發(fā)布時(shí)間：2018-10-05 09:09

【摘要】：考慮多波段圖像的融合識別可以擴(kuò)展識別系統(tǒng)的應(yīng)用范圍,本文探索并設(shè)計(jì)了一種基于卷積神經(jīng)網(wǎng)絡(luò)的融合識別方法。該方法以AlexNet網(wǎng)絡(luò)模型為基礎(chǔ),同時(shí)對可見光、中波紅外和長波紅外三波段圖像進(jìn)行特征提取;然后,利用互信息的方法對串聯(lián)的三波段特征向量進(jìn)行特征選擇,依據(jù)重要性排序的方式選定固定長度的特征向量;最后,依據(jù)特征提取層級的不同,分別以早期融合、中期融合和后期融合3種融合方式來驗(yàn)證算法的有效性。采用自建的三波段艦船圖像數(shù)據(jù)庫進(jìn)行了模型的訓(xùn)練和測試,共包含6類目標(biāo),5 000余張圖像。實(shí)驗(yàn)結(jié)果顯示,采用的3種融合識別方法中,中間層融合的識別準(zhǔn)確率最高,達(dá)到84.5%,比早期融合和后期融合分別高5%和7%左右。另外,在本文的應(yīng)用場景下,無論何種融合方式,其融合識別的準(zhǔn)確率均明顯高于其他單波段識別的準(zhǔn)確率。
[Abstract]:Considering that multi-band image fusion recognition can extend the application range of recognition system, this paper explores and designs a fusion recognition method based on convolution neural network. The method is based on the AlexNet network model and extracts the features of the visible, medium and long wave infrared images simultaneously, and then uses mutual information to select the feature vectors in series. The feature vectors of fixed length are selected according to importance ranking. Finally, according to the different levels of feature extraction, the validity of the algorithm is verified by three fusion methods: early fusion, intermediate fusion and late fusion. The model is trained and tested by using the three-band ship image database, which contains more than 5,000 images of 6 kinds of targets. The experimental results show that the middle layer fusion has the highest recognition accuracy of 84.5, which is about 5% and 7% higher than that of early fusion and late fusion, respectively. In addition, the accuracy rate of fusion recognition is obviously higher than that of other single-band recognition in the application scenario of this paper.
【作者單位】： 海軍航空工程學(xué)院控制工程系;中國國防科技信息中心;91206部隊(duì);
【基金】：國家自然科學(xué)基金資助項(xiàng)目(No.61303192)
【分類號】：TP183;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曠章輝;王甲海;周雅蘭;;用改進(jìn)的競爭Hopfield神經(jīng)網(wǎng)絡(luò)求解多邊形近似問題[J];計(jì)算機(jī)科學(xué);2009年03期

2 高永建 ,吳健康;神經(jīng)網(wǎng)絡(luò)及其識別應(yīng)用簡介[J];電信科學(xué);1990年02期

3 謝國梁;;神經(jīng)網(wǎng)絡(luò):從希望到現(xiàn)實(shí)[J];激光與光電子學(xué)進(jìn)展;1991年01期

4 鄭士貴;文獻(xiàn)自動閱讀神經(jīng)網(wǎng)絡(luò)[J];管理科學(xué)文摘;1996年08期

5 韓艷春;李智蘭;曾憲文;;目標(biāo)識別與分類方法[J];軍事通信技術(shù);2003年01期

6 楊建勛,史朝輝;基于模糊綜合函數(shù)的目標(biāo)識別融合算法研究[J];火控雷達(dá)技術(shù);2004年04期

7 李彥鵬,施福忠,黎湘,莊釗文;基于模糊綜合評判的目標(biāo)識別效果評估[J];計(jì)算機(jī)應(yīng)用研究;2005年03期

8 左崢嶸,張?zhí)煨?集成證據(jù)提高目標(biāo)識別性能的方法研究[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

9 李彥鵬,黎湘,莊釗文;一種應(yīng)用模糊聚類分析的目標(biāo)識別效果評估方法[J];電子對抗技術(shù);2005年03期

10 呂芬;趙生妹;;基于Hopfield神經(jīng)網(wǎng)絡(luò)的噪聲字母識別[J];計(jì)算機(jī)與信息技術(shù);2005年12期

