一种基于ELM与DSmT的飞机姿态识别方法技术

本发明专利技术公开了一种基于ELM与DSmT的飞机姿态识别方法。将飞机的360度飞行姿态分为7大类。对于待识别的飞机图像，经过去噪、灰度化、二值化处理后，提取具备平移、旋转、缩放不变性的SIFT特征与轮廓局部奇异值特征，可以有效解决单一特征提供的目标信息有限而造成算法识别率差这一问题；然后，采用学习速度快的ELM算法训练泛化能力强的SLFNs，将训练好的SLFNs作为算法的分类器；最后，采用DSmT融合理论中的PCR5公式，实现多特征的决策级融合，给出最终的识别结果。基于ELM与DSmT的飞机姿态识别方法可以解决飞机姿态识别中由于飞机姿态种类繁多、外界干扰等造成的识别率低下这一问题，同时在实时性方面，本方法也有一定的优越性。

A method of aircraft attitude recognition based on ELM and DSmT

The invention discloses an aircraft posture recognition method based on ELM and DSmT. The 360 degree flight attitude of aircraft is divided into 7 categories. For the identification of aircraft image after denoising, gray, binarization processing, extraction with translation, rotation and zoom invariant SIFT features and contour local singular value features, can effectively solve the target information caused by the limited recognition rate of the algorithm this single feature; then, the learning ability of ELM fast algorithm for training the generalization of strong SLFNs, trained as a classifier SLFNs algorithm; finally, by using the PCR5 formula DSmT fusion theory, multi feature decision level fusion, the final recognition results are given. Based on ELM and DSmT aircraft pose recognition method to solve the aircraft attitude recognition due to recognition caused by aircraft attitude variety, the external disturbance and low rate of this problem, at the same time in real time, the method also has the certain superiority.

【技术实现步骤摘要】
一种基于ELM与DSmT的飞机姿态识别方法
本专利技术属于自动目标识别
，特别涉及一种基于ELM与DSmT的飞机姿态识别方法。
技术介绍
自动目标识别技术(AutomaticTargetRecognition,ATR)是取得战场控制信息权的关键因素之一。从二十世纪八十年代开始，国内外很多的专家、学者积极参与了ATR技术的研究，使得ATR理论方面得到了完善，应用领域也得到很大的扩展。飞机目标识别作为ATR的重要领域之一，在现代战争和未来战争中都将占有着极为重要的地位。现代军事活动中，飞机的姿态识别越来越发挥着重要的作用，通过定位飞机的姿态，能够更方便准确的定位飞机的局部关键部位(如螺旋浆、机舱、油箱)。早期的研究主要集中于利用单特征结合模式分类方法对飞机目标做分类和识别。刘刚等(刘刚,梁晓庚,张京国.基于红外图像的飞机目标关键攻击部位识别[J].计算机工程与应用,2011,47(24):174-178)基于红外图像，将飞机图像分割成背景、机身、尾焰三部分，通过计算一种组合矩，同时结合面积比特征来实现飞机识别。涂建平等(涂建平,彭应宁,庄志洪.弹道终端飞机目标红外图像瞄准点识别方法本文档来自技高网...

【技术保护点】
一种基于ELM与DSmT的飞机姿态识别方法，其特征在于，具体步骤如下：第一步：对于飞机图像进行去噪、灰度化和二值化预处理；第二步：对经过预处理的飞机图像提取二值化图像的SIFT特征描述子和飞机轮廓特征；第三步：对SIFT特征描述子采用经典的BoW模型进行描述并最终得到BoWSIFT向量；第四步：对第二步中得出的飞机轮廓特征进行处理得到飞机目标轮廓局部奇异值向量；第五步：根据BoWSIFT向量，构建SLFNs网络，采用实时性好的ELM算法训练SLFNs网络，得到训练好的SLFNs1；对于轮廓局部奇异值向量，构建SLFNs，然后采用实时性好的ELM算法训练SLFNs网络，得到训练好的SLFNs2；...

【技术特征摘要】
1.一种基于ELM与DSmT的飞机姿态识别方法，其特征在于，具体步骤如下：第一步：对于飞机图像进行去噪、灰度化和二值化预处理；第二步：对经过预处理的飞机图像提取二值化图像的SIFT特征描述子和飞机轮廓特征；第三步：对SIFT特征描述子采用经典的BoW模型进行描述并最终得到BoWSIFT向量；第四步：对第二步中得出的飞机轮廓特征进行处理得到飞机目标轮廓局部奇异值向量；第五步：根据BoWSIFT向量，构建SLFNs网络，采用实时性好的ELM算法训练SLFNs网络，得到训练好的SLFNs1；对于轮廓局部奇异值向量，构建SLFNs，然后采用实时性好的ELM算法训练SLFNs网络，得到训练好的SLFNs2；第六步：将两个训练好的SLFNs1和SLFNs1作为算法的分类器，采用DSmT融合理论中的PCR5公式，实现多特征的决策级融合，得到最终的识别结果。2.所述第二步中对SIFT特征进行提取的具体步骤如下：2.1：SIFT特征点检测I(x,y)表示一幅图像，σ是尺度空间因子，则其尺度空间L(x,y,σ)定义为：L(x,y,σ)＝G(x,y,σ)*I(x,y)其中G(x,y,σ)为高斯核函数，二维高斯核函数定义为：Lowe用计算简单、运算速度快的DoG算子替代LoG算子，DoG算子计算公式为：D(x,y,σ)＝L(x,y,kσ)-L(x,y,σ)其中，k为相邻两个高斯尺度空间的比例因子。通过DoG算子构建图像差分金字塔后，对每个采样点与同尺度的8个邻点以及上下两个尺度的9个邻点共计26个点进行比较，如果该采样点是最大值或者最小值，则认为其是图像在该尺度下的一个特征点，然后对筛选出来的特征点中的不稳定的边界点进行剔除；2.2：SIFT特征点描述：关键点检测完后，利用关键点邻域像素的梯度方向分布特性为每个关键点确定主方向和辅助方向，关键点(x,y)处的梯度幅值m(x,y)和方向θ(x,y)计算公式为：

【专利技术属性】
技术研发人员：李新德，成杰，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32