基于二維熵圖像處理和SVM的空中目標(biāo)識(shí)別研究.pdf

1、基于圖像的目標(biāo)識(shí)別技術(shù)己經(jīng)在諸多領(lǐng)域得到了廣泛的應(yīng)用，目前，它已滲透到了醫(yī)學(xué)、工業(yè)生產(chǎn)、航空航天、交通運(yùn)輸?shù)雀鱾€(gè)領(lǐng)域。支持向量機(jī)(SupportVectorMachine)在解決小樣本、非線性以及高維識(shí)別等分類問(wèn)題方面有突出優(yōu)勢(shì)，現(xiàn)已成為機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域的標(biāo)準(zhǔn)工具。論文研究基于二維熵圖像處理和SVM的空中目標(biāo)分類識(shí)別。
　　 針對(duì)空中目標(biāo)容易發(fā)生旋轉(zhuǎn)、尺度變化、遮擋以及對(duì)比度低等特點(diǎn)，提取了樣本圖像的輪廓特征、形狀特征和統(tǒng)

2、計(jì)特征構(gòu)成的組合特征，并將基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)(SVM)應(yīng)用到了分類器設(shè)計(jì)上。圖像分割的質(zhì)量嚴(yán)重影響著后續(xù)的特征提取，進(jìn)而影響算法識(shí)別率。論文中分析了傳統(tǒng)二維直方圖及其區(qū)域劃分存在的不足，在二維熵圖像閾值分割應(yīng)用中有用信息丟失，不能有效消除噪聲干擾。提出了基于灰度一梯度共生矩陣模型的二維Renyi熵和二維Alimoto熵兩種新的圖像閾值分割方法，實(shí)驗(yàn)結(jié)果表明，這兩種方法具有很強(qiáng)的抗噪性，能很好的刻畫(huà)目標(biāo)的邊界信息，有利于后續(xù)的特