1. 研究目的与意义（文献综述）
目标识别是指一个特殊目标（或一种类型的目标）从其它目标（或其它类型的目标）中被区分出来的过程。它既包括两个或者多个非常相似目标的识别，也包括一种类型的目标同其他类型目标的识别。目标识别在图像中的应用就是图像识别。图像识别的研究很早就开始了，现在所看到的日常生活中的图像识别的应用也很广泛，指纹识别、人脸识别、地质地貌识别、遥感图像识别、医学诊断、工业产品检测、天气预报等等都是图像识别的应用之一，在实际生活中广泛应用于军事和民用工业中。国内外的学者在近几十年的研究中对图像识别的研究越来越深入，主要针对图像识别的成功率和图像识别的速度以及图像识别的新算法的研究，从而目标识别的方法也越来越多，比如统计模式识别、句法结构模式识别等等，近年来人工智能逐渐发展，这将是对目标识别的新的研究方向提供了新的思路。在研究过程中成型的算法也越来越多，有的算法已经比较成熟，但是更多的是新的算法的提出，研究的深度也在不断的提升。比如Harris算法、SUSAN算法等等都是基于图像的特征提取，通过图像的特征提取再采用特征的匹配来完成图像的识别的一种重要的方法。这为图像识别的进一步的研究也提供了新思路，也是许多的新技术基本的研究内容之一。图像识别的研究不仅仅是一个领域的推动，它所涉及到的研究的方向和技术也很多，目标数据的获取、图像的预处理、图像的特征的提取与选择、分类决策以及分类器的设计等等都是图像识别重要的内容。
图像识别作为图像处理领域的重要研究内容和技术，准确和快速的识别技术一直是发展的方向。大量的运算量是传统的图像识别技术的重要特点，在运算量和识别精度之间存在着不可调和的矛盾，过大的运算量也会对识别的速度产生一定的影响。采用奇异谱分析的方法进行目标识别在实质上也是基于图像的特征的提取和匹配的思路，能够兼顾整体和局部的特征，相对减少数据的运算量提高识别效率。采用这种方法不仅能丰富图像识别技术及其应用的研究思路，而且具有一定的理论意义和应用价值。
2. 研究的基本内容与方案
本论文研究的基本内容是基于奇异谱的目标识别的技术，主要是将提取到的图像利用奇异谱的方法进行图像特征的提取，对特征进行参数的描述，然后运用所描述的参数来进行参数的匹配，完成图像的识别的目标。在研究的过程中会涉及到不同的奇异谱的计算方法对图像识别的影响的研究和不同的判决规则对图像识别的影响和研究等等。
本论文将采用的技术方案如下：首先需要分类的图像需要一定的同类图像的图片，对图片进行一定的处理，包括图片的尺寸的变换，是否进行图像的边缘提取等等。然后设计相应的算法进行图像的特征值的提取，其中最主要的是奇异谱的计算，奇异谱的计算将采用直接计算法和数盒子的方法来完成计算，将得到的图像的特征值进行存储，然后采用合适的判决规则来完成图像的分类识别，其中有多种判决规则，一种是BP神经网络的判决方法，另外一种是最小距离分类器的方法来完成图像的识别等。BP神经网络需要一组数据作为训练数据，另外一组数据作为测试数据；最小距离分类器则采用的是需要计算一个参数值作为这一类图像的特征值，其余图像计算出来的数据和该特征值比较，如果相同则为同一类图像，从而完成图像的识别。基于此方法，有可能还将采用自己设计的一个判决方法，主要是融合各个图像识别算法的优点，提高图像的识别率和准确率，完成目标识别的任务。
3. 研究计划与安排
1-3周：查阅相关文献资料，熟悉题目含义及基本研究内容，了解国内外的研究现状，撰写开题报告。
4-9周：完成相关理论知识的学习与研究，对图像处理及目标识别技术进行学习，对奇异谱分析方法进行学习研究，对图像识别的判决规则进行学习。
10-14周：复习matlab相关知识，对基于奇异谱分析的目标识别算法进行仿真实现。
4. 参考文献（12篇以上）
[1] 蒲小勤.基于多重分形的图像识别研究[d].西北大学.2009.
[2] 王瑞.多重分形及其在图像识别中的应用[d].西北大学.2010.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
