（光学工程专业论文）光学联合变换相关目标识别技术的研究.pdf

a b s tr a o t o p t i c a lp a t t e r nr e c o g n i t i o n h a st h e a d v a n t a g e s o fs u p e r i o r h i g hs p e e d a n d p a r a l l e lp r o c e s s i n g ，w h i c h m a k ei tav e r yi m p o r t a n t w a y t or e a l i z ep a t t e mr e c o g n i t i o n p r a c t i c a l l ya n di nr e a lt i m e i t h a sb e e nw i d e l ys t u d i e da n du s e di nt h ef i e l d so f m i l i t a r yt a r g e tr e c o g n i t i o n ，a u t o m a t i o nc o n t r o la n df i n g e r p r i n tr e c o g n i t i o n i nt h i s p a p e r , t w om e t h o d s o fr e a l i z i n g o p t i c a lp a t t e r nr e c o g n i t i o n ，s p a t i a l m a t c h e df i l t e rc o r r e l a t i o na n dj o i n tt r a n s f o r mc o r r e l a t i o n ( j t c ) ，w e r ed i s c u s s e df i r s t w i 血t h ee m p h a s i so nt h ej t c t h i sp a p e ra n a l y z e dt h em o d u l a t i o na n df i l t e r t e c h n i q u eo nj o i n tp o w e rs p e c t m m ( j p s ) ，w h i c h r e d u c e dt h ei n t e n s i t ya n dw i d t ho ft h e s t r o n gd cc o m p o n e n te x i s t i n gi nt h ec l a s s i c a lj o i n t 仃黜f o r mc o r r e l a t o r , i m p r o v e dt h e r e c o g n i t i o na b i l i t yg r e a t l y s e c o n d , b a s e d o nt h e t h e o r y o f s y n t h e t i c d i s c r i m i n a n t f u n c t i o n , s e v e r a l s u b - r e f e r e n c ei m a g e sw e r es y n t h e s i z e dt of o r mt h er e f e r e n c ei m a g eb a s et or e a l i z e r o t a t i o nd i s t o r t i o n i n v a r i a n t r e c o g n i t i o n ，w h i c h a l s os o l v e dt h e i l l p r o b l e m o f s y n t h e s i z i n gas i n g l er e f e r e n c ei m a g ew i t ht h ew h o l et r a i n i n gd i s t o r t e di m a g e sa n d m a d et h ep o s ee s t i m a t i o ne a s i e r t h i r d ，t h ep b a s e e n c o d i n ga n da m p l i t u d em o d u l a t i o nd i s t o r t i o n i n v a r i a n tj t c f o r m u l t i - t a r g e tr e c o g n i t i o n w e r ed e s c r i b e d t h e p r o p o s e d j t c g r e a t l y r e d u c e st h e i n t e n s i t y a n dw i d t ho ft h e s t r o n g d c c o m p o n e n t ，s h a r p e n s t h ec o r r e l a t i o n p e a k ， e l i