空间目标融合识别算法及实验研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (8): 154-156.

• 图形、图像、模式识别 • 上一篇下一篇

空间目标融合识别算法及实验研究

肖旭光1，2，肖刚1，敬忠良1

1.上海交通大学航空航天学院，上海 200240
2.上海交通大学电子信息与电气工程学院，上海 200240

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-03-11 发布日期:2011-03-11

Study on space target recognition algorithm and its experiment

XIAO Xuguang1，2，XIAO Gang1，JING Zhongliang1

1.School of Aerospace Science and Technology，Shanghai Jiaotong University，Shanghai 200240，China
2.School of Electronic Information and Electrical Engineering，Shanghai Jiaotong University，Shanghai 200240，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-03-11 Published:2011-03-11

摘要/Abstract

摘要： 提出了基于红外与可见光图像的空间目标融合识别算法。算法针对空间目标的物理特征，利用红外和可见光图像提供的互补信息进行空间目标融合识别。方法以空间卫星为识别目标，采用不变矩和仿射不变矩来描述目标特征，提出了基于红外和可见光的特征级和决策级融合识别方案，并进行了半物理仿真实验和分析。实验证明这两种基于红外和可见光的融合识别算法可明显改善目标识别的精度和可靠性。

关键词: 融合识别, 红外图像, 可见光图像, 不变矩, 仿射不变矩

Abstract: Two approaches based on fusion of infrared and visible images for target recognition are presented.In most instances IR and visible images can provide more complementary information for feature extraction.Two kinds of images are used for satellites recognition.Invariant moments and affine invariant moments are employed to describe the characteristics of targets，and different fusion rules are adopted to improve the performance of recognition.The experiments with semi-physical simulation images indicate that the recognition based on fusion of IR and visible images consistently demonstrates better performance than others solely based on either IR or visible image.

Key words: fusion recognition, infrared image, visible image, invariant moments, affine invariant moments

肖旭光1，2，肖刚1，敬忠良1. 空间目标融合识别算法及实验研究[J]. 计算机工程与应用, 2011, 47(8): 154-156.

XIAO Xuguang1，2，XIAO Gang1，JING Zhongliang1. Study on space target recognition algorithm and its experiment[J]. Computer Engineering and Applications, 2011, 47(8): 154-156.

[1]	李广安，曹岩，岳晓新. 基于BEEMD分解的红外与可见光图像融合[J]. 计算机工程与应用, 2021, 57(14): 237-244.
[2]	宗晓萍，田伟倩. 采用K-means的脑肿瘤磁共振图像分割与特征提取[J]. 计算机工程与应用, 2020, 56(3): 187-193.
[3]	闵超波. 基于自适应混合多项式变换的图像配准[J]. 计算机工程与应用, 2020, 56(23): 194-201.
[4]	汪叶娇，周勇. 新形式勒让德矩的研究[J]. 计算机工程与应用, 2019, 55(22): 152-162.
[5]	李俊林，王华彬，陶亮. 单幅近红外手掌图像掌静脉和掌纹多特征识别[J]. 计算机工程与应用, 2018, 54(9): 156-164.
[6]	陈曦1，王毅刚1，吴子朝1，李际军2. 一种舞台增强现实系统的研究与实现[J]. 计算机工程与应用, 2018, 54(3): 11-17.
[7]	成钊1，2，王和明1，唐永康2，张颖1. 基于细节增强分析的硬件木马红外图像检测方法[J]. 计算机工程与应用, 2018, 54(16): 86-92.
[8]	魏丽1，丁萌2，3，曾丽娜2，曾丽君1. 激光雷达引导下的红外图像中行人检测[J]. 计算机工程与应用, 2017, 53(23): 197-202.
[9]	曹洁1，2，赵修龙1，王进花2. 融合改进指尖点和Hu矩的手势识别[J]. 计算机工程与应用, 2017, 53(21): 138-143.
[10]	顾鹏程，黄福珍. 基于改进Chan-Vese模型的电力设备红外图像分割[J]. 计算机工程与应用, 2017, 53(10): 193-196.
[11]	易清明，陈明敏，石敏. 一种改进的小波去噪方法在红外图像中应用[J]. 计算机工程与应用, 2016, 52(1): 173-177.
[12]	毛贤光1，2，李云欣2，李罕2. 基于不变矩和小波分析的指横纹匹配新算法[J]. 计算机工程与应用, 2015, 51(20): 172-177.
[13]	何杰，万晓冬. 动态地面背景下机载红外弱小目标的检测[J]. 计算机工程与应用, 2015, 51(16): 178-182.
[14]	李绘卓1，范勇1，唐峻1，唐遵烈2，熊平2，周建勇2. 一种非线性变换的双直方图红外图像增强方法[J]. 计算机工程与应用, 2014, 50(9): 155-159.
[15]	魏英姿1，2，李静静1. 红外图像分割的改进模糊C均值聚类方法[J]. 计算机工程与应用, 2014, 50(9): 163-166.

空间目标融合识别算法及实验研究

Study on space target recognition algorithm and its experiment

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics