文献类型：期刊文章

作　　者：刘峰[1] 沈同圣[2] 马新星[1] 张健[3]

LIU Feng;SHEN Tong-sheng;MA Xin-xing;ZHANG Jian(Department of Control Engineering, Naval Aeronautical and Astronautical University, Yantai 264001, China;Department of National Defense Science and Technology Information Center, Beijing 100142, China;Unit No.91206, Qingdao 266108, China)

机构地区：[1]海军航空工程学院控制工程系 [2]中国国防科技信息中心 [3]91206部队

出　　处：《光学精密工程》

基　　金：国家自然科学基金资助项目(No.61303192)

年　　份：2017

卷　　号：25

期　　号：11

起止页码：2939-2946

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：考虑多波段图像的融合识别可以扩展识别系统的应用范围,本文探索并设计了一种基于卷积神经网络的融合识别方法。该方法以AlexNet网络模型为基础,同时对可见光、中波红外和长波红外三波段图像进行特征提取;然后,利用互信息的方法对串联的三波段特征向量进行特征选择,依据重要性排序的方式选定固定长度的特征向量;最后,依据特征提取层级的不同,分别以早期融合、中期融合和后期融合3种融合方式来验证算法的有效性。采用自建的三波段舰船图像数据库进行了模型的训练和测试,共包含6类目标,5 000余张图像。实验结果显示,采用的3种融合识别方法中,中间层融合的识别准确率最高,达到84.5%,比早期融合和后期融合分别高5%和7%左右。另外,在本文的应用场景下,无论何种融合方式,其融合识别的准确率均明显高于其他单波段识别的准确率。

关 键 词：目标识别 舰船识别  特征融合  卷积神经网络 多波段图像  特征选择  

分 类 号：TP391.4]