一种综合利用图像和光谱信息的物体真假模式识别方法
传统模式识别方法在物体、人脸、指纹、军事目标识别等领域中只利用单一的图像信息.当研究对象的图像特征高度相似时,识别率较低,如对于真假目标的识别,仅仅利用物体的图像信息很难得到满意的识别结果.针对上述问题,提出了一种综合利用图像和光谱信息的物体真假模式识别方法.该方法采用卷积神经网络模型,通过迁移学习的方式构建图像识别模型,并依据物体图像的语义特征进行物体类别识别,在此基础上,基于逆传播(back propagation,BP)神经网络模型,结合物体的实测光谱数据进行物体真假识别.为了验证该方法的准确性和有效性,利用真假苹果和葡萄作为测试对象,单独利用图像信息和光谱信息进行识别时,识别率分别为38.50%和63.00%,而利用该综合方法得到的识别率为95.00%.可认为该方法提高了真假目标混杂情况下的识别准确度,可为物体识别、人脸识别、指纹识别、军事目标识别等领域的应用提供重要的参考,也为航天侦查载荷设计提供了新的思路.
模式识别、深度学习、卷积神经网络、图像信息、光谱信息
44
TP391.4;P237(计算技术、计算机技术)
国家自然科学基金重点项目41830108
2019-10-12(万方平台首次上网日期,不代表论文的发表时间)
共8页
1174-1181