基于多分类器融合的多视点飞机目标识别算法研究

摘要

随着科学技术的发展，飞机目标识别已经成为计算机视觉领域中研究的热点之一。飞机目标识别技术在军事领域和民用领域都有广泛的应用。在军事领域，飞机目标识别可以应用在防御系统、导航制导系统、军事目标侦查中。在民用方面，飞机目标识别可以为民航机场提供实时动态监控，便于机场进行有效的管理。
　　近年来，飞机目标识别技术已经取得了很大的进展，但是依然存在着在多视点下飞机姿态多变导致识别率低，算法耗时量大等问题。因此，本文为提高算法识别精度，减少耗时量，在现有算法的基础上，提出了基于多分类器融合的多视点飞机目标识别算法。本文主要研究内容如下：
　　1、总结飞机目标识别的通用流程和关键技术，并对流程中各个步骤的关键技术进行分析，其中着重介绍特征提取和分类器的选择。首先分析了特征提取中各个特征的优劣，然后探究了不同类型的特征之间的联系，最后详细介绍了识别算法中各种常用的分类器。
　　2、针对飞机目标在多视点情况下，姿态变化导致飞机目标识别率低的问题，本文提出了一种基于SVM(Support Vector Machine)和DSmT(Dezert-Smarandache theory)理论相结合的多特征融合的多视点飞机目标识别算法。首先训练多个SVM分类器，然后利用DSmT融合规则对多个SVM分类器进行融合判断，最后得到识别结果。该算法有效的克服了在多视点下，由于飞机姿态多变导致的飞机目标识别率低的问题。实验表明该算法能够在飞机姿态发生较大变化时，较好地识别出不同类型的飞机。
　　3、针对飞机多姿态情况下识别精度低、耗时量大的问题，提出了一种基于极限学习机的多特征融合飞机目标识别算法。通过提取小波矩、Zernike矩和傅立叶描述子分别建立相应的极限学习机模块。对于每个模块得到的结果，利用加权投票的融合方法做出最终判别结果。该算法充分利用极限学习机的特性，降低了算法所消耗的时间，提高了算法的实时性。实验表明，该算法能较好的识别出不同类型的飞机，并且耗时量小。

目录

封面

中文摘要

英文摘要

目录

第1章 绪论

1.1课题研究的背景和意义

1.2飞机目标识别的发展和国内外研究现状

1.3本文主要研究内容和创新点

1.4本文的组织结构

第2章 飞机目标识别的关键技术介绍和分析

2.1飞机目标识别的流程

2.2飞机图像数据库的建立

2.3飞机图像的预处理

2.4飞机图像的特征提取

2.5飞机目标的识别方法

2.6飞机目标识别中干扰因素及评价标准

2.7本章小结

第3章 基于DSmT理论的多分类器融合飞机目标识别算法

3.1 算法整体流程设计

3.2 算法识别过程

3.3 实验

3.4本章小结

第4章 基于极限学习机的多分类器融合飞机目标识别算法

4.1 算法设计

4.2图像样本数据库的建立

4.3 图像特征提取

4.4 构建ELM模块

4.5构造融合算法

4.6 实验

4.7 本章小结

第5章 本文总结与展望

5.1 本文总结

5.2 研究展望

参考文献

攻读硕士期间发表的论文情况和参加科研情况

致谢

声明