本文關鍵詞： 圖像融合 區(qū)域協(xié)方差 特征級融合 目標識別　出處：《光譜學與光譜分析》2017年06期 　論文類型：期刊論文

【摘要】：針對復雜情況下海上艦船目標單波段特征識別能力不足的問題,研究可見光、中波紅外和長波紅外三波段特征圖像融合技術,重點解決圖像融合方法中存在的算法耗時和融合策略選擇的問題,提出了一種新的基于區(qū)域協(xié)方差矩陣的多波段特征級融合方法,針對可見光圖像和紅外圖像分別設計11維和5維特征向量,協(xié)方差矩陣可以將多個特征進行融合,既保證了不同目標之間的區(qū)別性,同時又減小計算量。該方法首先利用顯著性檢測,快速定位圖像中的目標區(qū)域,然后,針對不同波段圖像設計的特征向量定義協(xié)方差陣的距離計算公式并進行匹配,通過對圖像的一次遍歷操作獲得積分圖像,在協(xié)方差計算時達到快速計算的目的,最后利用k-階最近鄰算法對多種艦船目標進行分類識別。利用實拍的3 400余張三波段艦船目標圖像作為測試數(shù)據(jù)。實驗主要分為兩部分,首先對比單波段和三波段融合識別的識別率,驗證所提出的融合方法具有更廣的應用范圍;然后,在計算效率上對比多種傳統(tǒng)的像素級方法,驗證采用的特征級融合在計算時間上的優(yōu)勢。實驗結果表明,該方法可達到95.1%的識別率,單幀計算耗時約為0.5s,在實時性和檢測率方面都有明顯提高。
[Abstract]:Aiming at the problem that the capability of single band feature recognition of marine ship targets is insufficient in complex situations, the technology of feature image fusion in visible, medium and long wave infrared bands is studied. In order to solve the problem of time-consuming and strategy selection in image fusion, a new multi-band feature level fusion method based on regional covariance matrix is proposed. For visible image and infrared image, 11 and 5 dimensional feature vectors are designed respectively. Covariance matrix can fuse multiple features, which ensures the distinction between different targets. At the same time, the computational complexity is reduced. Firstly, the salience detection is used to locate the target region of the image quickly, and then the target area in the image is quickly located. The distance calculation formula of covariance matrix is defined and matched according to the eigenvector of different band image design. The integral image is obtained by one traversal operation of the image, and the purpose of fast calculation is achieved when covariance is calculated. Finally, we use k- order nearest neighbor algorithm to classify and recognize various ship targets, and use more than 3 400 real-shot images of three-band ship targets as test data. The experiment is mainly divided into two parts. First, comparing the recognition rate of single-band and three-band fusion recognition, it is verified that the proposed fusion method has a wider range of applications. Then, compared with many traditional pixel level methods in computational efficiency, the advantages of feature level fusion in computing time are verified. The experimental results show that the recognition rate of this method can reach 95.1%. The computation time of single frame is about 0.5 s, and the real time and detection rate are improved obviously.
【作者單位】： 海軍航空工程學院控制工程系;中國國防科技信息中心;91206部隊;
【基金】：國家自然科學基金項目(61303192)資助
【分類號】：TP391.41
【正文快照】： 2.中國國防科技信息中心,北京1001423.91206部隊,山東青島264001引言圖像融合技術是光信息處理和計算機視覺領域的重要研究內(nèi)容,利用多源傳感器或同一傳感器在不同時刻拍攝的圖像,將其中有用的信息進行結合可以克服單一傳感器在幾何、光譜和空間分辨率等方面的局限性和差異性,

【參考文獻】

相關期刊論文 前1條

1 楊桄;童濤;陸松巖;李紫陽;鄭悅;;基于多特征的紅外與可見光圖像融合[J];光學精密工程;2014年02期

【共引文獻】

相關期刊論文 前10條

1 侯妙樂;潘寧;馬清林;何海平;呂書強;胡云崗;;高光譜成像技術在彩繪文物分析中的研究綜述[J];光譜學與光譜分析;2017年06期

2 郭輝;楊可明;張文文;劉聰;夏天;;小波包信息熵特征矢量光譜角高光譜影像分類[J];中國圖象圖形學報;2017年02期

3 常偉;劉詠梅;龐國偉;高原;王德軍;;牛心樸子的光譜差異特征參量分析[J];草業(yè)科學;2016年11期

4 孫美君;柴勃隆;張冬;王征;孫濟洲;;基于近紅外高光譜技術的敦煌莫高窟壁畫起甲病害風險評估方法[J];文物保護與考古科學;2016年04期

5 魏秀紅;靳瑰麗;范燕敏;安沙舟;夏小偉;;伊犁絹蒿荒漠草地物種光譜特征分析及識別初探[J];草業(yè)科學;2016年10期

6 李真真;鄭翔;牛德奎;郭曉敏;謝碧裕;張學玲;;武功山山地草甸主要群落類型高光譜特征[J];草業(yè)科學;2016年08期

7 程鵬;岳彩榮;江東;黃耀歡;劉洋洋;;一種基于概率神經(jīng)網(wǎng)絡的城市用地高分辨率影像信息提取方法[J];林業(yè)調(diào)查規(guī)劃;2016年02期

