基于特征融合的自動(dòng)目標(biāo)識(shí)別技術(shù)研究.pdf

1、基于圖像融合的自動(dòng)目標(biāo)識(shí)別，就是利用多種傳感器提供的目標(biāo)圖像進(jìn)行融合處理，提高識(shí)別的精度和魯棒性，以得到更好的識(shí)別性能。這是一個(gè)很有前景的研究課題。 目前圖像融合的很大一部分研究工作集中在像素級(jí)融合，但是像素級(jí)融合要處理的數(shù)據(jù)非常多，數(shù)據(jù)在時(shí)間和空間上配準(zhǔn)精度要求高，耗費(fèi)時(shí)間長，實(shí)時(shí)性差。決策級(jí)融合是對(duì)各傳感器的識(shí)別結(jié)果進(jìn)行融合，信息損失大，性能較差。而特征級(jí)融合不僅可以增加從圖像中提取特征信息的可能性，還可以通過對(duì)現(xiàn)有的各個(gè)特

2、征進(jìn)行綜合，獲取一些有用的復(fù)合特征，通過特征級(jí)的圖像融合既能保持足夠數(shù)量的有效信息，又經(jīng)過數(shù)據(jù)壓縮，大大降低了數(shù)據(jù)量，可以提高處理過程的實(shí)時(shí)性，越來越受到研究工作者的重視。 基于特征融合的目標(biāo)自動(dòng)識(shí)別技術(shù)，是對(duì)目標(biāo)的兩種或多種傳感器信息進(jìn)行處理，提取并融合所得到的特征，對(duì)目標(biāo)進(jìn)行跟蹤、識(shí)別的技術(shù)。 本文主要針對(duì)目標(biāo)圖像的特征級(jí)融合識(shí)別方法進(jìn)行了研究，重點(diǎn)研究了目標(biāo)的特征提取方法和特征融合識(shí)別方法。 本文的主要研究

3、成果如下： 1.針對(duì)基于正則化拉普拉斯矩陣的局部保留映射(NL-LPP) 算法的不足，提出了不相關(guān)且正交的基于正則化拉普拉斯矩陣的局部保留映射（UONL-LPP）算法。該算法能夠在保留原始數(shù)據(jù)空間的局部信息的同時(shí)，使提取的特征滿足統(tǒng)計(jì)不相關(guān)性和正交性，從而具有最小的冗余，并有利于實(shí)現(xiàn)原始數(shù)據(jù)的重構(gòu)。 2.針對(duì)線性鑒別分析（LDA）主要提取數(shù)據(jù)的全局結(jié)構(gòu)信息，而局部保留映射（LPP）主要提取局部結(jié)構(gòu)信息的不足，提出了一

4、種兼顧這兩種特征的特征融合方法，稱為全局局部特征融合分析方法（GLA），該方法通過引入一個(gè)調(diào)節(jié)因子，可以根據(jù)不同的應(yīng)用調(diào)節(jié)這兩種特征的權(quán)重，有效地提高了目標(biāo)識(shí)別率。為了提高GLA的非線性處理能力，給出了基于核的全局局部特征融合分析方法（KGLA）。 3.研究了基于典型相關(guān)分析的特征融合方法。針對(duì)當(dāng)?shù)湫拖嚓P(guān)分析用于高維小樣本問題時(shí)，由于矩陣奇異而失效的缺陷，提出了張量典型相關(guān)分析方法，該方法直接利用圖像的矩陣形式從行和列兩個(gè)方向