m i n a t e sc r o s s - c o r r e l a t i o n s a m o n g e a c h i n p u tt a r g e t ， a n dt h e c o n j u g a t e c r o s s c o r r e l a t i o nb e t w e e nt h er e f e r e n c ea n d i n p u tt a r g e t sa tt h es a m e t i m e i no r d e rt oc a l c u l a t et h ed i s c r i m i n a n tp r o b a b i l i t yo ft h eo b j e c t s ，as i m p l eb u t s e l f - e x p l a i n a b l es t a t i s t i c f u n c t i o nw a sp r e s e n t e dt os h o ww h e r et h et r u eo b j e c ta n d f a l s eo b j e c to c c u r r e di nt h eu n k n o w n i n p u ti m a g es e q u e n c e t h i sf u n c t i o na l s ob o d i e d s u c haf a c tt h a tw h e nt h e i n p u t sc o n t i n u o u s l yj u d g e d a st h et r u e o b j e c t s ，t h e p r o b a b i l i t yo f t h et r u ei n p u tw o u l db es t r e n g t h e n e d ，a n do nt h eo t h e rh a n dw h e ns o m e i n p u t sw e r ej u d g e d a st h ef a l s eo b j e c t sc o n t i n u o u s l y , t h ep r o b a b i l i t yo ft h et r u ei n p u t w o u l dh ew e a k e n e d b a s e do nt h ea b o v et h e o r i e s ，t w os o f t w a r e sw e r e d e v e l o p e df o rc o n t i n u o u s l y s h o t i n p u ti m a g e sa n dr a n d o ms h o ti n p u ti m a g e s t h es o f t w a r e sa r e w i t ht h ea b i l i t yo f r e c o g n i z i n g t r u ea n df a l s e o b j e c t s ，e s t i m a t i n g t h e p o s eo ft h e t r u e o b j e c t s a n d 1 1 i c a l c u l a t i n gt h er e c o g n i t i o np r o b a b i l 时o f b o t ht r u eo b j e c ta n df a l s eo b j e c ti nt h ei n p u t i m a g es e q u e n c e f i n a l l y , t h ea u t o m a t i co p t o - e l e c t r o n i c a lh y b r i dj o i n tt r a n s f o r mc o r r e l a t o rw a ss e t u p ，w h i c hp r o d u c e daq u i t eg o o dr e c o g n i t i o nr e s u l tf o rb o t hb i n a r i z e di m a g ea n d c o m p l i c a t e dg r a y s c a l e - l e v e li m a g e s t h i sp a p e ra l s od i s c u s s e dt h ee f f e c t so f l c t vo n j p s am e t h o do fl o w - p a s sf i l t e ra n da p p r o p r i a t eo f f - f o c u sw a su s e dt ow e a k e nt h e s j d e e 任b c to f 恤ei c t v _ k e y w o r d s ：s p a t i a lm a t c h e d f i l t e rc o r r e l a t i o nr e