共查询到17条相似文献,搜索用时 93 毫秒
1.
2.
3.
4.
5.
6.
基于多维极化特征空间的雷达目标识别 总被引:4,自引:0,他引:4
在宽带极化雷达体制背景下,研究了目标的变极化效应,并采用参数作了具体表征,结合多视角观测这一现实,构造了目标的多维极化特征空间,并在此基础上对五种飞机目标进行了识别实验研究,取得了良好的目标分类或识别效果。 相似文献
7.
针对空间目标的RCS特征识别的问题,提出了基于粒子群算法(PSO)训练的时延神经网络(TDNN)识别方法.首先研究了时延神经网络的结构模型和梯度下降训练法,由于梯度下降训练法存在收敛速度缓慢、容易陷入局部极小值等缺点,提出了基于粒子群算法的训练方法,将时延神经网络的训练过程转化为群体随机优化问题.最后,提取两类空间目标的RCS实测数据小波特征,利用各类神经网络进行识别比较发现:基于粒子群算法的时延神经网络(PSO-TDNN)具有分类能力强,收敛速度快等优点. 相似文献
8.
本文提出了一种基于正交判别子空间的雷达目标距离像识别方法.该方法采用一种新的准则函数,得到由一组正交基组成子空间,与修正正则子空间相比其使用正交基数量少、计算简单.用四种不同类型飞机回波数据进行识别研究,结果表明了该方法的有效性. 相似文献
9.
基于子空间的3D目标识别和姿态估计方法 总被引:3,自引:1,他引:3
提出一种基于子空间的3D目标识别方法。该方法对3D目标进行事先的训练学习,采集目标可能出现时的图像,提取场景中目标的主要特征成分,建立所有目标样本图像和每个目标样本图像对应的两类特征子空间,分别用来确定目标类型和姿态。当输入一幅未知的待识别目标样像,识别系统将其分别向两类特征空间投影,根据它在两类特征子空间中的投影位置并参照目标特征的分布规律识别目标类型和姿态。实验证明,该方法具备对目标多种姿态图像畸变的鲁棒性,对光照变化也有很好的抑制作用,取得良好的目标识别效果。 相似文献
10.
空间目标红外特征提取与识别技术 总被引:1,自引:0,他引:1
针对空间目标红外识别中典型的类内变化大、类间变化小等问题,提出了一种用支持向量机(Support Vector Machine,SVM)分类器结合局部二值模式(Local Binary Pattern,LBP)直方图特征和灰度直方图特征的空间目标红外特征提取与识别方法.以国内某卫星和国外某卫星为研究对象,提取它们红外图像的LBP直方图特征以及灰度直方图特征;使用红外仿真软件生成两个目标在不同姿态、不同分辨率下的样本图,并分成两部分,分别作为SVM分类器的训练集和测试集.实验结果表明,LBP直方图特征和灰度直方图特征均能够以较高的准确率对空间目标进行识别,且其识别效能与目标红外图像的分辨率以及SVM核函数有关. 相似文献
11.
基于中心矩特征的空间目标识别方法 总被引:1,自引:0,他引:1
目标的雷达散射截面(RCS)包含了丰富的目标类别信息,有效地利用目标RCS特征对空间目标的雷达识别具有重要的意义。该文利用空间目标回波的距离维信号来进行识别。中心矩特征具有平移不变性,是一种简单有效的波形特征提取算法。文中首先提取中心矩作为特征向量,再采用Fisher判据进一步进行特征压缩,最后利。用支撑矢量机(SVM)分类算法实现识别。基于实测数据的仿真实验结果表明,该方法具有较好的识别性能和推广能力。 相似文献
12.
利用目标的发动机调制(JEM)效应,提取目标的谱线间隔、谱线宽度、谱线个数、幅度偏差系数、能量比、波形熵、中心矩等特征,形成特征向量后参与后续的综合决策。在低分辨雷达对飞机目标进行的目标分类识别试验中采集数据,进行了实测数据分析,实验结果表明提取的目标特征和分类效果方面的有效性。 相似文献
13.
14.
应用支持向量机分类的多角度目标识别技术 总被引:4,自引:1,他引:3
综合应用图像的不变矩特征和支持向量机分类方法,提出了一种对于红外图像中多角度目标的识别方法。首先通过目标分割算法求得红外图像中目标的轮廓图像,然后从轮廓图像的Hu矩、Zernike矩和Fourier-Mellin矩中选取适当阶次的矩特征组成目标在特定视角范围内的不变性特征向量;对目标的视角范围进行适当划分以解决多角度引起的目标样本多样性,并在每个划分的视角范围内分别应用支持向量机的方法进行多目标分类。测试结果表明,本文提出的方法较好地实现了红外图像中多角度目标的识别问题,是一种有效的自动目标识别算法。 相似文献
15.
极化逆合成孔径雷达(ISAR)具备全极化测量和高分辨成像能力,已成为空间态势感知的重要传感器。作为典型的人造目标,空间目标散射特性敏感于目标姿态和雷达视线方向的相对夹角。这种散射多样性给极化ISAR数据解译带来困难,也蕴藏着丰富的极化散射信息。为提高空间目标散射结构辨识性能,该文深入挖掘绕雷达视线的极化旋转域信息,提出一种空间目标散射结构极化旋转域辨识方法,共包含3个步骤。首先,对极化ISAR数据开展绕雷达视线的极化旋转域分析,导出极化相关方向图特征。其次,分析基本散射体的极化相关方向图特性,构造极化特征编码矢量。最后,基于极化特征编码矢量距离度量实现散射结构极化辨识。围绕太阳能帆板、反射面天线等空间目标典型部件开展仿真实验研究,所提方法相较于传统的Cameron分解方法性能更优,鲁棒性更高。 相似文献
16.