检索结果-南通市图书馆

基于多窗二值局部熵的特征提取方法及其在红外目标识别中的应用

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2005年第5期18卷 621-627页

作者：张世俊敬忠良李建勋上海交通大学电子信息与电气工程学院航空航天信息与控制研究所上海200030

特征提取是模式分类及识别的重要组成部分。结合局部熵描述图像局部性质的特性,本文提出一种基于多窗二值局部熵的特征提取算法。通过几何矩的规范性变化,使得由多窗局部熵提取出的特征量同时具备了平移及比例不变性,并引入圆形局部窗... 详细信息

特征提取是模式分类及识别的重要组成部分。结合局部熵描述图像局部性质的特性,本文提出一种基于多窗二值局部熵的特征提取算法。通过几何矩的规范性变化,使得由多窗局部熵提取出的特征量同时具备了平移及比例不变性,并引入圆形局部窗使得特征量具备旋转不变性。利用最近邻法对标准飞机模式库中的12种飞机及真实红外目标的分类识别实验结果表明,这种方法提取的特征量具有计算简单且对噪声影响不敏感的特性,其性能优于矩不变量及Zernike矩。

关键词：多窗二值局部熵特征提取红外目标识别

在线全文

学校读者我要写书评

暂无评论

一种改进的红外目标识别算法

模式识别与人工智能 2010年第1期23卷 115-119页

作者：刘靳姬红兵西安电子科技大学电子工程学院西安710071

提出一种基于一维搜索和距离函数的快速独立分量分析(FastICA)特征提取改进算法.该算法针对FastICA中迭代初始值的选取影响其收敛性的问题,通过一维搜索策略使其收敛性不依赖于初始值的选取.与此同时,根据红外图像的特性设计类内类间距... 详细信息

提出一种基于一维搜索和距离函数的快速独立分量分析(FastICA)特征提取改进算法.该算法针对FastICA中迭代初始值的选取影响其收敛性的问题,通过一维搜索策略使其收敛性不依赖于初始值的选取.与此同时,根据红外图像的特性设计类内类间距离函数准则对提取的独立分量进行优化选择,保留对目标识别贡献大的独立分量特征,从而克服在高维特征子空间下随着训练图像样本数的增多,红外目标识别率和稳定性下降的问题.实测数据实验结果表明,与传统算法相比,该算法能够在提取少量红外目标特征的情况下达到更低的错分率,且算法在不同类别数下的错分率具有较强的鲁棒性.

关键词：模式分类红外目标识别快速独立分量分析错分率鲁棒性

在线全文

学校读者我要写书评

暂无评论

基于包围盒约束光谱聚类的红外目标识别算法

红外与激光工程 2021年第11期50卷 367-372页

作者：郭文凤焦志刚沈阳理工大学装备工程学院辽宁沈阳110159

在红外成像过程中,目标边缘模糊化是影响红外目标识别效果的关键因素,也是红外目标识别算法的研究重点,故在光谱图像中合理补偿目标几何特征信息成为研究热点之一。结合包含目标几何特征信息的包围盒作为约束条件,对红外光谱图像进行分... 详细信息

在红外成像过程中,目标边缘模糊化是影响红外目标识别效果的关键因素,也是红外目标识别算法的研究重点,故在光谱图像中合理补偿目标几何特征信息成为研究热点之一。结合包含目标几何特征信息的包围盒作为约束条件,对红外光谱图像进行分层限定滤波,降低原有图像数据中目标几何外形数据的丢失,提高目标可识别性。设计了在包围盒约束条件下的光谱聚类算法,设置参数η表征待测军用车辆目标的几何信息,设置参数m表征待测军用车辆目标的光谱特征信息。实验采用TEL-1000-MW型红外成像光谱仪获取多光谱图像,通过改变m和η值调整光谱特征值个数与包围盒范围,从而获得不同的目标识别图像。并与传统方法对同一幅红外目标图像的识别效果相比较,结果发现采用包围盒约束的待测目标图像几何边界信息保留效果明显优于传统方法,当m=10、η=0.7时,红外图像的目标识别效果最好,同时算法收敛速度也最优。由此可见,该算法在提高红外目标识别能力、避免误判伪目标和漏检目标方面具有很高的实用价值。

