基于多分类器融合的多视点飞机目标识别算法研究

《基于多分类器融合的多视点飞机目标识别算法研究》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、学校代码：10406分类号：TP391.4学号：130083500005南昌航空大学硕士学位论文（学位研究生）基于多分类器融合的多视点飞机目标识别算法研究硕士研究生：季康导师：曾接贤教授申请学位级别：硕士学科、专业：软件工程所在单位：软件学院答辩日期：2016年6月授予学位单位：南昌航空大学AircraftTargetRecognitionResearchbasedonmulti-classifierfusionundermulti-viewsAThesisSubmittedfortheDegreeofMasterOnSoftwareEngineeringbyJiKangUnder

2、theSupervisionofProf.ZengJie-xianSchoolofSoftwareEngineeringNanchangHangkongUniversity,Nanchang,ChinaJune,2016摘要基金资助：本论文得到国家自然科学基金（No:61165011）的资助。随着科学技术的发展，飞机目标识别已经成为计算机视觉领域中研究的热点之一。飞机目标识别技术在军事领域和民用领域都有广泛的应用。在军事领域，飞机目标识别可以应用在防御系统、导航制导系统、军事目标侦查中。在民用方面，飞机目标识别可以为民航机场提供实时动态监控，便于机场进行有效的管理。近年来，飞机目标

3、识别技术已经取得了很大的进展，但是依然存在着在多视点下飞机姿态多变导致识别率低，算法耗时量大等问题。因此，本文为提高算法识别精度，减少耗时量，在现有算法的基础上，提出了基于多分类器融合的多视点飞机目标识别算法。本文主要研究内容如下：1、总结飞机目标识别的通用流程和关键技术，并对流程中各个步骤的关键技术进行分析，其中着重介绍特征提取和分类器的选择。首先分析了特征提取中各个特征的优劣，然后探究了不同类型的特征之间的联系，最后详细介绍了识别算法中各种常用的分类器。2、针对飞机目标在多视点情况下，姿态变化导致飞机目标识别率低的问题，本文提出了一种基于SVM(SupportVectorMac

4、hine)和DSmT(Dezert-Smarandachetheory)理论相结合的多特征融合的多视点飞机目标识别算法。首先训练多个SVM分类器，然后利用DSmT融合规则对多个SVM分类器进行融合判断，最后得到识别结果。该算法有效的克服了在多视点下，由于飞机姿态多变导致的飞机目标识别率低的问题。实验表明该算法能够在飞机姿态发生较大变化时，较好地识别出不同类型的飞机。3、针对飞机多姿态情况下识别精度低、耗时量大的问题，提出了一种基于极限学习机的多特征融合飞机目标识别算法。通过提取小波矩、Zernike矩和傅立叶描述子分别建立相应的极限学习机模块。对于每个模块得到的结果，利用加权投票的

5、融合方法做出最终判别结果。该算法充分利用极限学习机的特性，降低了算法所消耗的时间，提高了算法的实时性。实验表明，该算法能较好的识别出不同类型的飞机，并且耗时量小。关键词：飞机目标识别，特征提取，DSmT理论，极限学习机，多分类器融合IAbstractWiththedevelopmentofscienceandtechnology,Aircrafttargetrecognitionisbecomeoneofthehotspotsintheresearchofcomputervisionfield.Theplanehasabroadapplicationinbothmilitaryan

6、dcivilianfields.Inthefieldofmilitary,aircrafttargetrecognitioncanbeappliedinNavigationguidancesystem,Defensesystem,militarytargetdetection.Inthefieldofcivilian,aircrafttargetrecognitioncanprovidereal-timedynamicmonitoringforthecivilaviationairport.Throughthese,theairportstaffcaneffectivemanage

7、menttheairport.Thetechnologyofaircrafttargetrecognitionhasagreatprogressinrecentyears,buttherearestillmanyshortcomingsofexistingalgorithms,suchaslowrecognitionrateofaircraftandtime-consumingundermultipleviewpointsandmultiplepositions.Th