基于DSmT與HMM的序列飛機目標融合識別算法研究.pdf

1、隨著圖像處理、模式分類和人工智能的迅速發(fā)展，自動目標識別(AutomaticTarget Recognition，ATR)系統(tǒng)已成為現(xiàn)階段和未來武器的主要組成部分。飛機目標識別作為ATR系統(tǒng)的重要領(lǐng)域之一，其在自動監(jiān)視與偵查、精確制導和敵我身份識別等方面都有著重要的應(yīng)用。在飛機自動目標識別中，由于飛機姿態(tài)多變、缺損和遮擋等原因?qū)е抡_識別率低下，本論文針對這些問題，利用特征信息與序列信息，對飛機飛行過程展開深入研究，主要工作如下:

2、>　　在對主流的飛機目標算法研究的基礎(chǔ)上，引入廣泛應(yīng)用的隱馬爾可夫模型(Hidden Markov Model，HMM)對飛機飛行過程建模，并利用多特征融合構(gòu)建觀察值序列，提出一種基于DSmT(Dezert-Smarandache Theory)理論和隱馬爾可夫模型相結(jié)合的多特征序列信息融合(Multiple Features and Sequential InformationFusion，MFSIF)飛機目標識別算法。本算法的特點在

3、于:一、提取飛機目標的Hu矩特征和奇異值特征作為圖像特征。二、利用概率神經(jīng)網(wǎng)絡(luò)(ProbabilistieNeural Network, PNN)作為分類工具，并構(gòu)建基本信度賦值(Basic BeliefAssignment, BBA)，再利用DSmT理論對圖像的不同特征進行多特征融合從而獲得目標觀察序列。三、對于獲得的目標觀察序列，利用隱馬爾科夫模型對飛機序列信息進行融合，計算觀察值序列與各個隱馬爾可夫模型之間的相似度，從而完成多姿態(tài)