关键词：红外目标识别光谱聚类包围盒约束军用车辆

在线全文

学校读者我要写书评

暂无评论

采用优化卷积神经网络的红外目标识别系统

光学精密工程 2021年第4期29卷 822-831页

作者：刘可佳马荣生唐子木梁捷刘斌 63726部队宁夏银川750004

针对视频数据利用低效和光测设备目标识别能力较弱的问题,提出一种使用海量视频数据建立数据库进而构建红外目标识别系统的方法。首先设计快速红外目标检测算法,提取目标并分类建立数据库;然后结合特定任务建立一组较匹配且结构不同的... 详细信息

针对视频数据利用低效和光测设备目标识别能力较弱的问题,提出一种使用海量视频数据建立数据库进而构建红外目标识别系统的方法。首先设计快速红外目标检测算法,提取目标并分类建立数据库;然后结合特定任务建立一组较匹配且结构不同的卷积神经网络,并提出基于测试准确度均值统计分析和参数规模的选型策略,选出泛化能力较好且结构简单的卷积神经网络以及适当的训练轮数;最后加载优选模型及其参数作为分类器,与检测器结合实现红外目标特征事件实时检测分类。仿真结果表明,目标分类准确率均值可达95%以上,速率约为50 pixel/s。卷积神经网络结构的设计和选型策略有效,构建的系统可以满足红外目标识别的精度和实时性要求。

关键词：海量视频卷积神经网络选型策略红外目标识别

在线全文

学校读者我要写书评

暂无评论

红外目标识别图像复杂度度量方法综述

红外技术 2013年第2期35卷 88-96页

作者：乔立永徐立新高敏北京理工大学机电学院北京100081 军械工程学院导弹工程系河北石家庄050003

红外图像复杂度度量方法不仅可以用于描述目标识别面临的复杂场景变化,而且在红外成像系统性能预测与评估、目标识别算法性能对比、建立和改进目标获取性能模型等方面也有广泛而重要的应用。给定了红外目标识别图像复杂度的定义,对该领... 详细信息

红外图像复杂度度量方法不仅可以用于描述目标识别面临的复杂场景变化,而且在红外成像系统性能预测与评估、目标识别算法性能对比、建立和改进目标获取性能模型等方面也有广泛而重要的应用。给定了红外目标识别图像复杂度的定义,对该领域近年来最新出现的和部分经典的度量方法进行系统的归纳总结和对比分析,提出了度量方法选择的依据,指出了现有度量方法的缺点和不足,并指出红外目标识别图像复杂度度量未来将向着融合多种特征或者综合多种度量方法的趋势发展。

关键词：红外目标识别图像复杂度度量方法

在线全文

学校读者我要写书评

暂无评论

基于正则化Adaboost的红外目标识别

红外与激光工程 2008年第5期37卷 897-900页

作者：杨杰凌建国刘尔琦上海交通大学图像处理与模式识别研究所上海200240 皖天科工集团第二研究院北京100854

对于高维特征空间的分类,Adaboost算法是一种有效的分类算法。然而,如果把Adaboost算法直接运用到红外目标的识别,就会面临高噪声下的Adaboost过拟合问题。采用正则化后的Adaboost算法,即AdaboostKL算法作为分类算法的学习模型,以NaiveB... 详细信息

对于高维特征空间的分类,Adaboost算法是一种有效的分类算法。然而,如果把Adaboost算法直接运用到红外目标的识别,就会面临高噪声下的Adaboost过拟合问题。采用正则化后的Adaboost算法,即AdaboostKL算法作为分类算法的学习模型,以NaiveBayes作为弱学习器,提出了基于正则化Adaboost的红外目标识别算法。正则化的目的是为避免在红外图像特征高噪声下分类器的过拟合,改善了在高噪声数据下目标识别的可靠性。在求取Adaboost的权重分布时,采用的是熵正则化的方法。通过实验,验证了此算法,则即使面对高噪声的红外数据,也能获得较好的识别效果。