c o g n i t i o n ，j o i n tt r a n s f o r mc o r r e l a t o r ， j o i n t p o w e rs p e c t r u m ，b i n a r i z a t i o n ，a m p l i t u d em o d u l a t i o n ，p h a s e - e n c o d i n g ， s y n t h e t i cd i s c r i m i n a n tf u n c t i o n ；s t a t i s t i c a lr e c o g n i t i o nf u n c t i o n v 博士论文光学联合变换相关目标识别技术的研究 1 1 课题研究背景 1 绪论 模式识别就是对所研究的对象根据其某些特征进行分析、判断和分类，它利 用计算机、光学系统和传感器等设备，模拟人的视觉、听觉、触觉和嗅觉等功能。 模式识别的对象，大体上可以分为两类，一是有直觉形象的，如图片，文字和三 维物体等；一是无直觉形象的，如语言、声音和地震波等。模式识别技术广泛应 用于字符识别、票证识别、工业零件的识别和自动检验、医疗诊断、遥感图片识 别以及军事的目标等任务中。 现代科技的高速发展，对模式识别和计算机视觉提出了更高的要求，其研究 对象也从简单的目标逐步发展到复杂的目标模型。随着计算机技术的发展，数字 模式识别得到了广泛的研究和应用，其优点是可编程，在处理过程中，控制、分 析、判断和存储灵活，运算精度高，缺点是要存储大量数据，而且由于电子计算 机的串行处理的特点，处理速度慢，实时性差。六十年代初，激光器的诞生以及 全息术的重大发展，使人们获得了极好的相干光源和存储信息的途径，从而促进 了光学信息处理的飞速发展。从1 9 6 4 年v a n d e r l u g t 提出用离轴全息方法制作匹 配空间滤波器【1 l 以来，光学模式识别就成为光学信息处理的一个热点，它是通过 光学相关运算识别目标的。其优点是信息处理容量大，运算速度快，基本上按光 速进行，特别适用于实现二维傅里叶变换、二维复函数的卷积和相关等运算等。 但是由于光学系统本身的质量及光学记录材料的影响，光学模拟运算的精度不 高。因此，把光学处理和数字处理结合起来，可以取长补短，相辅相成。例如对 输入图像识别，先用光学系统作二维傅里叶变换或者抽取特征信息，然后将信息 量大大减少的信号送入计算机作数字运算和判断。这种混合光电模式识别系统既 具有光学处理器大信息容量和二维并行处理的能力；又具有数字计算机运算精度 高、灵活性好、便于控制和判断的优点。因此越来越受到人们的重视，并在多种 应用场合，获得了成功的应用。可以说，光电混合光学模式识别，是实现模式识 别实用化的最可行方案。 世界上各个国家都花大量经费在光电混合识别技术上。尤其是美国，从七十 年代开始开发弹上光学相关器，1 9 9 3 年在s p i e 杂志上发表了美国l i t t o n 等公司 丌发小型化强吲的先进光学相关器m r o c i “，发表了飞行试验报告。1 9 9 7 年1 0 月又发表了第二代的光学相关器m r o ci i 的试验结果口】，有极好的判别能力。由 此我们可以看出，军用目标是光学模式识别的重要识别对象，而且目标通常具有 博士论文光学联合变换相关目标识别技术的研究 1 1 课题研究背景 1 绪论 模式识别就是对所研究的对象根据其某些特征进行分析、判断和分类，它利 用计算机、光学系统和传感器等设备，模拟人的视觉、听觉、触觉和嗅觉等功能。 模式识别的对象，大体上可以分为两类，一是有直觉形象的，如图片，文字和三 维物体等；一是无直觉形象的，如语言、声音和地震波等。模式识别技术广泛应 用于字符识别、票证识别、工业零件的识别和自动检验、医疗诊断、遥感图片识 别以及军事的目标等任务中。 现代科技的高速发展，对模式识别和计算机视觉提出了更高的要求，其研究 对象也从简单的目标逐步发展到复杂的目标模型。随着计算机技术的发展，数字 模式识别得到了广泛的研究和应用，其优点是可编程，在处理过程中，控制、分 析、判断和存储灵活，运算精度高，缺点是要存储大量数据，而且由于电子计算 机的串行处理的特点，处理速度慢，实时性差。六十年代初，激光器的诞生以及 全息术的重大发展，使人们获得了极好的相干光源和存储信息的途径，从而促进 了光学信息处理的飞速发展。从1 9 6 4 年v a n d e r l u g t 提出用离轴全息方法制作匹 配空间滤波器【1 l 以来，光学模式识别就成为光学信息处理的一个热点，它是通过 光学相关运算识别目标的。其优点是信息处理容量大，运算速度快，基本上按光 速进行，特别适用于实现二维傅里叶变换、二维复函数的卷积和相关等运算等。 但是由于光学系统本身的质量及光学记录材料的影响，光学模拟运算的精度不 高。因此，把光学处理和数字处理结合起来，可以取长补短，相辅相成。例如对 输入图像识别，先用光学系统作二维傅里叶变换或者抽取特征信息，然后将信息 量大大减少的信号送入计算机作数字运算和判断。这种混合光电模式识别系统既 具有光学处理器大信息容量和二维并行处理的能力；又具有数字计算机运算精度 高、灵活性好、便于控制和判断的优点。