文献类型：期刊文章

作　　者：刘峰[1] 沈同圣[2] 马新星[1]

Liu Feng;Shen Tongsheng;Ma Xinxing(Department of Control Engineering, Naval Aeronautical and Astronautical University Yantai, Shandong 264001, China;China Defense Science and Technology Information Center, Beijing 100142, China)

机构地区：[1]海军航空工程学院控制工程系,山东烟台264001 [2]中国国防科技信息中心,北京100142

出　　处：《光学学报》

基　　金：国家自然科学基金(61303192)

年　　份：2017

卷　　号：37

期　　号：10

起止页码：240-248

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对海面背景舰船目标单一波段图像识别率低的问题,提出了一种基于卷积神经网络(CNN)的融合识别方法。该方法提取可见光、中波红外和长波红外3个波段舰船目标特征进行融合识别。模型主要分为3个步骤:通过设计的6层CNN,同时对三波段图像进行特征提取;利用基于互信息的特征选择方法对串联的三波段特征向量按照重要性进行排序,并按照图像清晰度评价指标选取固定长度的特征向量作为目标识别依据;通过额外的2个全连接层和输出层进行回归训练。采用自建的三波段舰船图像数据库进行模型的训练和测试,共包含6类目标,5000余张图像。实验结果表明,本文方法识别率达到84.5%,与单波段识别方法相比有明显提升。

关 键 词：机器视觉 目标识别 特征融合  卷积神经网络 多波段图像  特征选择  图像清晰度

分 类 号：TP391]