基于二維熵圖像處理和SVM的空中目標識別研究.pdf

1、基于圖像的目標識別技術己經(jīng)在諸多領域得到了廣泛的應用，目前，它已滲透到了醫(yī)學、工業(yè)生產(chǎn)、航空航天、交通運輸?shù)雀鱾€領域。支持向量機(SupportVectorMachine)在解決小樣本、非線性以及高維識別等分類問題方面有突出優(yōu)勢，現(xiàn)已成為機器學習和數(shù)據(jù)挖掘領域的標準工具。論文研究基于二維熵圖像處理和SVM的空中目標分類識別。
　　 針對空中目標容易發(fā)生旋轉(zhuǎn)、尺度變化、遮擋以及對比度低等特點，提取了樣本圖像的輪廓特征、形狀特征和統(tǒng)

2、計特征構成的組合特征，并將基于統(tǒng)計學習理論的支持向量機(SVM)應用到了分類器設計上。圖像分割的質(zhì)量嚴重影響著后續(xù)的特征提取，進而影響算法識別率。論文中分析了傳統(tǒng)二維直方圖及其區(qū)域劃分存在的不足，在二維熵圖像閾值分割應用中有用信息丟失，不能有效消除噪聲干擾。提出了基于灰度一梯度共生矩陣模型的二維Renyi熵和二維Alimoto熵兩種新的圖像閾值分割方法，實驗結果表明，這兩種方法具有很強的抗噪性，能很好的刻畫目標的邊界信息，有利于后續(xù)的特