相關(guān)會議論文 前10條

1 鄭援;胡成軍;;基于數(shù)據(jù)融合的魚雷目標(biāo)識別[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

2 李夕海;趙克;慕曉冬;劉代志;;目標(biāo)識別中的特征相空間吸引子分析[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

3 陳文新;王長富;戴蓓倩;;基于神經(jīng)網(wǎng)絡(luò)的漢語四聲識別[A];第一屆全國語言識別學(xué)術(shù)報(bào)告與展示會論文集[C];1990年

4 馮杰;蓋強(qiáng);古軍峰;;模糊聚類分析方法在海上目標(biāo)識別中的應(yīng)用[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

5 趙克;劉代志;慕曉東;蘇娟;;目標(biāo)識別的特征量約束[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

6 李正東;陳興無;宋琛;何武良;;多傳感器的目標(biāo)識別[A];中國工程物理研究院科技年報(bào)（1999）[C];1999年

7 李睿;李明軍;;一種模糊高斯基神經(jīng)網(wǎng)絡(luò)在數(shù)值逼近上的仿真[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國第17屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2006年

8 許旭萍;臧道青;;采用Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)施缸蓋表面點(diǎn)陣字符識別[A];第十五屆全國汽車檢測技術(shù)年會論文集[C];2011年

9 俞鴻波;趙榮椿;;三維空間目標(biāo)識別概述[A];信號與信息處理技術(shù)——第一屆信號與信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2002年

10 曹健;陳紅倩;毛典輝;李海生;蔡強(qiáng);;基于局部特征的圖像目標(biāo)識別問題綜述[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

相關(guān)重要報(bào)紙文章 前1條

1 中國科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

相關(guān)博士學(xué)位論文 前10條

1 韓靜;基于仿生視覺模型和復(fù)雜信息學(xué)習(xí)的多光譜夜視目標(biāo)識別技術(shù)[D];南京理工大學(xué);2014年

2 黃璇;多源引導(dǎo)信息融合及其關(guān)鍵技術(shù)研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所);2016年

3 李曉剛;基于神經(jīng)網(wǎng)絡(luò)的碼垛機(jī)器人視覺位姿測量及伺服控制研究[D];北京林業(yè)大學(xué);2015年

4 戶保田;基于深度神經(jīng)網(wǎng)絡(luò)的文本表示及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2016年

5 沈旭;基于序列深度學(xué)習(xí)的視頻分析：建模表達(dá)與應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2017年

6 諸勇;正交回歸神經(jīng)網(wǎng)絡(luò)及其在控制系統(tǒng)中的應(yīng)用[D];浙江大學(xué);1998年

7 舒銳;衛(wèi)星目標(biāo)識別與特征參數(shù)提取方法研究[D];哈爾濱工業(yè)大學(xué);2010年

8 李彥冬;基于卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)視覺關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2017年

9 賈宇平;基于信任函數(shù)理論的融合目標(biāo)識別研究[D];國防科學(xué)技術(shù)大學(xué);2009年

10 包姣;基于深度神經(jīng)網(wǎng)絡(luò)的回歸模型及其應(yīng)用研究[D];電子科技大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

2 蔡邦宇;人臉識別中單次ERP時(shí)空特征分析及其快速檢索的應(yīng)用[D];浙江大學(xué);2015年

3 鄭川;垃圾評論檢測算法的研究[D];西南交通大學(xué);2015年

4 許俊峰;基于模型的任意視點(diǎn)下三維目標(biāo)識別研究[D];南京航空航天大學(xué);2015年

5 汪濟(jì)民;基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測和性別識別研究[D];南京理工大學(xué);2015年

6 彭玲玲;基于不確定理論與機(jī)器學(xué)習(xí)的行人檢測[D];長安大學(xué);2015年

7 楊陳東;BP-Fisher判別分析法[D];長安大學(xué);2015年

8 孟鑫;基于Hadoop云平臺下的客流量預(yù)測研究[D];長安大學(xué);2015年

9 張勇;深度卷積神經(jīng)網(wǎng)絡(luò)在車牌和人臉檢測領(lǐng)域的應(yīng)用研究[D];鄭州大學(xué);2015年

10 宋璐璐;財(cái)經(jīng)職業(yè)技術(shù)學(xué)院票務(wù)管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];西安工業(yè)大學(xué);2015年

，

本文編號：2252812