【技术实现步骤摘要】
本专利技术涉及高光谱图像处理和目标识别领域,具体涉及一种基于压缩感知的快速目标识别方法和系统。
技术介绍
压缩感知理论是一种比较新颖的信号处理方法,与传统的信号处理中先采样再压缩不同,它是在将压缩和采样同时进行,这也是压缩感知独特的优势。它可以脱离信息处理对贷款的性能要求,提出了以信号的稀疏表示为前提,把稀疏性作为信号的一个基本特性;加入某一信号不满足要求,则压缩感知理论便会失效,幸运的是在一般目标识别中,图像的稀疏度都较大,因此利用压缩感知得到的数据量可以远远小于信号的原始信息量,从而降低成本。光谱特征识别技术实际上是一种与单元目标探测和多元成像探测相结合的复合识别技术,通过将光谱技术与成像技术相结合,使单元探测真正具备目标识别能力,通过光谱特征识别功能的附加改进,可以使原有的单元红外系统在有限的硬件改进和软件算法升级的条件下具备强大的目标识别能力,具有极高的效费比。另外由于光谱反映了辐射源的本质信息,因此相对于传统红外系统,其目标识别率大大提高,特别是其抗干扰特性非常优异,干扰的难度非常大,如果识别技术高超甚至无法干扰。目前随着光谱成像技术的发展,高光谱大量的光谱波段数据提供了丰富的信息。但是一般来说,对于目标进行多光谱分析,由于波段的增多也导致了信息冗余和数据处理难度的增加。即通常意义下的“维数灾难”。同时,面对高光谱数十、数百的波段信息,基于样本数和计算复杂的限制,全部利用所有波段是不现实的,因此光谱降维一直是光谱图像处理领域的热点问题之一。当前,数据降维主要有两种方法:特征选择和特征提取。其基本任务为从多光谱特征中寻找有效特征输出。但即便如此, ...
【技术保护点】
一种基于压缩感知的快速目标识别方法,其特征在于,该方法包含:采用光谱选择方法对训练样本光谱降维,并用训练样本训练SVM分类器;采用压缩感知方法进行目标图像采样和稀疏变换;基于正交匹配追踪方法进行压缩感知重构;采用SVM分类器进行目标识别。
【技术特征摘要】
1.一种基于压缩感知的快速目标识别方法,其特征在于,该方法包含:采用光谱选择方法对训练样本光谱降维,并用训练样本训练SVM分类器;采用压缩感知方法进行目标图像采样和稀疏变换;基于正交匹配追踪方法进行压缩感知重构;采用SVM分类器进行目标识别。2.如权利要求1所述的基于压缩感知的快速目标识别方法,其特征在于,所述光谱选择方法包含:从输入图像选取正样本集和负样本集作为训练样本,正样本集采...
【专利技术属性】
技术研发人员:李大鹏,卢山,袁驰,张翰墨,苏枫,
申请(专利权)人:上海航天控制技术研究所,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。