基于图像处理的舰船目标识别研究

被引：5

作者：

宿勇

机构：

来源：

计算机与数字工程 | 2015年 / 43卷 / 07期

关键词：

舰船识别; 信息融合; D-S理论;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对海战场图像信息的目标检测与识别问题,论文提出一种基于D-S(Dempster-Shafer)的海上舰船图像目标多特征信息融合识别方法。该方法包括三个主要内容:1)建立以舰船目标的几何特征为证据源的D-S融合识别模型,这些特征计算简单,容易获取,且在舰船目标识别时具有良好的区分性;2)针对不同舰船特征,获取每个特征的基本信度赋值;3)根据舰船目标识别模型的特点,分析不同的比例冲突分配规则对舰船目标识别的鲁棒性,采用适于舰船目标识别的比例冲突分配规则。实验结果表明在舰船目标的识别中,该方法具有较高的识别精度。

引用

页码：1207 / 1211

页数：5

共 12 条

[1]

A Novel Hierarchical Method of Ship Detection from Spaceborne Optical Image Based on Shape and Texture Features. Changren ZhuHui ZhouRunsheng Wa. IEEE Transactions on Geoscience and Remote Sensing . 2010

[2] SVM-based target recognition from synthetic aperture radar images using target region outline descriptors [J].

Anagnostopoulos, Georgios C. .

NONLINEAR ANALYSIS-THEORY METHODS & APPLICATIONS, 2009, 71 (12) :E2934-E2939

[3]

A Bayesian hierarchical model for learningnatural scene categories. Li Feifei,Perona P. IEEE Conference on ComputerVision and Pattern Recognition . 2005

[4]

Probabilistic neural networks for classification, mapping, or associative memory. Specht DF. Proceedings of the IEEE International Conference on Neural Networks . 1988

[5]

Hierarchical Discriminant Regression. Wey-Shiuan Hwang,Juyang Weng. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2000

[6]

Modern pattern recognition. J.X.Sun. . 2008

[7]

数字图像处理与机器视觉[M]. 人民邮电出版社 , 张铮, 2010

[8]

中低分辨率光学遥感图像舰船目标检测算法研究[D]. 李文武.国防科学技术大学 2008

[9] 基于证据理论的战场被动声多目标识别研究 [J].

陈丹 ;

李京华 ;

黄根全 ;

许家栋 .

系统仿真学报, 2007, (06) :1323-1325

[10] 一种多尺度分形的舰船目标检测方法 [J].

张东晓 ;

何四华 ;

杨绍清 .

激光与红外, 2009, 39 (03) :315-318

← 1 2 →