论文部分内容阅读
随着各种空间光调制器和高分辨率CCD器件的迅速改进和广泛应用,光电混合模式识别系统日益受到重视。电子系统的灵活性和可编程性使许多非线性技术能够很容易的被应用于光学模式识别领域。本论文所要研究的空域二值化非线性相关器(Spatial Binary Nonlinear Correlator,简称SBNC)就是一类性能出色的非线性光学模式识别系统。在SBNC中,输入图像和参考图像首先被分解为一系列的二值灰度图片。这些二值图片之间的线性相关结果线性求和就得到所谓的SBNC。根据图像分解方式的不同,SNBC分为两类:基于片状正交非线性广义分解的片状正交非线性广义相关器(SlicedOrthogonal Nonlinear Generalized Correlation,简称SONG相关器)和基于阈值分解的形态相关器(Morphological Correlation,简称MC)。与普通线性相关相比,SBNC无论在识别度还是在抗噪性能方面都有较明显的提高。然而,作为一类新兴的非线性相关器,SBNC仍存在着许多缺陷。SONG相关器和MC的相关峰还存在着较宽的旁瓣,严重影响目标定位。它们在抗噪性能方面的仍局限在较小的噪声强度范围内。而且,MC的信号强度比普通线性相关弱很多。把一些发展已经较为成熟的滤波器技术引入到SBNC的设计中,进一步提高原有SBNC的性能,正是本文所要研究的主题。纯位相滤波器(Phase-Only Filter,简称POF)和条纹调节滤波器(Fringe-Adjusted Filter,简称FAF)是两类性能优良且在模式识别领域得到广泛应用的滤波器技术。我们把这两种方法应用到SONG相关器中,提出了基于SONG分解的纯位相滤波器(POF Based on SONG Decomposition,简称PBS)和条纹调节联合变换相关器(SONG Decomposition Based Fringe-Adjusted JointTransform Correlation,简称SBFJTC),以及它们的光电混合制备系统。在这两种相关器中,原来SONG相关器定义中的各子线性相关被POF和条纹调节联合变换相关器所取代。模拟结果表明新引入的POF和FAF成功消除了相关峰的多余旁瓣,提高了相关信号的强度。此外PBS和SBFJTC还显示出远强于普通线性相关和SONG相关器的抗高斯噪声和替换噪声的能力。由于MC与SONG相关器一样也涉及到一系列线性相关的叠加,因此POF和FAF也能够通过取代线性相关很容易地被应用到MC的设计中。为此,我们提出了形态纯位相相关器(Morphological Phase-Only Correlation,简