基于特征融合的自动目标识别技术研究

《基于特征融合的自动目标识别技术研究》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、上海交通大学工学硕士学位论文基于特征融合的自动目标识别技术研究摘要基于图像融合的自动目标识别，就是利用多种传感器提供的目标图像进行融合处理，提高识别的精度和鲁棒性，以得到更好的识别性能。这是一个很有前景的研究课题。目前图像融合的很大一部分研究工作集中在像素级融合，但是像素级融合要处理的数据非常多，数据在时间和空间上配准精度要求高，耗费时间长，实时性差。决策级融合是对各传感器的识别结果进行融合，信息损失大，性能较差。而特征级融合不仅可以增加从图像中提取特征信息的可能性，还可以通过对现有的各个特征进行综合，获取一些有用的复合特征，通过特征级的图像融合既能保持足够数量的

2、有效信息，又经过数据压缩，大大降低了数据量，可以提高处理过程的实时性，越来越受到研究工作者的重视。基于特征融合的目标自动识别技术，是对目标的两种或多种传感器信息进行处理，提取并融合所得到的特征，对目标进行跟踪、识别的技术。本文主要针对目标图像的特征级融合识别方法进行了研究，重点研究了目标的特征提取方法和特征融合识别方法。I上海交通大学工学硕士学位论文本文的主要研究成果如下：1.针对基于正则化拉普拉斯矩阵的局部保留映射(NL-LPP)算法的不足，提出了不相关且正交的基于正则化拉普拉斯矩阵的局部保留映射（UONL-LPP）算法。该算法能够在保留原始数据空间的局部信息的

3、同时，使提取的特征满足统计不相关性和正交性，从而具有最小的冗余，并有利于实现原始数据的重构。2.针对线性鉴别分析（LDA）主要提取数据的全局结构信息，而局部保留映射（LPP）主要提取局部结构信息的不足，提出了一种兼顾这两种特征的特征融合方法，称为全局局部特征融合分析方法（GLA），该方法通过引入一个调节因子，可以根据不同的应用调节这两种特征的权重，有效地提高了目标识别率。为了提高GLA的非线性处理能力，给出了基于核的全局局部特征融合分析方法（KGLA）。3.研究了基于典型相关分析的特征融合方法。针对当典型相关分析用于高维小样本问题时，由于矩阵奇异而失效的缺陷，提出

4、了张量典型相关分析方法，该方法直接利用图像的矩阵形式从行和列两个方向进行特征抽取，不仅大幅度地提高了运算速率，而且识别率也有了一定程度的提高。关键词：目标识别，特征提取，特征融合II上海交通大学工学硕士学位论文RESEARCHONAUTOMATICTARGETRECOGNITIONBASEDONFEATUREFUSIONABSTRACTAutomaticTargetRecognition(ATR)basedoninformationfusionisthetechniquethatintegratescomplementaryinformationoftargeti

5、magesprovidedbymulti-sensorstoimprovetheaccuracyandrobustnessofidentification.Thisisapromisingresearchtopic.Muchofthecurrentresearchworkfocusesonthepixel-levelfusion.Butpixel-levelfusionistodealwithalotofdatawhichneedtoberegisteredintimeandspacewithahigh-precision.Soit’stime-consuming

6、,andcanhardlyrealizereal-timeprocess.Decision-levelfusionistointegratetherecognitionresultofeachsensor.Soitmaylosesomeimportantinformation,andgetpoorperformance.Feature-levelfusionnotonlycanincreasethepossibilityofextractingfeaturesfromimages,butalsocangetsomeusefulcompositefeaturesth

7、roughintegratingexistingfeatures.Throughfeature-levelfusion,thedimensionalityofdatacanbegreatlyreducedbydatacompression,whilesufficientvalidinformationcanbemaintained.Soitcanbeappliedtoreal-timeapplications,andgetgoodrecognitionaccuracy.Now,moreandmoreresearchersareengagedinthestudyof

8、featu