三维物体的识别是计算机视觉领域的核心问题之一,而飞机识别是其中的一个重要应用,目前国内外已有很多研究人员在此方面作了大量的研究与探索。及时准确的识别飞机目标的机型对于空中交通指挥系统有着至关重要的作用,在军事和民用方面都有重要意义。 本文首先综述三维目标识别发展历程,并对现有的几种识别方法进行优缺点分析和比较,而且对目标识别过程中涉及到的各种理论、方法进行深入的分析研究,最后提出了一种标准矩特征提取与神经网络模式识别相结合的方案。本文所做工作如下: 1) 仔细研究数字图像处理的一般步骤及图像阈值处理的几种算法,并对这几种算法进行分析和比较,最终采用最大方差阈值的设定法对飞机图像进行分割,使目标与背景分离。 2) 在飞机目标的特征提取阶段,主要讨论特征的一些概念,特征提取的步骤等,包括矩方法、傅利叶描述子等几种目前比较常用的特征表达式,由于4阶矩的图像峰值反映了目标的形状而且对于目标平移、旋转和大小尺度变化均为不变,所以本实验采用4阶矩作为提取特征的方法对飞机图像进行处理。 3) 在目标识别阶段,先分析和比较了近年来较为广泛采用的几种方法,主要介绍了神经网络识别法,分析了BP算法网络模型的建立、学习规则、网络训练,采用Levenberg-Marquardt算法,及弹性算法对标准的BP网络算法进行改进并应用于飞机识别,得到了良好的效果。 本文提出的方案最终在VC和Matlab上进行实现。通过对2架不同飞机的大量实验证实,本系统性能优越,其识别准确率在99%以上,并且识别速度较快。