理工大学学士学位论文摘 要红外图像目标特征提取是红外预警系统与成像制导的核心技术之一。红外系统的隐蔽性好，抗干扰能力强，作用距离远，搜索速率快，无镜面回波，可昼夜工作，这些优良特性使其越来越多地应用于军事和民用领域中。因此，如何提取鲜明的特征来提高红外图像目标的检测、识别性能以及整个红外系统的智能化水平一直是国内外学者的研究方向和焦点。本文旨在研究图像特征提取方法，使得能在分类识别中得到较高的识别率。首先，简要介绍了红外图像分析、传统提取方法分析，主要是Hu不变矩的理论，研究它在提取图像特征所表现出的特性。其次，针对传统提取方法的弊端，研究利用小波不变矩的特征提取方法。实验结果表明，采用小波不变矩特征提取方法可获得较高的识别结果，从而也满足了实际系统的实时性要求。虽然在针对旋转图像时需要进行归一化，但这并不影响它在未来科技中的发展。关键词： 红外图像；特征提取；Hu不变矩；小波不变矩AbstractFeature extraction of infrared images targets are one of the key technologies in infrared early warning and imaging guidance. Infrared systems have good concealment,strong anti-interference ability, far operating range and fast search speed. Besides, they have no mirror echo and can work day and night. All of these advantages make the mused in military or civilian fields more and more. Consequently, how to extract the distinct features, to improve the detection and recognition of infrared images and thus to improve the intelligent level of the overall infrared systems, has been the research direction and focal point for the domestic and foreign scholars.This paper focuses on the methods of image feature extraction and getting higher recognition rate for the classification tasks.Firstly, briefly introduced the infrared image analysis, analysis of the traditional extraction methods, mainly Hu invariant moment theory, studies the properties exhibited by the image feature extraction. Secondly, aiming at the disadvantages of traditional extraction methods, feature extraction method based on wavelet invariant moments. The experimental results show that, using the wavelet moment invariant feature extraction method can get higher recognition results, which also meets the real-time requirements of actual system. Although the normalization in the rotated image need, but this does not affect it in the future development of science and technology.Keywords: infrared picture; feature extraction; Hu invariant moments; wavelet invariant momentsII目 录1 绪论1 1.1 研究背景及意义1 1.2 红外目标特征提取现状1 1.2.1 特征提取的目的和原则2 1.2.2 特征提取方法2 1.3 论文的主要工作与章节安排32 红外图像处理及特征提取理论研究4 2.1 红外图像的优缺点4 2.2 二值化处理4 2.2.1 红外图像直方图及其特点5 2.2.2 阈值分割7 2.3 常见的特征提取方法8 2.4 多项式不变矩几何矩93 基于Hu不变矩和小波矩的特征提取方法研究13 3.1 Hu不变矩特征提取方法13 3.1.1 Hu矩的不变性13 3.1.2 Hu不变矩的构造和流程图15 3.1.3 Hu不变矩实现程序17 3.1.4 实验图片及分析结果19 3.2 小波不变矩特征提取方法20 3.2.1 小波矩20 3.2.2 小波矩的构造和流程图20 3.2.3 小波矩实现程序25 3.2.4 实验图片及分析结果274 仿真结果分析29 4.1 红外图像预处理结果分析29 4.2 异类目标的特征提取结果与分析30III 4.3 不足之处31结 论32致 谢33参考文献34附录A 英文原文35附录B 中文翻译41IV1 绪论1.1 研究背景及意义随着现代军事高科技的迅速发展，各种高性能攻击性武器不断的涌现，这对军事要地、飞机以及军舰等高价值作战平台的安全构成了严重的威胁。