基于谷歌地圖的軍事目標分類系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、近年來，隨著現(xiàn)代軍事斗爭中信息化程度的不斷提高和電磁環(huán)境的日趨復雜，準確識別偵查目標變得越來越困難，因此快速準確的識別和定位偵查目標成為人們關(guān)心的首要問題。通過遙感衛(wèi)星圖片可以獲取大量信息，但面對如此龐大的信息量，用人工來進行軍事目標的識別和分類是不能滿足現(xiàn)代戰(zhàn)爭的要求的，因此人們致力于研究利用計算機視覺技術(shù)來達到軍事目標識別并分類的目的。
　　本文通過分析在谷歌地圖上獲取的軍事目標圖像的特征，設(shè)計了相應(yīng)的分類算法，并基于Visu

2、al Studio2005軟件開發(fā)平臺，用C＃語言編程實現(xiàn)了軍事目標分類系統(tǒng)，主要完成了以下工作:
　　(1)實現(xiàn)了圖像的截取。本文樣本庫中所有衛(wèi)星圖片都來自于Google Map，筆者截取了不同類別軍事目標圖像各10幅，并對截取的圖像進行分割處理，提取出統(tǒng)一大小的目標圖像進行分析。
　　(2)對彩色圖像進行灰度化處理。針對衛(wèi)星圖片是具有實際環(huán)境信息的真彩色圖像這一特點，設(shè)計彩色圖像灰度化程序，減少圖像處理的運算量。

3、　　(3)對圖像進行特征選擇和提取。本文基于前人對軍事目標識別算法的研究和比較，實現(xiàn)了用PCA和2DPCA兩種算法對訓練樣本的主要特征進行提取，并得到特征投影空間，從而將待測樣本映射到特征空間，提取對分類有用的主要特征向量，對原數(shù)據(jù)進行降維，使得后續(xù)運算的計算量降低而不會對分類結(jié)果造成較大影響。
　　(4)實現(xiàn)了對軍事目標的分類器訓練和模式分類。本文將軍事目標訓練樣本分別輸入K近鄰分類器、支持向量機分類器和概率神經(jīng)網(wǎng)絡(luò)分類器來進行

4、分類測試，并采用留一法進行分類仿真實驗結(jié)果的統(tǒng)計分析，最后選擇支持向量機(supportvector machine，SVM)分類器進行分類。系統(tǒng)分別對兩類軍事目標和五類軍事目標進行實驗，得到分類準確率分別為100％和75％。
　　(5)初步實現(xiàn)了軍事目標分類識別系統(tǒng)原型。將本系統(tǒng)的圖像分割、預處理、特征選擇和提取、特征分類模塊的功能串聯(lián)起來，能夠完整地實現(xiàn)軍事目標識別的功能，并得到了較理想的實驗結(jié)果。同時實現(xiàn)了系統(tǒng)軟件的封裝，提