基于支持向量机的长波红外目标分类识别算法

作     者：王周春 崔文楠 张涛 WANG Zhouchun;CUI Wennan;ZHANG Tao

作者机构：中国科学院上海技术物理研究所上海200083 中国科学院大学北京100049 上海科技大学上海201210 中国科学院智能红外感知重点实验室上海200083 

出 版 物：《红外技术》 (Infrared Technology)

年 卷 期：2021年第43卷第2期

页      面：153-161页

核心收录：

学科分类：080901[工学-物理电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0803[工学-光学工程] 

主　　题：长波红外目标 支持向量机 识别特征 目标识别 

摘      要：红外图像的分辨率低和色彩单一,但由于红外设备的全天候工作特点,因而在某些场景具有重要作用。本文采用一种基于支持向量机(support vector machine,SVM)的长波红外目标图像分类识别的算法,在一幅图像中,将算法提取的边缘特征和纹理特征作为目标的识别特征,输入到支持向量机,最后输出目标的类别。在实验中,设计方向梯度直方图+灰度共生矩阵+支持向量机的组合算法模型,采集8种人物目标场景图像进行训练和测试,实验结果显示:相同或者不相同人物目标,穿着不同服饰,算法模型的分类识别正确率较高。因此,在安防监控、工业检测、军事目标识别等运用领域,此组合算法模型可以满足需要,在红外目标识别领域具有一定的优越性。