王志强 论文 最终.docVIP

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
王志强 论文 最终.doc

分类号 密级 UDC   编号 本科毕业论文(设计) 题目 基于图像识别的激光打靶系统设计 系 别 物理与电子信息学院 专 业 名 称 应用物理学 年 级 2009级 学 生 姓 名 王志强 学 号 0950730008 指 导 教 师 王筠 二〇一三年四月 论文原创性说明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除文中已经标明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本论文的研究做出贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名: 日期: 年 月 日 文献综述 1.概述 所谓数字图像处理就是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为。实质上数字图像是一段能够被计算机还原显示和输出为一幅图像的数字码[1]。 21世纪是一个充满信息的时代,图像作为人类感知世界的视觉基础,是人类获取信息、表达信息和传递信息的重要手段。 数字图像处理,即用计算机对图像进行处理,其发展历史并不长。数字图像处理技术源于20世纪20年代,当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片,它采用了数字压缩技术。首先数字图像处理技术可以帮助人们更客观、准确地认识世界,人的视觉系统可以帮助人类从外界获取3/4以上的信息,而图像、图形又是所有视觉信息的载体,尽管人眼的鉴别力很高,可以识别上千种颜色,但很多情况下,图像对于人眼来说是模糊的甚至是不可见的,通过图象增强技术,可以使模糊甚至不可见的图像变得清晰明亮。另一方面,通过数字图像处理中的模式识别技术,可以将人眼无法识别的图像进行分类处理。通过计算机模式识别技术可以快速准确的检索、匹配和识别出各种东西[2]。 数字图像处理技术已经广泛深入地应用于国计民生休戚相关的各个领域。比如“米勒斯”(MILES)是多元一体化激光交战系统,由美军在70年代研制而成,其原理是利用装在一些武器平台上(如步枪、坦克、直升机)的激光来模拟子弹、炮弹的发射,接收端则利用传感器接收激光信号并进行处理,不仅安全可靠,且模拟效果精确、逼真。到了80年代末期,MILES系列又升级到了MILESⅡ,将MILESⅡ系列与SAWE(模拟区域武器效应)系统一起使用时,间接开火和直接开火相结合可进增大模拟的范围。MILESⅡ/SAWE还可以通过GPS(全球定位系统)把所有参与训练的士兵、车辆和武器联系在一起,达到模拟区域武器效应的效果,如模拟大炮、化学制品和地雷等。MILESⅡ/SAWE已在美军的训练中心中使用:如加州Fort Irwin的国家训练中心,Lousiana州Fort Polk的联合备战训练中心。 随着技术的不断进步,MILES又推出了其强化型系列-MILES 2000,除了具有很强的适用性外,还具有战场程序工作的能力,功能更强,模拟范围更广。俄罗斯也推出了一种名为9Φ838的新型激光模拟射击训练器,它是俄罗斯仪表制造业的必威体育精装版研究成果,主要供排级部队使用。同时还推出了RPG系列便携式火箭筒(HC8、9)、卡拉什尼科夫系列冲锋枪和机枪(HCI)型、CBD狙击步枪(HC5型)、“混血儿”反坦克导弹系统(HC10型)[3] ; 基于局部特征匹配的方法 理论上要求识别系统具有通用性、稳健性且学习简单。传统的图像描述方法采用的是全局特征,旨在将目标作为一个整体,从大量包含目标的图片集中学习并抽取全局特征,如面积、周长、不变矩等,并采用统计分类技术进行目标分类。这种识别方法有以下缺陷:(1)对于结构复杂的图像,识别效果受到图像分割精度的制约;(2)需要学习大量的数据以及较长的训练时间;(3)由于没有捕捉到图像中的局部信息,当目标的形状发生较大变化时,比如目标被局部挡住,就会导致全局特征的突然变化,对于目标识别是非常不利的。最近,基于局部区域特征匹配的算法[5],在物体识别领域里取得了相当好的效果。局部特征目前还没有一个统一的定义,它的提出主要是相对全局特征而言,用局部特征对图像进行描述时可以得到图像中物体的局部信息。在复杂背景下,噪声干扰较大、局部遮挡、目标姿态发生变化的情况下,利用局部信息进行目标识别是非常有效的。如同基于视图的方法,该方法从物体的图像中学习并构造物体的模型,同时提取局部图像块的特征用于匹配。 而基

文档评论(0)

dzzj200808 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档