神經網路用於自動目標辨識系統之研究

Abstract

目標自動辨識是一件不容易的工作， 特別是在複雜的背景環境與訊號 - 雜訊比低的情況下，更是如此。由於自動目標辨識涉及從複雜、不確定的環境中擷取重要的資訊，傳統的影像處理、圖像辨識、人工智慧等技巧只能解決部分的問題，因此，應用新的方法來解決自動目標辨識的問題就刻不容緩。一個好的自動目標辨識系統除了要能適應目標物和環境的變化外，還必須能夠擷取到不受目標物平移、旋轉、放大、縮小、局部遮掩與環境影響的特徵。神經網路具有從範例中學習、自適應、平行處理分散式儲存、容錯能力等特性，目前已在許多實際應用上穫至令人鼓舞的進展，因此，本計畫擬採用神經網路來建立自動目標辨識系統。本計畫的第一年裡，我們已經完成在理想狀態下（即環境背景單純化），將目標物影像從原始影像中分離出來，再利用特徵抽取的技巧，得到目標物的特徵向量。接下來是將事先指定的數個目標物影像用來訓練神經網路，這個完成學習的神經網路將被用來當作分類器使用。目前，自動目標辨識系統雛形已經完成，正在進行測試辨識率。本年度將在上述的成果基礎上，考慮目標物受到地形地物、花草樹木的局部遮掩的情況下的目標辨識。因此，我們將著重於設計一個能重建破碎邊界、消除雜訊的邊界偵測器；找尋一組不受目標物及環境影響的特徵；設計能處理多組特徵融合的神經網路。