因此越来越受到人们的重视，并在多种 应用场合，获得了成功的应用。可以说，光电混合光学模式识别，是实现模式识 别实用化的最可行方案。 世界上各个国家都花大量经费在光电混合识别技术上。尤其是美国，从七十 年代开始开发弹上光学相关器，1 9 9 3 年在s p i e 杂志上发表了美国l i t t o n 等公司 丌发小型化强吲的先进光学相关器m r o c i “，发表了飞行试验报告。1 9 9 7 年1 0 月又发表了第二代的光学相关器m r o ci i 的试验结果口】，有极好的判别能力。由 此我们可以看出，军用目标是光学模式识别的重要识别对象，而且目标通常具有 绪论博士论文 多个姿态，是三维的，识别系统对目标的探测却是二维的，要想由探测到的一两 幅二维图像去识别快速变化中的三维目标本身从原理上讲就属于解数据不全的 反问题，从而这种识别不可能是完全和准确的。国外一部分人把目标的二维图像 在畸变坐标上串联起来构成一种特殊规定的制约曲线或常数，这已证明是失效 的。本课题就是以结构简单的联合变换相关器为基础，从概率统计的创新观点来 实现高精度识别和姿态估计。 1 2 光学模式识别的发展概况 光学模式识别，是建立在光学匹配滤波的理论基础之上的。光学结构如图 1 1 所示。先用全息法制作待识别目标g ( x ，y ) 的匹配滤波器g ( “，v ) ，然后将其放 入秒系统的频谱面上。被相干光均匀照明的输入目标f ( x ，y ) 经过第一个傅立叶 变换透镜之后，其频谱与匹配滤波器相乘，根据相关原理，经过第二个傅立叶变 换透镜之后，在后焦平面上得到输入图像f ( x ，y ) 与图像g ( x ，y ) 的相关结果。通 过检测相关特征判断输入目标的类别。 l 7 j 7 r 、 ” n 一一 i ， u u ， r il 一 ) ， 1f f t lf t 2z 一_ 一l _ i 一 图1 1 匹配滤波器结构 匹配滤波器的相关输出包含三部分：一是沿光轴方向生成的物体f ( x ，y ) 的 几何像。二是图像f ( x ，y ) 和g ( x ，y ) 卷积像，中心位于( 一b ，0 ) ，这两部分对相关 识别不起作用。三是图像f ( x ，y ) 和g ( x ，y ) 的相关像与卷积像对称分布，中心 位于f 6 ，o ) 。二者相同则产生明显的相关亮斑。 为了改善经典匹配滤波器的相关性能，减弱中心直流分量，增强互相关项， 陆续出现了许多改进滤波器，如纯位相滤波器p o f l 4 - 6 】，通过将传统匹配滤波器 的模置1 ，解决了频谱面饱和的问题，增大了衍射效率，其性能类似高通滤波器， 绪论博士论文 多个姿态，是三维的，识别系统对目标的探测却是二维的，要想由探测到的一两 幅二维图像去识别快速变化中的三维目标本身从原理上讲就属于解数据不全的 反问题，从而这种识别不可能是完全和准确的。国外一部分人把目标的二维图像 在畸变坐标上串联起来构成一种特殊规定的制约曲线或常数，这已证明是失效 的。本课题就是以结构简单的联合变换相关器为基础，从概率统计的创新观点来 实现高精度识别和姿态估计。 1 2 光学模式识别的发展概况 光学模式识别，是建立在光学匹配滤波的理论基础之上的。光学结构如图 1 1 所示。先用全息法制作待识别目标g ( x ，y ) 的匹配滤波器g ( “，v ) ，然后将其放 入秒系统的频谱面上。被相干光均匀照明的输入目标f ( x ，y ) 经过第一个傅立叶 变换透镜之后，其频谱与匹配滤波器相乘，根据相关原理，经过第二个傅立叶变 换透镜之后，在后焦平面上得到输入图像f ( x ，y ) 与图像g ( x ，y ) 的相关结果。通 过检测相关特征判断输入目标的类别。 l 7 j 7 r 、 ” n 一一 i ， u u ， r il 一 ) ，1f f t lf t 2z 一_ 一l _ i 一 图1 1 匹配滤波器结构 匹配滤波器的相关输出包含三部分：一是沿光轴方向生成的物体f ( x ，y ) 的 几何像。二是图像f ( x ，y ) 和g ( x ，y ) 卷积像，中心位于( 一b ，0 ) ，这两部分对相关 识别不起作用。三是图像f ( x ，y ) 和g ( x ，y ) 的相关像与卷积像对称分布，中心 位于f 6 ，o ) 。二者相同则产生明显的相关亮斑。 为了改善经典匹配滤波器的相关性能，减弱中心直流分量，增强互相关项， 陆续出现了许多改进滤波器，如纯位相滤波器p o f l 4 - 6 】，通过将传统匹配滤波器 的模置1 ，解决了频谱面饱和的问题，增大了衍射效率，其性能类似高通滤波器， 博士论文光举联台变换相关目标识别技术的研究 兹产叟鞍蕊统莲甏滤凌嚣爨蕊鹣榛关连。二疆纯缒整穗滤渡嚣b p o f t 7 - i o l ， b p o f 可懿粥窆闯光调制器s l m 实融实现，租关输趣近似为。殴数，敬光学效 率戡高。而且这些滤波器在谢一擅类挺的噪声出现的情况下也可达判比较好的识 别饿能。憾是当输入目标发嫩谘如旋转、比例、倾角嚣类型的畸变时，识别性髓 急潮下降。为了解决畸变海题，实珊磅变不变模式讽嗣靛滤波器设计方察生蘩有 舞下a 耱： 1 燮檬瓷抉法【l i - 礤，又称为极一梅棒变换法。避过辩散一稷燮檬变换，将 比例畸变和旋转畸变转换为褒换坐梅系下的平移变换，因为实现匹既滤波的4 f 系统是平移不变的，扶而解决了诧类畸变阉趣。但怒在实际应用中，懑j 篷对多种 实现坐标变换方法的分析，还擞难找到一个切实可行的高稽瘦、结构简单的并行 变羧系统。蘑基在弱羧一辫抟变换漆迸雩- 光学模式识裂露；箍取羧入潜像黪筏置 信恿魄较豳雅，空间兜调截器的低分辨率不藤满避对薅立时频谱进行j c 重数一极坐 标交换的戮求。西诧，这萃申骞法的理论禳藏熬，髓遥没有袋动静安狳系统掇导。 2 练识别函数法s d f l l 5 m 9 。1 9 8 4 年，d ，c a s a l s e n t 提出用综台识别函数制 律凝配空阋滤波器，实魂楚爨不变穗关谖鞠。基本愚蕊是涛器释薅黛黼慷缀戏一 令鹾练霾豫囊，逶：；建线牲缀鸯糖造魄综会谈裂函数，逡嚣合成综合蘧数驻酲窆霾 滤波嚣。巍真墓栝赣入霹，穗篾覆漆毒一天翡福关漳，且蜷镶不疆嚣豁璃交嚣交 化。这种方法在理论上可以宓现平移、比例、旋转游畸变不变识别，假怒缺点也 是鬣瑟嚣撼瓣，它簧耍存谵诲多箍躅豫，势瓣掰礴戆强豫诗薄蠹覆，鬻鼗嚣簧大 量的计算_ 葶口存储空间。事实已- 臌明，采用单一的滤波器进行畸变图像识别时，随 罄缡褥在滤波嚣上黪藿像数秘驰灌热，综合瓷裂疆数法截黪鼹莲琵滤波嚣寓频损 失严重，程数学上越涯予8 瀛羧，露筵谖翳壤麓鼹蓑下海，罄至竞金不戆强弱嚣 蠡。 3 圃谐滤波器c h f l 2 0 - 2 3 。原理是把用极坐标栽示的物分布进行圆谐函数分 缮，震菜一缀次谐波生残隧谴嶷野滤波器，戆实现平移、旋转不变识别，毽不逶 曩予比铡秘强爱不变识剐。m e l l i n 径自谐波滤波法静原理跫对图像邀行援坐标 襄瑟数警糠变换，攒筵设诗魏瓷淘滤波嚣m r c h f 霹鞋实瑰平移、麓转稻院落不 变识剐。俄楚这种畸变不交的识男l j 过程强烈依赖予极坐标系原点斡选择和圆谐分 量级次的滤撵。 4 本征图像法1 2 4 。2 6 1 。对一定范围内的畸变图像，抽取其本征图像，这些图 像怒空爝挺交戆，熊客了艨誊髓变嚣豫蛉完蛋蕊息，豳这些零征躅像竣诂一缝滤 波鼗，每一令滤波嚣龟部蕊客了麓交霆檬翁竞套壤惠，毽缓j 惫又互苓樽怒。童真 器标输入隧，与该缀簧滤波嚣黥鞠哭输出中心强度为常数，丽非曩标输入萸睢不其 有这种徽艨，从而实现畸变不变模式识别。这种方法和综合箍剐函数法的区剐在 i 绪论博士论文 于( 1 ) 本征图像法不是直接由畸变图像构造滤波函数，而是从大量的畸变图像 集中提取本征信息，然后用这些本征信息构造滤波器。( 2 ) 该方法设计的是一组 而不是一个滤波器，这样就提高了识别精度，降低了对单个滤波器的要求。 5 滤波器库的设计【2 7 , 2 8 】。用d a m m a n n 光栅和多焦点全息透镜元件实现单 全息片的大容量存储，可以将目标各种畸变和不同姿态下的匹配滤波器同时记录 在一个全息片上，通过快速开关装置逐个访问，产生相关输出，根据相关峰的大 小及匹配滤波器在全息片上的位置判断是否为目标及目标的姿态。 6 神经网络滤波法【2 9 。3 2 】。模仿人类大脑思维神经的关联存储工作机制，具 有联想记忆的功能，输入目标的部分信息，就可以回忆起全部信息。在理论上很 有意义，但受到记录介质和加工工艺的限制，目前还无法达到理想的识别效果。 以上各方法均是通过设计匹配滤波器实现相关识别的。为了取得更好的识 别效果，可以对图像进行增强处a t 3 3 - 3 6 1 ，如采用l a p l a c i a n 算子增强图像边缘， 滤波器的设计也是基于增强之后的目标的，这样就可得到相对窄的相关峰和高的 信噪比。要使匹配滤波达到很好的识别效果，必须将滤波器的中心与目标频谱面 的中心完全重合否则识别效果会显著下降。但是目标的频谱是谱斑而不是一个 点，故完全调对准很难。 除了匹配滤波相关识别方法外，对三维目标的识别还有如下两种典型的方 法： 1 特征空间轨迹( f s t ) 方法 3 7 , 3 8 1 。通过k l 变换或f k 变换，提取训练集图 像的本征特征，分别将其表示为特征空间中的一点相邻的点用直线连接，直线 上的每一点都可以是目标的某一畸变图像，因此这种特征空间轨迹f s t 的方法 可以表示目标的连续畸变状态。对多类目标识别的问题，要同时构造各类目标的 f s t 。当要判断某一输入的类别时，首先对输入进行相同的特征提取，然后将此 特征表示为特征空间中的点，计算各f s t 上与该点距离最近的点，最近点所在 的f s t 所表示的类别即为输入目标的类别。判断出类别之后，再计算该f s t 上 与输入点距离最近的线段，通过线性插值法进行姿态估计。为了减小特征空间中 的顶点数，可以采用自适应算法，去掉一些对识别目标贡献不是很重要的畸变图 像点，仅保留利于识别的点。 2 基于特征空间变换的神经网络识别法口。首先标定输入图像中的各可能 的目标区域，标定的大小为出现目标的最大可能尺寸，然后对标定的各区域进行 比例缩放，使每一个标定目标的大小为某一预先确定的大小，通常选为最适合后 续计算的最小尺寸。采用主元分析法p c a 或本征特征分离变换e s t 的方法对 各可能的目标进行特征提取，再利用网络系统的容错特性，进行耿闽、反馈和迭 代求出网络系统中各个节点的权重因子，由此构成的网络完成目标识别。 博士论文 光学联合变换相关目标识别技术的研究 与匹配滤波相关器相比，联合变换相关识别不需要提前制作滤波器，且调试 中不存在中心严格对准的要求，因此发展为光学模式识别中的研究热点。联合变 换相关器( j t c ) 的原理如图1 2 所示。将待识别图像通过摄像机传输到计算机中， 并与预先存储在计算机中的参考图像同时显示到空间光调制器( s l m l ) 上，在傅 里叶变换透镜( l 1 ) 的频谱面上用空间光调制器2 ( s l m 2 ) 接收并实时显示联合功率 谱( j p s ) ，联合功率谱经过第二个傅氏变换透镜( l 2 ) 后，在l 2 的后焦平面上得到 目标和参考图像的相关输出。 图1 2 联合变换相关器结构框图 经典联合变换相关器存在两个方面的弱点：一方面，由于联合变换相关存在 较强的零衍射级，从而使输出面中相关输出的衍射效率较低，它影响相关峰的探 测；另一方面，联合变换相关输出面中零级衍射峰的宽度很大，限制了其输入面 的目标图像和参考图像的大小和相对位置，降低了对输入面空间带宽积的使用。 因此，削弱或去除零衍射级，抑制了旁瓣，增强互相关峰的强度，提高相关性能， 就成为设计各种新型的联合变换相关器的依据。由此人们提出了很多有效的改进 方法，如非线性联合变换相关器、条纹调制联合变换相关器、振幅调制联合变换 相关器、联合小波变换相关器以及功率谱相移等等方法，极大地提高了联合相关 的性能。在后续的章节中，对各种方法将进行详细的讨论。 1 3 课题的来源、研究内容、目的和意义 本博士论文来源于兵器科学研究院十五重点技术支撑项目“军用目标图像的 统计模式识别机技术的研究”。 课题深入研究了联合变换相关器的原理和性能，以及对经典联合功率谱的调 制和滤波技术。采用综合识别函数法合成子参考图像，建立参考图像库的方法实 博士论文 光学联合变换相关目标识别技术的研究 与匹配滤波相关器相比，联合变换相关识别不需要提前制作滤波器，且调试 中不存在中心严格对准的要求，因此发展为光学模式识别中的研究热点。联合变 换相关器( j t c ) 的原理如图1 2 所示。将待识别图像通过摄像机传输到计算机中， 并与预先存储在计算机中的参考图像同时显示到空间光调制器( s l m l ) 上，在傅 里叶变换透镜( l 1 ) 的频谱面上用空间光调制器2 ( s l m 2 ) 接收并实时显示联合功率 谱( j p s ) ，联合功率谱经过第二个傅氏变换透镜( l 2 ) 后，在l 2 的后焦平面上得到 目标和参考图像的相关输出。 图1 2 联合变换相关器结构框图 经典联合变换相关器存在两个方面的弱点：一方面，由于联合变换相关存在 较强的零衍射级，从而使输出面中相关输出的衍射效率较低，它影响相关峰的探 测；另一方面，联合变换相关输出面中零级衍射峰的宽度很大，限制了其输入面 的目标图像和参考图像的大小和相对位置，降低了对输入面空间带宽积的使用。 因此，削弱或去除零衍射级，抑制了旁瓣，增强互相关峰的强度，提高相关性能， 就成为设计各种新型的联合变换相关器的依据。由此人们提出了很多有效的改进 方法，如非线性联合变换相关器、条纹调制联合变换相关器、振幅调制联合变换 相关器、联合小波变换相关器以及功率谱相移等等方法，极大地提高了联合相关 的性能。在后续的章节中，对各种方法将进行详细的讨论。 1 3 课题的来源、研究内容、目的和意义 本博士论文来源于兵器科学研究院十五重点技术支撑项目“军用目标图像的 统计模式识别机技术的研究”。 课题深入研究了联合变换相关器的原理和性能，以及对经典联合功率谱的调 制和滤波技术。采用综合识别函数法合成子参考图像，建立参考图像库的方法实 1 绪论博士论文 现了畸变不变识别，提出了基于位相编码振幅调制的联合变换相关技术。编制了 待识别目标姿态发生连续变化以及由任意时刻的图像构成的待识别序列两种情 况下的识别软件，达到了准确无误差的识别效果。论文还建立了基于统计思想的 鉴别函数，具有很强的解释性，通过函数曲线，可以定位真目标和假目标出现的 位置，并反映出连续输入真目标和连续输入假目标时对各自识别概率的影响。最 后建立了自动化的光电混合联合变换相关识别系统，将高精度光学模式识别技术 向实用化推进了一大步。 1 4 论文的主要工作和内容安排 6 本文的主要工作包括如下： 1 论述了实现光学模式识别的两种方案，空间匹配滤波相关识别和联合变 换相关识别的原理和技术。 2 研究了对联合功率谱实施二值化的各种方法，分析了二值化操作对相关 结果的影响。 3 研究了振幅调制联合变换相关器和条纹调制联合变换相关器的性能，分 析了振幅调制中，阈值的选取对互相关峰和相关面信噪比的影响。 4 提出了基于位相编码的多目标识别联合变换相关技术，通过改变调制因 子的大小来改善相关输出的性能，消除了共轭相关项、输入待识别图像 之间的互相关项，并大大降低了零级相关峰的能量和宽度。 5 基于综合识别函数方法，建立了综合合成的子参考图像库，克服了用所 用畸变图像合成一幅参考图像所出现的病态问题，即综合合成的参考图 像的能量分布趋于常数，其相应的频谱趋于6 函数，使在识别中起重要 作用的高频信息严重损失。 