多层卷积特征融合的双波段决策级船舶识别

摘要

针对可见光和红外双波段船舶识别标注样本少、特征级融合精度低的问题,提出了一种基于多层卷积特征和后验概率加权的决策级融合识别方法.首先,利用预训练卷积神经网络模型,分别提取双波段船舶图像的卷积特征.然后,利用主成分分析方法进行卷积特征降维,设置特征重构阈值自动选择低维空间维度,以适应双波段和各卷积层的特征差异.随后,通过L2范数归一化和级联方法,融合每个波段的中级和高级多层卷积特征.最后,通过加权融合两个波段的支持向量机分类后验概率,构建决策级融合识别模型.实验结果表明:决策级融合识别精度比特征级融合识别精度提升1.5％?2.5％,而且最好值89.7％高出现有最优识别精度1.5％.具有执行简单、处理速度快、识别精度高的优势.