版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著現(xiàn)代軍事從機械化向自動化轉變,自動目標識別系統(tǒng)的研究得到了人們越來越多的關注。其中飛機圖像目標的識別更是目標識別的重要研究領域,在軍事現(xiàn)代化的進程中得到了越來越廣泛的重視。然而,由于戰(zhàn)場環(huán)境日益復雜,比如氣候因素的影響、虛假目標的干擾、電子干擾、目標數(shù)目的增多及其分散程度等,導致目標識別的不精確、不確定、不完全以及高度沖突等問題。因此,如何探索一種識別率高、實時性好的飛機目標識別方法非常關鍵。本文針對這一問題,提出了一種基于DSmT
2、(Dezert-SmarandacheTheory)分層遞階快速近似推理的多特征融合飛機目標識別算法。
首先,對DSmT信息融合理論中存在的計算瓶頸問題進行了深入的研究,在二叉分層遞階近似推理方法的基礎上,著重分析了三種情形,包括超冪集空間中存在沖突焦元情形、存在不確定焦元情形以及混合焦元的情形,提出了相應的解耦辦法,成功將其向僅單子焦元情形進行轉化,實現(xiàn)了分層遞階快速推理。
然后,研究了圖像目標的特征提取方
3、法。特征的有效提取是目標識別關鍵的一步,本文著重分析了矩特征量和輪廓特征量的特性和快速提取方法,其中,矩特征量包括Hu矩、歸一化轉動慣量(NormalizedMomentofInertia,NMI)和仿射不變矩,而輪廓特征量包括輪廓離散化參數(shù)和奇異值分解。仿真實驗表明這些特征對平移、旋轉和尺寸變化具有良好的不變性。
接著,針對飛機圖像目標識別具有不精確、不確定、不完全等特點導致識別率不高的問題,提出了一種基于DSmT分層遞
4、階快速近似推理的飛機圖像目標多特征融合識別算法。本文方法具有兩個明顯的特點:一是多個特征的提取獲得了足夠多的有用互補信息彌補了僅單一特征信息量不足或容易失效的缺陷;二是根據(jù)PNN(ProbabilisticNeuralNetworks)網(wǎng)絡的初識別結果和類似統(tǒng)計學中極大似然思想的規(guī)則,構造目標識別率矩陣對基本信度進行賦值,為信度賦值構造困難的問題提供了新的思路。
最后,通過仿真實驗,從識別率、實時性、魯棒性和目標識別的極限
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于DSmT與HMM的序列飛機目標融合識別算法研究.pdf
- 基于DSmT的飛行目標識別與跟蹤.pdf
- 基于LLE與HMM的飛機序列目標識別算法研究.pdf
- 基于ELM與HMM的序列飛機目標識別算法研究.pdf
- 基于神經(jīng)網(wǎng)絡的飛機目標識別研究.pdf
- 基于多分類器融合的多視點飛機目標識別算法研究.pdf
- 基于特征融合的遙感圖像飛機目標識別研究.pdf
- 基于改進SIFT算法的目標識別研究.pdf
- 基于ISAR像的目標識別算法研究.pdf
- 基于HOG特征的目標識別算法研究.pdf
- 基于視覺的水下目標識別算法研究.pdf
- 基于模型的三維飛機目標識別研究.pdf
- 基于改進SURF算法的目標識別研究.pdf
- 基于視覺通路目標識別算法的研究.pdf
- 基于不變矩的目標識別算法研究.pdf
- 飛機目標的ISAR成像及其基于ISAR圖像的目標識別.pdf
- 基于稀疏表示的SAR目標識別算法研究.pdf
- 基于SIFT算法的目標識別技術的研究.pdf
- 基于Camshift算法的目標識別與跟蹤.pdf
- 基于卷積神經(jīng)網(wǎng)絡的遙感圖像飛機目標識別研究.pdf
評論
0/150
提交評論