基于特征级融合和支持向量机的飞机识别

被引：10

作者：

朱旭锋 ^{[1
,2
]}

马彩文 ^{[1
]}

刘波 ^{[1
]}

机构：

[1] 中国科学院西安光学精密机械研究所

[2] 中国科学院研究生院

来源：

光电子激光. | 2011年 / 22卷 / 11期

关键词：

组合不变量; 归一化; 支持向量机(SVM); 神经网络;

D O I：

10.16136/j.joel.2011.11.027

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

提出一种新的基于组合不变量的飞机识别方法。对不同飞机机型图像,提取Hu矩、仿射矩和归一化傅里叶描述子(NFD)3类不变量进行特征级融合。针对组合不变量取值范围较大问题,提出采用4种归一化方法,结合支持向量机(SVM)以提高飞机识别系统的分类性能。仿真实验表明,提取飞机的组合不变量特征,采用传统神经网络或SVM构建分类器,分类性能均优于单一类别不变量的同类分类器,且SVM的分类性能要优于传统神经网络。同时,当组合不变量要与智能型分类器结合时,采用特定的归一化方法才能取得较好的识别率。

引用

页码：1710 / 1713

页数：4

共 8 条

[1]

多生物特征融合理论的研究与实验.[D].周斌.清华大学.2007, 08

[2] 基于图像处理技术与支持向量机的鱼龄识别 [J].