一种飞机图像目标多特征信息融合识别方法
提出了一种基于概率神经网络(Probabilistic neural networks,PNN)和DSmT推理(Dezert-Smarandache theory)的飞机图像目标多特征融合识别算法.针对提取的多个图像特征量,利用数据融合的思想对来自图像目标各个特征量提供的信息进行融合处理.首先,对图像进行二值化预处理,并提取Hu矩、归一化转动惯量、仿射不变矩、轮廓离散化参数和奇异值特征5个特征量;其次,针对DSmT理论中信度赋值构造困难的问题,利用PNN网络,构造目标识别率矩阵,通过目标识别率矩阵对证据源进行信度赋值;然后,用DSmT组合规则在决策级层进行融合,从而完成对飞机目标的识别;最后,在目标图像小畸变情形下,将本文提出的图像多特征信息融合方法和单一特征方法进行了对比测试实验,结果表明本文方法在同等条件下正确识别率得到了很大提高,同时达到实时性要求,而且具有有效拒判能力和目标图像尺寸不敏感性.即使在大畸变情况下,识别率也能达到89.3%.
信息融合、目标识别、Dezert-Smarandache推理、飞机图像、概率神经网络
38
TP242(自动化技术及设备)
国家自然科学基金60804063;61175091;江苏省自然科学基金BK2010403;图像信息处理与智能控制教育部重点实验室开放基金200902;东南大学创新基金3208000501;航空科学基金20100169001;东南大学优秀青年教师教学、科研资助计划3208001203
2012-12-05(万方平台首次上网日期,不代表论文的发表时间)
1298-1307