非负矩阵分解在空间目标图像识别中的应用
将非负矩阵分解(NMF)算法应用到空间目标图像识别中,对两种传统NMF算法的迭代规则进行了改进,得到了稀疏NMF算法,并分别在二维(2D)和(2D)2维度应用了这3种算法.在实验室模拟了空间光学环境,获得了多组空间目标缩比模型图像,图像预处理后建立了训练样本库和测试样本库,运用不同NMF算法对训练样本进行了特征基提取,采用最小距离分类器进行了测试样本的分类,各种NMF算法识别率均在78%以上,最高可达90% .实验结果验证了所提算法的有效性,与其他已有的目标图像识别方法相比,具有准确率较高、速度快、资源开销少的优点.
图像处理、图像识别、非负矩阵分解、空间目标图像、最小距离分类器
56
TP391.4(计算技术、计算机技术)
中国科学院战略性先导科技专项XDA17040200
2019-07-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
122-129