论文部分内容阅读
光学相关识别以光学傅里叶变换为基础,相对于传统的计算机识别方法,具有高速运算,并行处理等优点,在军事、工业等领域具有广泛的应用前景。相关识别的主要研究方向是在识别中降低不同图像间的互相关度,使自相关峰峰值提高,峰宽度减小,从而增强图像的识别能力,减少图像间的误判。本文介绍了光电相关识别的发展概况,提出了几种提高识别率的方法,并在此基础上进行了深入的探讨和研究:1.对输入图像进行预处理,通过提高图像对比度,去除图像噪声来提高图像的识别率。并详细分析和比较了几种常用的低高通滤波器的滤波效果。2.维纳滤波是兼顾相关峰、区分能力和抗噪性能的最佳均衡滤波器。本文拓展了维纳滤波在相关识别中的应用范围:基于维纳滤波的旋转不变识别,以训练图像的均值合成维纳滤波的参考函数对旋转图像进行识别。考虑到维纳滤波进行识别时需要预先知道图像的背景,对此提出改进方法,分别以平均背景及输入图像制备滤波器,得到了良好的识别效果。对于噪声图像,提出了利用高通滤波后的图像制备滤波器的方法。将维纳滤波器应用到体全息相关识别当中,理论上推导出改进的维纳滤波器,并在实验上验证了该方法的识别效果。3.传统的相关识别结果后处理仅考虑相关峰的强度信息,而忽略了考虑相关信号的形状信息。我们提出对相关器的输出平面进行预处理的方法,充分考虑了相关信号的形状信息,通过提取感兴趣区域(ROI) ,采用BP神经网络对输入矢量进行计算,可达到对自相关峰信号和互相关峰信号的有效分类识别,从而提高了光学相关识别的可靠性,降低了误判的概率。最后将其应用到体全息相关识别当中。