基于SAE与底层视觉特征融合的无人机目标识别算法
无人机在复杂战场环境下,因敌方无人机外形、颜色等特征较为相似,现有基于底层视觉特征无法快速地对其进而准确的识别,从而造成误检测甚至误打击等事件的发生.针对这一问题,文中提出基于稀疏自动编码器融合底层视觉特征的算法,对无人机目标对象进行识别.算法首先利用底层视觉特征描述子(GIST、LBP)以及稀疏自动编码器(Sparse Auto-Encoder,SAE)提取目标对象的底层视觉特征和高层视觉特征;然后,采用主成分分析(PAC)法对全局特征进行降维融合;最后,将全局特征响应送入softmax回归模型完成无人机目标对象的分类.实验表明,与传统SAE算法及传统基于底层视觉特征描述子识别算法相比,新算法具有更高的准确性及鲁棒性.
无人机目标对象、目标识别、Sparse Auto-Encoder、底层视觉描述子、PCA
47
TP394.1(计算技术、计算机技术)
瞬态冲击技术重点实验室基金61426060103162606007
2018-08-15(万方平台首次上网日期,不代表论文的发表时间)
共9页
197-205