论文部分内容阅读
本文结合数字图像处理、计算机视觉技术、模式识别和人工智能等多门学科对月球撞击坑识别技术的预处理、特征的提取和撞击坑的分类识别方法进行了研究,在结合这些方法和技术实现了基于图像处理的月球撞击坑识别系统。本文首先研究了撞击坑图像的预处理方法,介绍了图像的滤波和边缘检测等常用的预处理方法,并且在传统的中值滤波算法上做了改进,使得在撞击坑图像处理的效果上有了较大的提高,还着重研究了预处理效果很好的直方图规定化算法。然后,针对月球撞击坑图像的特殊性本文对撞击坑图像的Haar-like特征与PHOG特征进行了深入的研究。撞击坑图像特征的提取决定撞击坑识别准确率的高低,提取一个好的特征能在一定程度上大大提高撞击坑识别的准确率,并能在很大程度上缩短系统计算所需的时间。本文还研究了撞击坑图像的分类识别算法,对常用的基于模板匹配与贝叶斯的分类算法进行了介绍,着重研究了基于AdaBoost和SVM的分类算法。并且详细介绍了采用不同的分类算法与不同的特征相结合的算法在识别准确率与所需时间上的对比分析,主要研究了采用AdaBoost分类法与Haar-like特征相结合、SVM分类法与PHOG特征相结合以及采用AdaBoost分类进行初步分类与SVM分类进行精分类的分类算法的对比分析。基于以上图像处理、特征提取和分类研究的方法和技术,本研究过程中还设计了一个基于图像处理的撞击坑自动识别系统软件包,并利用该软件包对这些方法和算法进行了验证。实验表明本文研究的月球撞击坑系统具有较快的识别速度、较高的准确率,对月貌撞击坑的自动识别具有一定的实际应用意义。