一种基于稀疏滤波特征选择的目标识别方法技术

本发明专利技术公开了一种基于稀疏滤波特征选择的目标识别方法，该方法主要应用于飞机目标的识别，方法包括：建立飞机遥感图像的数据库并使用多种不变性特征提取飞机目标遥感图像的组合特征，然后对组合特征进行归一化和非线性变换，再使用稀疏滤波算法进行特征选择，降低组合特征维度，去除冗余特征，最后训练支持向量机模型进行飞机目标的识别。采用本方法可以去除飞机目标的旋转、遮挡对识别结果的影响，而且由于因此该方法具有较强的鲁棒性和泛化能力，因此还可以应用在多种目标识别领域。

【技术实现步骤摘要】
一种基于稀疏滤波特征选择的目标识别方法
本专利技术涉及图像识别
，具体涉及一种基于稀疏滤波特征选择的目标识别方法。
技术介绍
军事领域中，传统的陆军地位不断被削弱，空军的崛起使得飞机目标识别的意义十分重大。而飞机作为首要的军事侦察与打击对象之一，对敌方机场遥感图像中的飞机动态变化进行掌控，提取飞机目标的特征并进行分类识别，确定各类飞机数目，以知晓敌方空中力量，对推测作战方式与意图、推进军事行动具有十分重要的意义。目前，飞机目标遥感图像的识别方法，主要是根据飞机图像的外形轮廓信息寻找近似不变性特征，并结合各种分类器进行飞机机型的判定。常见类别的不变性特征有Hu矩、仿射矩、Zernike矩、小波矩、角点特征、SIFT特征等。然而采用单一类别的不变性特征，容易满足某些特定应用环境的识别要求，而对其他应用环境的识别效果较差。因此在单一不变性特征特区的基础上，近年来将各种不变性特征进行组合，形成高维的组合不变性特征。但是组合不变性特征的多个特征之间不可避免的会存在线性关系，造成特征冗余，浪费特征资源，且特征维数较高，容易造成“维数灾难”，使得识别效率低下。一般来说，大部分的无监督特征选择本文档来自技高网...

【技术保护点】
一种基于稀疏滤波特征选择的目标识别方法，其特征在于，包括以下步骤：1)建立飞机遥感图像的数据库，并将其划分为训练数据集x和测试样本集y；2)提取训练数据集x中飞机目标遥感图像的特征，包括图像的熵、归一化转动变量NMI、Hu矩、Fourier描述子和Zernike矩，将飞机目标遥感图像的特征进行归一化，组成飞机目标遥感图像的组合不变性特征X∈R

【技术特征摘要】
1.一种基于稀疏滤波特征选择的目标识别方法，其特征在于，包括以下步骤：1)建立飞机遥感图像的数据库，并将其划分为训练数据集x和测试样本集y；2)提取训练数据集x中飞机目标遥感图像的特征，包括图像的熵、归一化转动变量NMI、Hu矩、Fourier描述子和Zernike矩，将飞机目标遥感图像的特征进行归一化，组成飞机目标遥感图像的组合不变性特征X∈Rm×n，其中m和n分别为图像数量维数和特征维数；3)利用组合不变性特征X训练稀疏字典D∈Rn×l，使用稀疏滤波方法进行特征选择，减少特征的维度，得到紧凑的特征表达F，其中l表示特征选择后的特征维数；4)利用优化后的特征F训练基于RBF核的SVM分类器，得到用于飞机目标识别的分类器模型；5)按步骤2～3)的方法提取测试样本集y的组合不变性特征进行特征选择，将得到的非线性变换特征输入经过步骤4)训练的SVM分类器进行分类，得到最终的测试结果。2.根据权利要求1所述的一种基于稀疏滤波特征选择的目标识别方法，其特征在于，所述步骤1)中建立的飞机遥感图像数据库共包含8类飞机遥感图像，每类88幅，共704幅128*128的二值图像；在数据库中，不仅包括了旋转不同角度的飞机图像，而且还包括部分位置被遮挡的遥感飞机图像；从每类飞机图像中随机选择38幅图像组成训练集x，剩余的50幅图像组成测试集y。3.根据权利要求1所述的一种基于稀疏滤波特征选择的目标识别方法，其特征在于，所述步骤2)提取训练集中遥感飞机图像的熵值、归一化转动变量NMI、Fourier描述子、Hu矩和Zernike矩作为飞机图像的组合不变性特征；其中，特征融合时所...

【专利技术属性】
技术研发人员：杨刚，郑春红，王传聪，原浩娟，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61