为了有效地发挥对抗装备的性能，必须对来袭目标进行准确定位，其中雷达是迄今为止最为有效的远程电子探测设备。在现代战事中，雷达是现代作战指挥系统（C3I系统）实时、主动、全天候地探测和获取信息、收集各种军事情报的重要手段，是各类作战平台武器系统实现告警或精确打击的必要手段和不可或缺的组成部分。但是，随着现代电磁隐身技术和反辐射导弹的不断发展，使得现代战争体系中这一重要的传感器雷达正面临着日益严峻的挑战和威胁，具体表现为：低空和超低空突防、综合性电子干扰、目标电磁隐身以及反辐射导弹等四大威胁，这一点已经在1991年的海湾战争和1999年的南联盟战争中得到了充分的证实。因此，寻求新的防空告警和制导手段已成为迫切需要解决的问题，而无源或被动探测技术是解决这一问题的很有效的途径，其中被动红外图像探测技术又是其重要的研究方向之一。红外图像技术是一种非接触式的被动探测技术。红外传感器接收来自目标和背景的红外辐射，把光信号转换为电信号，将不可见的红外辐射转变为可见的图像，而其自身的红外辐射极其微弱，故属于无缘探测技术。由于红外成像探测装置可以实现昼夜连续被动式探测，因此具有较强的抗低空和超低空突防、抗反辐射导弹、抗电磁干扰和反隐身的能力。对基于红外成像技术获得的目标图像进行目标的自动检测、识别与跟踪是现代武器装备的重要发展方向。红外图像目标特征提取是红外成像与预警系统的核心技术之一。因此，开展红外图像特征提取中关键技术的研究对于提高区域防御系统的生存能力、有效的反击能力以及在未来战场中争夺控制权具有重要的战略意义和实战价值1。1.2 红外目标特征提取现状特征提取和选择环节处于图像预处理和分类识别两个环节之间，它极大地影响着后续分类器的设计和性能，是目标识别三大核心问题之一。图像预处理只是把图像分成了有意义的区域（即实现了目标和背景的分离），为了进一步对图像做分析和识别，就必须通过对图像中的物体（目标）做定性或定量的分析来得出正确的结论，这些结论建立在图像物体的某些特征的基础上的。1.2.1 特征提取的目的和原则通常，由采集系统获得的原始图像数据是相当大的，且直接利用这些图像数据对目标进行分类是不能反映目标本质特征的，在实际的实现过程中也是不可能的。为了更加有效的实现分类识别，就要对原始图像进行变换。特征提取是通过映射或变换的方法，把高维的特征信息变成低维的特征信息，从所提取的特征中选出对分类贡献较大的、最能反映分类本质特征。特征提取目的就是通过一定的变换把图像转换成最能反映分类本质特征，为后续的目标分类打下坚实的基础。特征提取的原则就是提取红外图像中目标稳定的、易于提取和易于计算的特征量，并且这些特征量具有较好的可区分性。1.2.2 特征提取方法特征提取包含两个方面：一个是寻找针对模式的最具鉴别性的描述使得此类模式的特征能最大程度地区别于彼类；另一个是在适当的情况下实现模式数据描述的维数压缩。经过发展，目前有以下几大类提取方法：颜色（灰度）直方图是实践中最常用的图像统计特征方法，它包括：(1) Hu于1961提出的矩不变量，即Hu矩不变量提取，它不具有正交性，包含大量的信息冗余。(2) Zemike矩不变量提取，它是一种正交的矩不变量，正交矩在信息冗余度、图像表达以及在识别效果方面比掐类型的矩要好。(3) Shen等提出的基于小波变换的小波矩提取，由于具有时频局部化特征，所以小波矩不仅可以描述图像的全局特征，也可以描述图像的局部特征，不易受噪声的干扰，因而在识别相似的物体时有更高的识别率2。纹理边缘特征反映图像亮度的空间变化情况，具有局部与整体的自相似性。它包括：(1) 空间自相关法，用空间自相关函数来描述纹理的粗糙程度。(2) 共生矩阵法，由Haralick等于1973年首次提出，利用这一方法可得到纹理特征的统计量，常有对比度、能量、嫡等7个特征。图像代数特征提取是以存储图像数据的数据的结构为基础，利用矩阵理论提取图像特征的一种方法。目前主要包括：主成分分析(PCA)、现行判据分析(LDA)、独立成分分析(ICA)和奇异值分解(SVD)等四种方法。图像变换系数特征提取对图像进行各种滤波变换如K-L变换、傅里叶变换、小波变换、小波包变换等，可以将变换的系数作为图像的一种特征。变换系数特征可以看作是二次提取的特征。主要包括：(1) 蒋定定等提出的基于变换的红外图像边缘提取算法，首先利用小波算法对红外图像进行滤噪，然后利用高斯函数作为平滑函数对图像进行水平和垂直方向的小波变换，提取红外图像的边缘特征。(2) YU TAO等用中心投影变换和小波变换来提取图像特征。鉴于以上多种提取方法，本课题主要研究Hu不变矩特征提取和小波矩特征提取这两种方法。1.3 论文的主要工作与章节安排本文立足于国防预研课题，针对红外图像个体识别，对图像的特征提取最新方法计方面开展了较为细致的研究，论文的主要研究内容和章节安排概括如下：第一章阐述了本文的研究背景和意义，讨论了红外特征提取关键技术的研究现状，最后对论文的主要研究内容和各章节的安排进行了说明。第二章对红外图像的特点、处理及提取方法进行理论研究。 第三章采用Hu不变矩和小波矩设计特征提取方法，并得到