摘要：针对飞机遥感图像识别,对一种基于组合特征选择的目标识别算法进行了研究。考虑获取的飞机样本数量有限,且存在旋转、遮挡等现象,采用提取图像熵值、归一化转动变量、Fourier描述子、Hu矩和Zernike矩不同的不变矩描述其整体和细节特征,用离差标准化的归一化方法进行特征融合。考虑组合不变矩维数相对较高,用主成分分析（PCA）算法进行特征选择以避免维数灾难。用具参数优化的支持向量机（SVM）进行分类识别。给出了目标识别算法的流程。进行了手写数字和飞机目标识别两个仿真实验,结果表明：该特征选择方法在基于MNIST数据集的小样本手写体数字图像识别中,识别效果良好;在有限样本的飞机识别中,经特征选择后识别效果有较大改善,识别时间缩短,训练样本数据多,识别的精度会更高,但当飞机目标的不同姿态下形状发生变化时识别效果会变差。
分类：期刊> 自然科学与工程技术> 工程科技II> 航空航天科学与工程
收录：CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：遥感飞机图像 目标识别 组合不变矩 特征选择 主成分分析法 支持向量机 识别效果 参数优化
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