6 建立了基于统计思想的判别函数，使该函数具有很好的解释性。通过函 数曲线可以清晰地看出待识别图像序列中判断为真目标的概率和假目标 的概率，真目标和假目标在待识别图像序列中出现的位置，以及连续输 入真目标和连续输入假目标时对各自识别概率的影响。 7 基于u d p 协议编制了两台计算机之间的控制通信程序，开发了基于微视 图像采集卡( m i n i - - a ) 的视频捕捉和存储程序，从而实现了参考图像和目 标图像的刷新和联合功率谱的拍摄的自动化，建立了自动化的联合变换 相关器系统。编制了针对姿态连续变化的输入图像序列和由任意时刻的 图像组成的待识别图像序列的联合相关识别程序。 8 建立了光电混合的联合相关变换相关识别系统并进行了实验，分析了实 验中的误差来源，并提出了解决办法。 1 绪论博士论文 现了畸变不变识别，提出了基于位相编码振幅调制的联合变换相关技术。编制了 待识别目标姿态发生连续变化以及由任意时刻的图像构成的待识别序列两种情 况下的识别软件，达到了准确无误差的识别效果。论文还建立了基于统计思想的 鉴别函数，具有很强的解释性，通过函数曲线，可以定位真目标和假目标出现的 位置，并反映出连续输入真目标和连续输入假目标时对各自识别概率的影响。最 后建立了自动化的光电混合联合变换相关识别系统，将高精度光学模式识别技术 向实用化推进了一大步。 1 4 论文的主要工作和内容安排 6 本文的主要工作包括如下： 1 论述了实现光学模式识别的两种方案，空间匹配滤波相关识别和联合变 换相关识别的原理和技术。 2 研究了对联合功率谱实施二值化的各种方法，分析了二值化操作对相关 结果的影响。 3 研究了振幅调制联合变换相关器和条纹调制联合变换相关器的性能，分 析了振幅调制中，阈值的选取对互相关峰和相关面信噪比的影响。 4 提出了基于位相编码的多目标识别联合变换相关技术，通过改变调制因 子的大小来改善相关输出的性能，消除了共轭相关项、输入待识别图像 之间的互相关项，并大大降低了零级相关峰的能量和宽度。 5 基于综合识别函数方法，建立了综合合成的子参考图像库，克服了用所 用畸变图像合成一幅参考图像所出现的病态问题，即综合合成的参考图 像的能量分布趋于常数，其相应的频谱趋于6 函数，使在识别中起重要 作用的高频信息严重损失。 6 建立了基于统计思想的判别函数，使该函数具有很好的解释性。通过函 数曲线可以清晰地看出待识别图像序列中判断为真目标的概率和假目标 的概率，真目标和假目标在待识别图像序列中出现的位置，以及连续输 入真目标和连续输入假目标时对各自识别概率的影响。 7 基于u d p 协议编制了两台计算机之间的控制通信程序，开发了基于微视 图像采集卡( m i n i - - a ) 的视频捕捉和存储程序，从而实现了参考图像和目 标图像的刷新和联合功率谱的拍摄的自动化，建立了自动化的联合变换 相关器系统。编制了针对姿态连续变化的输入图像序列和由任意时刻的 图像组成的待识别图像序列的联合相关识别程序。 8 建立了光电混合的联合相关变换相关识别系统并进行了实验，分析了实 验中的误差来源，并提出了解决办法。 博士学位论文 光学联合变换相关目标识别技术的研究 2 联合变换相关识别的原理及调制滤波技术 2 1 联合变换相关器的原理 联合变换相关器的结构框图如图1 2 所示。设输入面中放置的目标图像和参考图 像分别为t ( x ，y y ) 和r ( x ，y + y ) ，即联合输入图像为 f ( x ， = r ( x ，y + y 。) + t ( x ，y y )( 2 1 1 ) 则傅立叶频谱为 f ( u ，v ) = i r ( u ，v ) e x p g , ( u ，v ) e x p ( j v y 。) + l t ( u ，v ) l e x p g , ( u ，v ) e x p ( - j v y ) ( 2 1 2 ) 联合功率谱j p s 为 i f ( u , v ) 1 2 = l r ( u ，v ) 1 2 + i 丁( v ) i2 + 2 l r ( u ，v ) 0 r ( ”，v ) l c o s g , ( “，v ) 一卉( ”，v ) + 2 v y 】( 2 1 3 ) ( t , v ) 是空间频率坐标，以等标度。l r ( u ，v ) i 和l 丁( “，v ) 1 分别为参考图像和目标的傅立 彤 叶变换的振幅，办( “，v ) 和破( “，v ) 为各自频谱的位相。由上式可以看出，联合相关变 换的功率谱是振幅调制的正弦型光栅结构的干涉强度分布，其相关峰可以视为该正弦 光栅结构的一级衍射峰。经典的联合变换相关输出就是直接对上式进行逆傅立叶变换 得到的。前两项的傅立叶变换产生参考图像和目标图像各自的自相关输出。属于零衍 射级，后一项产生我们所需要的互相关输出。 设联合输入图像如图2 1 所示，经典联合变换相关器所得到的相关结果如图2 2 所示。由图可以看出，经典联合变换相关器的直流分量( 零级项) 占相关输出面的大部 分能量，而互相关输入与零衍射级相比，能量很弱。当目标图像和参考图像之间的中 心距离很近时，互相关项将被淹没于零级项中，导致识别困难。因此需要对联合功率 谱进行调制和滤波处理，改善相关性能。 