基于双隐含层BP算法的激光主动成像识别系统

被引：34

作者：

王灿进 ^{[1
,2
]}

孙涛 ^{[1
]}

石宁宁 ^{[3
]}

王锐 ^{[1
]}

王挺峰 ^{[1
]}

王卫兵 ^{[1
]}

郭劲 ^{[1
]}

陈娟 ^{[1
]}

机构：

[1] 不详

[2] 中国科学院长春光学精密机械与物理研究所激光与物质相互作用国家重点实验室

[3] 不详

[4] 中国科学院大学

[5] 北京航天自动控制研究所

[6] 不详

来源：

光学精密工程 | 2014年 / 06期

关键词：

激光主动成像; 图像识别系统; Hu矩特征量; 双隐含层BP算法; 目标识别率;

D O I：

暂无

中图分类号：

TN249 [激光的应用]; TP391.4 [模式识别与装置];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

在传统激光主动成像系统的基础上,结合目标识别技术搭建了一个激光主动成像识别系统实验平台,用于研究激光主动成像后的目标识别。介绍了实验平台的工作原理,基于Hu矩特征的双隐含层BP神经网络算法以及实验处理流程和实验结果。特征量由7个不变Hu矩构成,通过240张原始目标样本库对由136个权值系数构成的双隐含层BP神经网络算法进行了训练。利用训练好的双隐含层BP算法对黑夜条件下远处的运动目标--43式冲锋模具枪进行了实验研究,成功获得了清晰的红外激光主动成像效果。实验显示对450m处2 740帧和550m处2 420帧激光主动成像图像的统计识别率达到了68.87%和72.11%,其中旋转变换下的统计识别率可达80.05%和84%,好于仿射变换的识别效果。

引用

页码：1639 / 1647

页数：9

共 9 条

[1] 长距离红外主动成像系统目标获取性能分析 [J].

聂瑞杰 ;

徐智勇 ;

张启衡 ;

王华闯 ;

王磊 .

红外与激光工程, 2012, 41 (09) :2276-2282

[2] 一种基于不变矩和BP网络的目标识别方法 [J].

孙红辉 ;

王红霞 ;

田涛 .

微电子学与计算机, 2011, 28 (03) :63-65+69

[3] 基于不变矩特征及BP神经网络的图像模式识别 [J].

田华 ;

石圣羽 ;

宗晓萍 .

河北大学学报(自然科学版), 2008, (02) :214-217

[4] 激光主动成像系统信噪比模型的研究 [J].

庞春颖 ;

张涛 .

光学精密工程, 2008, (02) :319-324

[5] 激光主动成像图像的多帧后处理算法研究(英文) [J].

王智 ;

贾书洪 ;

张晓辉 ;

金光 ;

张立平 ;

夏辉 .

光学精密工程, 2007, (04) :615-621

[6] BP神经网络的优化及应用研究 [J].

吕砚山 ;

赵正琦 .

北京化工大学学报(自然科学版), 2001, (01) :67-69

[7]

红外图像目标识别及跟踪技术研究[D]. 郭婉露.哈尔滨工程大学 2011

[8]

BP神经网络的改进研究及应用[D]. 刘天舒.东北农业大学 2011

[9]

目标识别与跟踪在激光主动侦查中的研究[D]. 杨红丽.电子科技大学 2009

← 1 →