1、伴著國(guó)家經(jīng)濟(jì)的快速發(fā)展，大量資金投入到科技事業(yè)發(fā)展進(jìn)程中，計(jì)算機(jī)科技領(lǐng)域和數(shù)字化圖像分析和處理技術(shù)實(shí)現(xiàn)了質(zhì)的飛越，隨著海軍的重要性在現(xiàn)代的軍事戰(zhàn)爭(zhēng)中的不斷提升以及多樣的擁有先進(jìn)作戰(zhàn)設(shè)備的作戰(zhàn)艦船的不斷推陳出新，能夠?qū)δ繕?biāo)進(jìn)行識(shí)別并施以打擊變得更加重要。由于海天背景比較復(fù)雜（云層和海浪的干擾）以及氣象條件不穩(wěn)定，導(dǎo)致目標(biāo)可能會(huì)與海面上的干擾背景混為一體，這樣就使得圖像中的艦船目標(biāo)的識(shí)別變得具有挑戰(zhàn)性。隨著成像技術(shù)的發(fā)展，基于圖像處理的目標(biāo)

2、識(shí)別逐漸成為研究的熱點(diǎn)，目前應(yīng)用的主要圖像種類有可見光圖像、遙感圖像、視頻圖像等。對(duì)于圖像的處理技術(shù)成為信息綜合的重要部分。獲取的可見光圖像中的艦船目標(biāo)能夠較好地體現(xiàn)各種不同類型艦船的主要特征，通過(guò)對(duì)與這類圖像的處理和圖像中艦船目標(biāo)的識(shí)別可以實(shí)現(xiàn)對(duì)于不同類型艦船的智能識(shí)別。
　　首先對(duì)本課題相關(guān)的艦船目標(biāo)識(shí)別的基礎(chǔ)知識(shí)，以及課題的研究背景與意義進(jìn)行了研究，并對(duì)課題研究的國(guó)內(nèi)外現(xiàn)狀進(jìn)行了解與分析，以便后面有側(cè)重地研究并解決所遇到的問(wèn)

3、題。
　　然后針對(duì)采集到的圖像會(huì)受到周圍采集環(huán)境的影響，需要對(duì)圖像進(jìn)行去除噪聲的預(yù)處理操作。將改進(jìn)的Wavelet變換與Ridgelet變換融合進(jìn)行實(shí)驗(yàn)，并分析評(píng)價(jià)標(biāo)準(zhǔn)，根據(jù)評(píng)價(jià)標(biāo)準(zhǔn)評(píng)判本文算法是否有效；針對(duì)圖像中對(duì)比度低、部分目標(biāo)邊緣模糊的特點(diǎn)，采用模糊對(duì)比度增強(qiáng)的方法來(lái)提高圖像中艦船與周圍背景的對(duì)比度，同時(shí)能夠使目標(biāo)輪廓邊緣附近的像素起伏變大，進(jìn)而增強(qiáng)目標(biāo)邊緣，通過(guò)仿真結(jié)果來(lái)驗(yàn)證算法的有效性。
　　其次對(duì)于分割工作來(lái)說(shuō)，

4、先從縮小目標(biāo)可能會(huì)或一定會(huì)存在的區(qū)域范圍入手，分析了海面背景中會(huì)存在水域區(qū)域與天空區(qū)域，且面積大約相等、灰度值有一定差別、灰度分布均勻等特點(diǎn)，運(yùn)用PCNN模型（脈沖耦合神經(jīng)網(wǎng)絡(luò)模型）結(jié)合最大香農(nóng)熵的評(píng)判標(biāo)準(zhǔn)來(lái)實(shí)現(xiàn)水域分割，在此基礎(chǔ)上利用Hough（霍夫）變換確定海天線位置，能去除大部分與艦船目標(biāo)無(wú)關(guān)且會(huì)有所干擾的背景，進(jìn)而在提取目標(biāo)特征的基礎(chǔ)上對(duì)特征進(jìn)行融合，濾除干擾因素，利用多特征融合的方法將圖像中的艦船目標(biāo)突顯出來(lái)，再使用自適應(yīng)閾值

5、最終進(jìn)行分割。將分割結(jié)果與原始圖像中的目標(biāo)相對(duì)比，觀察分割后對(duì)于目標(biāo)輪廓信息的保存完整程度，來(lái)驗(yàn)證算法的可行性。
　　最后在進(jìn)行識(shí)別艦船之前，需要進(jìn)行艦船的特征提取，對(duì)常用的矩特征進(jìn)行研究，針對(duì)矩特征對(duì)于旋轉(zhuǎn)不變性的不足，進(jìn)而將Gabor特征引入艦船的特征提取工作中，針對(duì)提取出來(lái)的Gabor特征的高維數(shù)不利于后續(xù)計(jì)算的問(wèn)題，采用核主成分分析方法進(jìn)行壓縮降維，為了使識(shí)別速度快并具有更好的適應(yīng)性，研究了一種適用于多種的不同類型的樣本進(jìn)