图2 1 联合输入图像 博士学位论文 光学联合变换相关目标识别技术的研究 2 联合变换相关识别的原理及调制滤波技术 2 1 联合变换相关器的原理 联合变换相关器的结构框图如图1 2 所示。设输入面中放置的目标图像和参考图 像分别为t ( x ，y y ) 和r ( x ，y + y ) ，即联合输入图像为 f ( x ， = r ( x ，y + y 。) + t ( x ，y y )( 2 1 1 ) 则傅立叶频谱为 f ( u ，v ) = i r ( u ，v ) e x p g , ( u ，v ) e x p ( j v y 。) + l t ( u ，v ) l e x p g , ( u ，v ) e x p ( - j v y ) ( 2 1 2 ) 联合功率谱j p s 为 i f ( u , v ) 1 2 = l r ( u ，v ) 1 2 + i 丁( v ) i2 + 2 l r ( u ，v ) 0 r ( ”，v ) l c o s g , ( “，v ) 一卉( ”，v ) + 2 v y 】( 2 1 3 ) ( t , v ) 是空间频率坐标，以等标度。l r ( u ，v ) i 和l 丁( “，v ) 1 分别为参考图像和目标的傅立 彤 叶变换的振幅，办( “，v ) 和破( “，v ) 为各自频谱的位相。由上式可以看出，联合相关变 换的功率谱是振幅调制的正弦型光栅结构的干涉强度分布，其相关峰可以视为该正弦 光栅结构的一级衍射峰。经典的联合变换相关输出就是直接对上式进行逆傅立叶变换 得到的。前两项的傅立叶变换产生参考图像和目标图像各自的自相关输出。属于零衍 射级，后一项产生我们所需要的互相关输出。 设联合输入图像如图2 1 所示，经典联合变换相关器所得到的相关结果如图2 2 所示。由图可以看出，经典联合变换相关器的直流分量( 零级项) 占相关输出面的大部 分能量，而互相关输入与零衍射级相比，能量很弱。当目标图像和参考图像之间的中 心距离很近时，互相关项将被淹没于零级项中，导致识别困难。因此需要对联合功率 谱进行调制和滤波处理，改善相关性能。 图2 1 联合输入图像 2 联合变换相关识别的原理与调制滤波技术 博士论文 图2 2c j t c 的相关输出结果 与匹配滤波相关器相比，联合变换相关器具有如下优点： ( 1 ) 实时识别和自适应的特点，因为它不需要提前制作滤波器，只需将参考物图 形存储于计算机中，相关时将其与目标同时显示在液晶电视l c t v 或其他空间光调制 器s l m 上。 ( 2 ) 探测联合变换功率谱可以是一个非线性的处理过程，从而提高相关性能。 ( 3 1 由于我们对相关峰的形状并不特别感兴趣，所以可以选择功率谱的一部分来 产生干涉条纹。 ( 4 ) 如果采用短焦距傅里叶变换透镜加一个放大透镜，系统的总长度可以大大缩 短。 目前联合变换相关器技术已经广泛应用于诸如指纹识别、光纤检测 4 1 ，4 2 1 、工业 零件识另l j 4 3 、汽车牌照识别【4 4 l 以及三维跟踪h 5 】等领域，并取得了很好的识别效果。 2 2 联合功率谱的调制滤波技术 由于联合变换的目标图像和参考图像是同时显示在输入面的空间光调制器 ( s l m ) 上，根据联合变换相关原理，经典联合变换相关器存在两个方面的弱点：一 方面，由于联合变换相关存在较强的零衍射级，从而使输出面中相关输出的衍射效率 较低，它影响相关峰的探测；另一方面，联合变换相关输出面中零级衍射峰的宽度很 大，限制了其输入面的目标图像和参考图像的大小和相对位置，降低了对输入面空间 带宽积的使用。 因此，削弱或去除零衍射级，抑制了旁瓣，增强互相关峰的强度，特别是在多目 2 联合变换相关识别的原理与调制滤波技术 博士论文 图2 2c j t c 的相关输出结果 与匹配滤波相关器相比，联合变换相关器具有如下优点： ( 1 ) 实时识别和自适应的特点，因为它不需要提前制作滤波器，只需将参考物图 形存储于计算机中，相关时将其与目标同时显示在液晶电视l c t v 或其他空间光调制 器s l m 上。 ( 2 ) 探测联合变换功率谱可以是一个非线性的处理过程，从而提高相关性能。 ( 3 1 由于我们对相关峰的形状并不特别感兴趣，所以可以选择功率谱的一部分来 产生干涉条纹。 ( 4 ) 如果采用短焦距傅里叶变换透镜加一个放大透镜，系统的总长度可以大大缩 短。 目前联合变换相关器技术已经广泛应用于诸如指纹识别、光纤检测 4 1 ，4 2 1 、工业 零件识另l j 4 3 、汽车牌照识别【4 4 l 以及三维跟踪h 5 】等领域，并取得了很好的识别效果。 2 2 联合功率谱的调制滤波技术 由于联合变换的目标图像和参考图像是同时显示在输入面的空间光调制器 ( s l m ) 上，根据联合变换相关原理，经典联合变换相关器存在两个方面的弱点：一 方面，由于联合变换相关存在较强的零衍射级，从而使输出面中相关输出的衍射效率 较低，它影响相关峰的探测；另一方面，联合变换相关输出面中零级衍射峰的宽度很 大，限制了其输入面的目标图像和参考图像的大小和相对位置，降低了对输入面空间 带宽积的使用。 因此，削弱或去除零衍射级，抑制了旁瓣，增强互相关峰的强度，特别是在多目 簿士学憾