关键词：红外目标识别 Adaboost 正则化

在线全文

学校读者我要写书评

暂无评论

基于核稀疏编码的红外目标识别方法

红外技术 2016年第3期38卷 230-235页

作者：杨春伟王仕成廖守亿刘华平第二炮兵工程大学精确制导仿真技术实验室陕西西安710025 清华大学计算机科学与技术系北京100084

针对红外目标识别问题,提出了一种基于协方差描述子和核稀疏编码的红外目标识别方法。该方法结合了红外图像的灰度、一阶以及二阶梯度等特征的协方差描述子作为红外目标的特征,并采用Log-Euclidean度量进行特征相似性计算,通过高斯核函... 详细信息

针对红外目标识别问题,提出了一种基于协方差描述子和核稀疏编码的红外目标识别方法。该方法结合了红外图像的灰度、一阶以及二阶梯度等特征的协方差描述子作为红外目标的特征,并采用Log-Euclidean度量进行特征相似性计算,通过高斯核函数将协方差描述子映射到高维空间,最后在新的特征空间上进行稀疏编码。实测数据实验结果表明,与传统的KNN(k-nearest neighbor,k最近邻)以及SVM(support vector machine,支持向量机)等分类算法相比,基于核稀疏编码的红外识别方法在识别准确率上有很大的提高。

关键词：协方差描述子核稀疏编码红外目标识别

在线全文

学校读者我要写书评

暂无评论

虚拟多传感器融合的红外目标识别方法

模式识别与人工智能 2002年第3期15卷 355-358页

作者：牛丽红倪国强刘明奇北京理工大学光电工程系北京100081

提出了一种基于虚拟多传感器融合技术的红外目标识别方法.文中利用傅里叶描述器提取目标形状的边缘特征以及辐射特性的六个特征量,采用多个人工神经网络对来自单一传感器的目标利用不同特征分别识别,再利用D-S证据推理将各个网络的识别... 详细信息

提出了一种基于虚拟多传感器融合技术的红外目标识别方法.文中利用傅里叶描述器提取目标形状的边缘特征以及辐射特性的六个特征量,采用多个人工神经网络对来自单一传感器的目标利用不同特征分别识别,再利用D-S证据推理将各个网络的识别结果进行决策级融合.仿真实验结果表明,该方法提高了识别率和识别结果的可靠性.

关键词：虚拟多传感器融合红外目标识别人工神经网络 D-S证据推理数据融合

基于深度学习的防空武器红外目标识别技术应用研究

在线全文

学校读者我要写书评

暂无评论

兵器装备工程学报 2022年第1期43卷 125-129页

作者：杨维姚桐耿修堂王越刘学超西北机电工程研究所陕西咸阳712099

针对防空武器的作战使用需求,提出了一种基于深度学习的防空武器红外目标识别流程,通过大视场进行目标检测,小视场进行目标跟踪识别。在目标检测阶段,采用YOLO网络模型实现全图多目标识别定位;在目标跟踪阶段,采用超分辨率重建算法提升... 详细信息

针对防空武器的作战使用需求,提出了一种基于深度学习的防空武器红外目标识别流程,通过大视场进行目标检测,小视场进行目标跟踪识别。在目标检测阶段,采用YOLO网络模型实现全图多目标识别定位;在目标跟踪阶段,采用超分辨率重建算法提升目标局部图像分辨率,利用深度残差网络模型实现跟踪目标的识别分类。试验结果表明,基于深度学习的空中目标识别技术对典型目标的分类识别准确率均达到90%以上,能较好应用于防空武器对典型空中目标的分类识别,为防空武器的智能化发展提供了技术支撑。

关键词：防空武器深度学习神经网络红外目标识别