8 蔣金豹;喬小軍;何汝艷;田奮民;;用近紅外高光譜圖像區(qū)分不同品質(zhì)的建筑涂料[J];光譜學與光譜分析;2016年02期

9 王樂樂;李志敏;馬清林;;古代宮殿寺觀壁畫色彩信息提取流程研究——以西藏拉薩大昭寺壁畫為例[J];邊疆考古研究;2015年02期

10 王瑋;馮琦勝;郭鈮;沙莎;胡蝶;王麗娟;李耀輝;;基于長時間序列NDVI資料的我國西北干旱區(qū)植被覆蓋動態(tài)監(jiān)測[J];草業(yè)科學;2015年12期

【二級參考文獻】

相關期刊論文 前10條

1 王樂樂;李志敏;張曉彤;梅建軍;馬清林;;西藏拉薩大昭寺轉經(jīng)廊壁畫制作工藝研究[J];文物保護與考古科學;2014年04期

2 楊可明;張濤;王立博;錢小麗;劉士文;王林偉;;高光譜影像的諧波分析融合算法研究[J];中國礦業(yè)大學學報;2014年03期

3 宮兆寧;趙雅莉;趙文吉;林川;崔天翔;;基于光譜指數(shù)的植物葉片葉綠素含量的估算模型[J];生態(tài)學報;2014年20期

4 張博;何彬彬;;改進的分水嶺變換算法在高分辨率遙感影像多尺度分割中的應用[J];地球信息科學學報;2014年01期

5 鄧富亮;楊崇俊;曹春香;范協(xié)裕;;高分辨率影像分割的分形網(wǎng)絡演化改進方法[J];地球信息科學學報;2014年01期

6 劉大偉;黃磊;李斌兵;;一種基于對象相似性的遙感影像最優(yōu)分割尺度評價方法[J];大地測量與地球動力學;2013年06期

7 殷瑞娟;施潤和;李鏡堯;;一種高分辨率遙感影像的最優(yōu)分割尺度自動選取方法[J];地球信息科學學報;2013年06期

8 李穎;張立福;嚴薇;黃長平;童慶禧;;地面成像光譜數(shù)據(jù)的田間雜草識別[J];遙感學報;2013年04期

9 暢文娟;何明一;;高光譜圖像組合光譜特征研究[J];現(xiàn)代電子技術;2013年14期

10 劉波;沈渭壽;李儒;楊兆平;林乃峰;;雅魯藏布江源區(qū)高寒草地退化光譜響應變化研究[J];光譜學與光譜分析;2013年06期

【相似文獻】

相關期刊論文 前6條

1 莫蓉;萬能;常智勇;陳澤峰;;多級靈敏度協(xié)同設計模型感知研究(1)[J];計算機集成制造系統(tǒng);2006年10期

2 彭玉青;高潔;梁春娟;李鐵軍;;基于圖像可聽化的視聽信息融合方法研究[J];計算機應用與軟件;2013年11期

3 蔣曉瑜,高稚允;小波變換在特征級多重圖像融合與目標分類中的應用[J];紅外技術;2004年01期

4 許占偉;張濤;;基于NCT的特征級圖像融合[J];計算機工程;2011年16期

5 郭志強;楊杰;柳步蔭;;基于WPT/PCA的特征級融合人臉識別方法[J];武漢理工大學學報;2009年17期

6 ;[J];;年期

相關博士學位論文 前2條

1 李強;手部特征識別及特征級融合算法研究[D];北京交通大學;2006年

2 徐凌宇;基于信源選擇與序列提取的動態(tài)特征級信息融合模型及算法的研究[D];東北大學;2002年

相關碩士學位論文 前9條

1 張宇馳;泄流結構損傷診斷的數(shù)據(jù)級與特征級融合方法研究[D];南昌大學;2015年

2 汪冰冰;圍界中的多傳感器特征級模式識別算法研究[D];安徽大學;2016年

3 吳冬冬;多光譜手指靜脈特征級融合方法研究[D];中國民航大學;2014年

4 王玉成;基于子空間的特征級信息融合—及其在身份識別中的應用[D];北京交通大學;2008年

5 張保梅;數(shù)據(jù)級與特征級上的數(shù)據(jù)融合方法研究[D];蘭州理工大學;2005年

6 王東明;基于特征級融合的目標識別方法研究[D];沈陽理工大學;2013年

7 李靜;基于CPD和特征級融合的手紋識別技術研究[D];西安電子科技大學;2009年

8 朱曉鳳;基于核函數(shù)的特征級融合及在手部特征識別上的應用[D];北京交通大學;2009年

9 郭麗艷;基于BP網(wǎng)絡特征級信息融合及在目標識別中的應用研究[D];武漢大學;2004年

，

本文編號：1465574