摘 要

图像中的目标识别是数字图像处理中的重要的研究领域之一，通过研究目标识别能够完成对目标的识别分类。目标识别作为图像处理中的重要研究内容可以渗透到工程、制造工业、医疗、航空、应用军事等多方面，对人类国防以及生产有极大的影响。本论文选取了一种较为新兴的基于奇异谱分析技术来完成目标识别的任务。

本论文在研究了国内外分形技术的发展及在图像处理中的应用基础上，重点分析和研究了奇异谱分析法的原理及在目标识别中的应用。为了对图像进行奇异谱分析，首先要对图像进行相应预处理，包括目标大小变换、滤波去噪、边缘提取及图像分割。然后对处理过的图像进行奇异谱分析，计算奇异谱。然后通过奇异谱提取图像特征值，最后用分类算法对这些特征值进行分类匹配，从而实现目标分类识别。

本论文的主要工作如下：

（1）针对奇异谱分析的需求，对图像进行了相应预处理，包括图像类型的变换、大小的变换及滤波去噪。并研究和实现了图像的边缘提取及分割，为混合多目标的识别做准备。

（2）研究了奇异谱分析法的原理及应用，重点研究了灰度值直接计算法、盒维法和基于边缘提取的盒维法。并实现了图像的奇异谱获取，对比不同目标的奇异谱有差异，可以作为特征值提取的依据。

（3）研究了基于奇异谱分析的目标识别技术，从图像的奇异谱中提取特征值，并采用分类算法实现目标分类识别。分别采用BP神经网络、决策树、支持向量机、最小距离分类算法、贝叶斯分类算法、马氏距离分类算法作为分类算法，仿真表示各分类算法均可根据奇异谱特征值进行目标识别。

（4）对奇异谱分析法进行了优化，提出了基于灰度变换的奇异谱分析法。通过灰度变换减少同类目标之间奇异谱的差异性，增强不同类目标差异。将优化算法用于各种分类算法，均可使识别率得到提高。论文通过迭代算法找出最佳判决阈值并研究了灰度变换不同组合对识别效果的影响及仿真分析，得出了适用于目标识别的最优背景和目标灰度变换组合。

这些研究工作对基于奇异谱分析的目标识别技术研究和应用将有重要的意义。

关键词：图像预处理；奇异谱分析；分类算法；目标识别；多重分形

Abstract

Image target recognition is one of the most important research fields in digital image processing. Through the study of image target recognition, the machine can complete the identification and classification of the target. Target recognition can penetrate into the engineering, industrial, medical, aviation, military and aspects of human production and life and can play an important role. This paper selects a relatively new technology which is based on singular spectrum analysis to complete the task of target recognition.

After understanding the development of fractal technology and image processing technology both at home and abroad, this thesis focuses on the analysis and study of the principle of singular spectrum analysis and its application in target recognition. For singular spectrum analysis of the image, the image is firstly to pretreatment, which includes target image size conversion, filtering and denoising, edge extraction and image segmentation. Then the image after preprocessing, the singular spectrum is calculated. Finally image feature values from singular spectrum extraction, and classification algorithm with the matching, so as to achieve targets classification and recognition.

The main work of this paper is as follows:

(1)According to the demands of the singular spectrum analysis, the image need to be preprocessed, which include image type conversion, size transform and filtering denoising. And the image edge extraction and segmentation were achieved, which make preparations for mixed multi-target recognition.

(2)The singular spectrum analysis method principle and application are studied, including gray value of direct calculation method, box dimension method and based on edge extraction of box dimension method. After image singular spectrum is obtained, the difference among image of singular spectrum can be found, which can be as the characteristic value extraction basis.

(3) In the research of target recognition technology under the singular spectrum analysis method, according to the singular spectrum of the image, we can extract the image feature values. These feature values can be using in classification algorithm, so as to achieve targets classification and recognition. Classification algorithms include BP neural network, decision tree, support to the extraction amount of machine, a minimum distance classification algorithm, Bayesian classifier, Mahalanobis distance classification algorithm. The simulation results can represent various classification algorithms which can be based on singular spectrum characteristic value to achieve target recognition.

(4)After the singular spectrum analysis method is optimized, I propose the singular spectrum analysis method based on gray-scale transformation. Gray level transformation can reduce similar between the targets of the singularity spectrum difference and enhance different types of goal images’ difference. The optimization algorithm is used for a variety of classification algorithms and it can make the recognition rate be increased. This thesis through an iterative algorithm to find the optimal decision threshold and studies the effect of different combinations of gray-scale transformation on the recognition results. The conclusion is the target identification of optimal gray background and objectives of transform combination under the highest recognition rate.

The research work will be of great significance to the research and application of target recognition based on singular spectrum analysis.

Keywords: Image preprocessing; singular spectrum analysis; classification algorithm; target recognition; multi fractal

目 录

第1章 绪论 1

1.1 选题背景及目的意义 1

1.2 国内外研究现状 1

1.3 论文主要内容 2

第2章 奇异谱分析图像预处理 4

2.1 奇异谱分析图像预处理 4

2.2 图像变换 4

2.2.1 几何变换 4

2.2.2 类型变换 5

2.2.3 图像大小变换仿真实现 6

2.3 图像去噪 7

2.3.1 简单局部平滑 7

2.3.2 中值滤波 7

2.3.3 图像滤波仿真实现及对比分析 8

2.4 图像分割 9

2.4.1 边缘提取原理及仿真实现 9

2.4.2 混合目标分割原理及仿真实现 10

2.5 本章小结 12

第3章 数字图像的奇异谱分析 13

3.1 分形理论概述 13

3.1.1 分形的定义 13

3.1.2 分形分类 13

3.1.3 分形维数与盒维 14

3.2 奇异谱理论 15

3.3 数字图像奇异谱计算及仿真实现 17

3.3.1 灰度值直接计算法及仿真 18

3.3.2 盒维法及仿真 21

3.3.3 基于边缘提取的盒维法及仿真 23

3.4 本章小结 26

第4章 奇异谱分析法的优化及目标识别效果仿真与分析 27

4.1 基于奇异谱分析的目标识别技术 27

4.2 优化算法即基于灰度变换的奇异谱分析法 34

4.3 灰度变换组合对识别效果影响的仿真与分析 39

4.3.1 基于灰度变换的奇异谱分析法的识别效果仿真与分析 39

4.3.2 灰度变换组合对识别效果仿真与分析 46

4.4 优化算法识别效果的仿真对比分析 49

4.5 本章小结 54

第5章 总结与展望 55

5.1 总结 55

5.2 展望 56

参考文献 57

致 谢 59

第1章 绪论

1.1 选题背景及目的意义

目标识别是数字图像处理中的重要的研究内容和方向之一，它以某种算法为基础将目标对象提取出来，并且实现分类识别的目的。当今的诸多应用都有目标识别的身影，其中包括了人脸的识别、遥感航天中的军事侦查、海洋洋流的识别、天气预报的监测等等。涉及到工业、航空航天、科研和军事等各领域^[1]。所以，目标识别是数字图像处理中的重要研究方向。然而，传统的目标识别算法中，容易出现数据量大和处理速度之间的矛盾，它们是目标识别的研究重点之一。

奇异谱的分析法在众多领域中都有涉及，包括金融、图像处理、数据预测分析、天文气象数据信息分析等。奇异谱能关注局部和整体之间的关系，利用自相似性上的规律，更加适合比较复杂的数据研究分析和处理。在数字图像中也有广泛的研究和应用。