基于卷积神经网络的激光距离选通式成像目标识别
为解决距离选通式激光成像中由于图像模糊而导致目标识别率偏低的难题,提出一种保留特征的卷积神经网络(KFCNN)模型,用于激光选通图像中的目标识别.与传统的卷积神经网络不同,KFCNN使用一个特征保留层来提高模糊目标的识别率,提高目标识别的稳健性.为实现特征保留,KFCNN通过增加特征保留约束项及正则化来优化特征保留目标函数并进行训练,通过减小特征保留目标函数值来保证训练样本在模糊之前和之后的特征映射相一致.实验结果表明,KFCNN改善了因模糊造成识别率降低的问题,进而提升了距离选通式激光成像中对指定目标的识别率.
图像处理、距离选通、卷积神经网络、模糊图像、目标识别、特征保留
56
TP391.4(计算技术、计算机技术)
2019-06-05(万方平台首次上网日期,不代表论文的发表时间)
共7页
40-46