【摘要】：為實現(xiàn)直升機、螺旋槳飛機和噴氣式飛機的激光遙感探測分類,研究了基于時頻圖的飛機目標(biāo)微動紋理特征提取算法。根據(jù)旋翼微多普勒模型仿真三類飛機旋轉(zhuǎn)部件回波信號,將平滑偽魏格納-維利變換得到的時頻分布生成灰度圖像。采用大津(OTSU)法結(jié)合灰度拉伸對圖像進行閾值去噪處理,提取目標(biāo)灰度共生矩陣(GLCM)特征以及Tamura特征,并針對時頻圖差異進行特征優(yōu)化,最后使用支持向量機(SVM)實現(xiàn)飛機目標(biāo)分類。仿真數(shù)據(jù)分類結(jié)果表明:GLCM特征對噪聲表現(xiàn)敏感,經(jīng)所提方法對時頻圖去噪,信噪比(SNR)RSN=0dB時的分類正確率可達96.4%。Tamura特征在高信噪比條件下分類正確率較高,但當(dāng)RSN5dB時下降明顯。因此提取時頻圖紋理特征可以達到較為理想的飛機分類效果,且利用改進GLCM特征能夠?qū)崿F(xiàn)低信噪比條件下的目標(biāo)準(zhǔn)確分類。
文內(nèi)圖片：
圖片說明： ｐａｒａｍｅｔｅｒｖａｌｕｅｓＡｉｒｃｒａｆｔＦｃｒｓＦｃｏｎＦｌｉｎＨｅｌｉｃｏｐｔｅｒ３５．９００．０５９０．９０Ｐｒｏｐｅｌｌｅｒ２２．０３０．２２５０．６４Ｔｕｒｂｏｊｅｔａｉｒｃｒａｆｔ２２．７５０．０７３０．８７從數(shù)據(jù)中可以看出，，直升機時頻圖粗糙度數(shù)值明顯高于其他兩類，具有很強的區(qū)分度；三類飛機對比度參量差異明顯，易于進行分類；螺旋槳飛機線性度較差，相比其他兩類有較好的區(qū)分效果。為直觀體現(xiàn)樣本差異，將三種特征結(jié)合，繪制三類目標(biāo)各１５０組樣本特征分布圖，如圖６所示。圖６三類飛機Ｔａｍｕｒａ特征分布Ｆｉｇ．６Ｔａｍｕｒａｆｅａｔｕｒｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｒｅｅｔｙｐｅｓｏｆａｉｒｃｒａｆｔ在圖６中，三類目標(biāo)特征分布基本無交叉重疊，但直升機樣本分布較為分散，與噴氣式飛機特征區(qū)域接近，可能在分類中產(chǎn)生誤判。螺旋槳飛機區(qū)域分布集中，特征穩(wěn)健性較好，與其他兩類目標(biāo)具有很強的區(qū)分度。４目標(biāo)分類與分析４．１ＳＶＭＳＶＭ是一種基于統(tǒng)計學(xué)習(xí)理論的一種機器學(xué)習(xí)方法，廣泛用于統(tǒng)計分類以及回歸分析中［１６］。其將低維空間的輸入特征通過某種核函數(shù)映射到高維空間中，在解決小樣本、非線性以及高維模式識別中具有優(yōu)勢。ＳＶＭ的預(yù)測模型為ｇ（ｑ）＝∑Ｎｎ＝１εｎＫ（ｑ，ｑｎ）＋ε０，（１６）式中εｎ＝（ε１，…，εＮ）表示權(quán)值，Ｎ表示樣本數(shù)量，ｑｎ表示訓(xùn)練樣本，Ｋ表示核函數(shù)。ＳＶＭ通過最小化函數(shù)ｆ求解權(quán)值ε，從而在特征空間構(gòu)建最優(yōu)分類面。其中ｆ＝ｍｉｎ１２ｗ２＋Ｃ∑Ｎｉ＝１φｉ－∑Ｎｉ
【作者單位】： 電子工程學(xué)院脈沖功率激光技術(shù)國家重點實驗室;
【基金】：國家自然科學(xué)基金(61271353,61671454)
【分類號】：E926.4;TP751

【相似文獻】

相關(guān)期刊論文 前10條

1 杜栓平,宮先儀,趙航芳;自適應(yīng)時-頻分析在水聲目標(biāo)分類中的應(yīng)用[J];聲學(xué)與電子工程;2001年01期

2 劉兵;孫超;王旭艷;;基于模糊對向傳播網(wǎng)絡(luò)的水中目標(biāo)分類識別[J];計算機工程與應(yīng)用;2007年28期

3 張睿;張繼賢;李海濤;;基于角度紋理特征及剖面匹配的高分辨率遙感影像帶狀道路半自動提取[J];遙感學(xué)報;2008年02期

4 王麗濤;王世新;周藝;劉文亮;王峰;王福濤;;基于紋理特征的高分辨率遙感影像災(zāi)害監(jiān)測應(yīng)用[J];災(zāi)害學(xué);2014年03期

5 劉開第;龐彥軍;王進杰;眭輝強;;質(zhì)量管理體系運行有效性模糊評價的新算法[J];制造技術(shù)與機床;2008年12期

6 張臘梅;王國喜;莊雪晶;;薄膜褶皺的紋理特征分析[J];哈爾濱工業(yè)大學(xué)學(xué)報;2006年09期

7 趙銀娣;張良培;李平湘;;一種紋理特征融合分類算法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2006年03期

8 劉萌萌;劉亞嵐;孫國慶;彭立;;結(jié)合紋理特征的SVM樣本分層土地覆蓋分類[J];遙感技術(shù)與應(yīng)用;2014年02期

9 鄭淑丹;鄭江華;石明輝;郭寶林;森巴提;孫志群;賈曉光;李曉瑾;;基于分形和灰度共生矩陣紋理特征的種植型藥用植物遙感分類[J];遙感學(xué)報;2014年04期

10 吳樊,王超,張紅;基于紋理特征的高分辨率SAR影像居民區(qū)提取[J];遙感技術(shù)與應(yīng)用;2005年01期

相關(guān)碩士學(xué)位論文 前2條

1 牧其爾;基于紋理特征的人工梭梭林生物量遙感估測研究[D];內(nèi)蒙古師范大學(xué);2015年

2 王娣;高光譜與多光譜遙感水稻估產(chǎn)研究[D];武漢大學(xué);2017年

本文編號：2512946