西安邮电大学 通信与信息工程学院, 西安 710100
为了高效准确地滤掉云烟雾等悬浮粒子, 减少对激光成像引信工作的影响, 采用了改进的Harris+最小核值相似区域(SUSAN)角点检测算法与矩形度结合的目标识别方法。改进算法在原有Harris和SUSAN算法基础上, 利用8邻域模板标准差对目标像素点进行初次筛选获得候选角点, 经高斯滤波后, 利用改进的角点响应函数值进行二次筛选, 再通过非极大值抑制得到最终角点, 最后利用矩形度对目标与干扰进行二次区分。通过理论分析和实验验证可知, 95%的目标能被有效地识别出来。结果表明, 该方法能高效准确地区分目标与干扰, 同时满足实时性要求, 为激光成像引信抗干扰方面提供了一定的理论参考。
激光技术 目标识别 特征提取 Harris算法 最小核值相似区域算法 laser technique target recognition feature extraction Harris algorithm smallest univalue segment assimilating nucleus alg