩结果输入分类器对目标进行分类识别,这里的主要工作是设计性能优良的分类器,并将训练样本输入到分类器中进行训练,再运用测试样本进行测试。分类器设计和目标识别方法主要是运用了小波网络(WNN)和学习矢量量化网络(LVQ)。针对不同的网络模型研究了改进算法并分析了各自的优缺点,得到了较为满意的识别效果。接着,介绍了DSP技术的发展,软硬件结构。并结合本课题的实验平台DAM6416P探讨了DSP在图像处理应用过程中程序结构的设计方法,并设计了针对实验平台的目标图像识别算法。最后,简单地总结了本课题的内容,并从软件及硬件方面对本课题的研究方向进行了展望。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 本课题研究的意义
• 1.2 国内外研究现状和发展趋势
• 1.3 本课题的研究内容
• 1.4 小结
• 第二章 基于MAS 小波尺度独立算法的目标图像边界检测
• 2.1 图像的前期处理和边界提取
• 2.1.1 概述
• 2.1.2 基于小波理论的边界提取
• 2.2 边界的基本几何结构
• 2.2.1 Lipschitz 指数
• 2.2.2 二维图像的推广
• 2.3 小波变换分析边界结构
• 2.3.1 边界的小波变换形式
• 2.3.2 二维图像的推广
• 2.4 尺度独立的小波变换算法
• 2.5 实验结果与分析
• 2.6 小结
• 第三章 边界仿射不变矩
• 3.1 图像的仿射不变性
• 3.1.1 概述
• 3.1.2 仿射变换的定义、性质及其代数表示
• 3.2 边界不变矩理论
• 3.2.1 概述
• 3.2.2 矩与不变矩理论
• 3.3 基于仿射变换的边界不变矩
• 3.3.1 基于仿射变换的矩不变式
• 3.3.2 仿射变换边界不变矩
• 3.4 特征提取原则
• 3.5 仿真结果与分析
• 3.6 小结
• 第四章 基于BP 算法的小波神经网络
• 4.1 概述
• 4.1.1 小波神经网络基本模型
• 4.1.2 小波神经网络的推广和改进
• 4.2 小波分析与小波变换
• 4.3 基于BP 算法的小波神经网络
• 4.3.1 小波神经网络的结构、类型及特点
• 4.3.2 基于BP 算法的小波神经网络学习算法
• 4.4 实验结果与分析
• 4.4.1 一般不变矩与仿射不变矩对比实验
• 4.4.2 BP 网络和WNN 网络的识别实验对比
• 4.5 小结
• 第五章 学习矢量量化（LVQ）网络的目标图像模式识别
• 5.1 概述
• 5.2 近邻法和学习矢量量化理论
• 5.2.1 最近邻法、k 近邻法和学习矢量量化理论
• 5.2.2 最近邻法、k 近邻法和矢量量化简介
• 5.3 学习矢量量化（LVQ）网络的结构与学习算法
• 5.3.1 学习矢量量化（LVQ）网络的网络结构
• 5.3.2 学习矢量量化（LVQ）网络的学习算法
• 5.4 实验结果与分析
• 5.4.1 一般不变矩实验结果
• 5.4.2 仿射不变矩实验结果
• 5.5 小结
• 第六章 基于DSP 的硬件平台与研究算法
• 6.1 概述
• 6.2 基于DAM6416P 图像处理平台的系统概况
• 6.2.1 图像处理平台系统架构
• 6.2.2 DAM6416P 开发板与目标系统
• 6.3 硬件基本组成与功能
• 6.3.1 TMS320C641x 体系架构
• 6.3.2 TMS320 系列DSP 的硬件结构
• 6.4 基于CCS 的软件开发环境与算法实现
• 6.4.1 软件开发环境建立
• 6.4.2 Code Composer Studio（CCS）文件系统简述
• 6.4.3 DSP 软件开发基础
• 6.4.4 DSP/BIOS 简介
• 6.4.5 开发程序的基本结构和一般过程
• 6.5 基于目标图像的软件开发
• 6.5.1 Video 模块的使用
• 6.5.2 C/C++图像处理程序开发
• 6.6 小结
• 第七章 总结与展望
• 7.1 论文工作总结
• 7.2 今后研究展望
• 参考文献
• 致谢
• 在学校期间的研究成果及发表的学术论文
• 附录1
• 附录2