基于多特征决策融合的sar飞机识别

《基于多特征决策融合的sar飞机识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于多特征决策融合的SAR飞机识别　　摘要：针对高分辨率SAR图像的飞机目标识别问题，提出了一种基于飞机几何特征、PCA特征、Hu不变矩等多特征决策融合的自动目标识别方案。针对飞机样本特点，分别提取飞机的几何长宽特征、PCA特征和Hu不变矩特征，使用三个支持向量机分类器分别对样本的三类特征进行预分类，然后采用基于等级的决策融合方法将预分类结果进行决策融合，输出最终的目标类别。实验过程中，随机选取一定百分比的样本进行训练，获得分类器模型，对全部的样本进行测试识别。通过实验发现，将几何特征、PCA特征和Hu不变矩

2、特征的分类结果进行决策融合后，克服了单一特征决策的不准确性，有效地提高了每一类样本的识别准确率。　　关键词：SAR图像；目标识别；几何特征；PCA特征；Hu不变矩；基于等级的决策融合　　中图分类号：TN957.52?34；TP391.41文献标识码：A文章编号：1004?373X（2016）21?0050?06　　SARimagerecognitionbasedonmulti?featuredecisionfusionforplane　　HUYan，LIYuanxiang，YUWenxian　　（Shangh

3、aiJiaoTongUniversity，Shanghai200240，China）　　Abstract：Inordertorecognizetheplanetargetofhighresolutionsyntheticapertureradar（SAR）image，anautomatic13targetrecognitionschemebasedonmulti?featuredecisionfusionoftheplane′sgeometricfeature，principalcomponentanalys

4、is（PCA）featureandHumomentinvariantispresented.Aimingatthecharacteristicsofplanesample，thegeometriclength?widthfeature，PCAfeatureandHumomentinvariantfeatureareextractedrespectivelyfromSARimages.Threesupportvectormachineclassifiersareusedtopresortthethreefeat

5、uresofthesamplerespectively.Andthentheranking?baseddecisionfusionmethodisusedtodecideandfusethepresortresults，andoutputthefinaltargetclass.Thesamplewithacertainpercentageisrandomlyselectedintheexperimentprocessfortraining.Theclassifiermodelwasobtainedtotest

6、andrecognizethewholesamples.Theexperimentalresultsshowthatthedecidedandfusedclassificationresultsofgeometricfeature，PCAfeatureandHumomentinvariantfeatureovercametheinaccuracyofusingsinglefeaturedecision，andimprovedtherecognitionaccuracyofeachtypesampleeffec

7、tively.　　Keywords：SARimage；targetrecognition；geometricfeature；PCAfeature；Humomentinvariant；ranking?baseddecisionfusion　　0引言　　与光学成像相比，合成孔径雷达（SyntheticAperture13Radar，SAR）具有全天时、全天候、多极化、高分辨率等特点，被广泛应用于军事、民用中。随着SAR图像收集能力的不断增强，合成孔径雷达目标自动识别（SARATR）已成为国内外的研究热点。SARA

8、TR可表述为从SAR图像中分割出感兴趣的目标区域，对该区域提取目标相关特征，从而识别出目标所属类型。　　SAR图像可用于目标识别的特征主要包括几何结构特征、灰度统计特征和变换特征等。在传统方法中，选择单一特征进行分类存在一定的缺陷，如识别率达不到要求、运行时间过长等，为了得到具有良好分类性能的分类器，提高目标识别准确率，可通过提取图像的多种有效特征，将其对应的分类器进行集成，对多个分类器的决策进行融