基于DSmT近似推理的飛機(jī)目標(biāo)識別算法的研究.pdf

1、隨著現(xiàn)代軍事從機(jī)械化向自動化轉(zhuǎn)變，自動目標(biāo)識別系統(tǒng)的研究得到了人們越來越多的關(guān)注。其中飛機(jī)圖像目標(biāo)的識別更是目標(biāo)識別的重要研究領(lǐng)域，在軍事現(xiàn)代化的進(jìn)程中得到了越來越廣泛的重視。然而，由于戰(zhàn)場環(huán)境日益復(fù)雜，比如氣候因素的影響、虛假目標(biāo)的干擾、電子干擾、目標(biāo)數(shù)目的增多及其分散程度等，導(dǎo)致目標(biāo)識別的不精確、不確定、不完全以及高度沖突等問題。因此，如何探索一種識別率高、實時性好的飛機(jī)目標(biāo)識別方法非常關(guān)鍵。本文針對這一問題，提出了一種基于DSmT

2、(Dezert-SmarandacheTheory)分層遞階快速近似推理的多特征融合飛機(jī)目標(biāo)識別算法。
　　 首先，對DSmT信息融合理論中存在的計算瓶頸問題進(jìn)行了深入的研究，在二叉分層遞階近似推理方法的基礎(chǔ)上，著重分析了三種情形，包括超冪集空間中存在沖突焦元情形、存在不確定焦元情形以及混合焦元的情形，提出了相應(yīng)的解耦辦法，成功將其向僅單子焦元情形進(jìn)行轉(zhuǎn)化，實現(xiàn)了分層遞階快速推理。
　　 然后，研究了圖像目標(biāo)的特征提取方

3、法。特征的有效提取是目標(biāo)識別關(guān)鍵的一步，本文著重分析了矩特征量和輪廓特征量的特性和快速提取方法，其中，矩特征量包括Hu矩、歸一化轉(zhuǎn)動慣量(NormalizedMomentofInertia，NMI)和仿射不變矩，而輪廓特征量包括輪廓離散化參數(shù)和奇異值分解。仿真實驗表明這些特征對平移、旋轉(zhuǎn)和尺寸變化具有良好的不變性。
　　 接著，針對飛機(jī)圖像目標(biāo)識別具有不精確、不確定、不完全等特點(diǎn)導(dǎo)致識別率不高的問題，提出了一種基于DSmT分層遞

4、階快速近似推理的飛機(jī)圖像目標(biāo)多特征融合識別算法。本文方法具有兩個明顯的特點(diǎn):一是多個特征的提取獲得了足夠多的有用互補(bǔ)信息彌補(bǔ)了僅單一特征信息量不足或容易失效的缺陷;二是根據(jù)PNN(ProbabilisticNeuralNetworks)網(wǎng)絡(luò)的初識別結(jié)果和類似統(tǒng)計學(xué)中極大似然思想的規(guī)則，構(gòu)造目標(biāo)識別率矩陣對基本信度進(jìn)行賦值，為信度賦值構(gòu)造困難的問題提供了新的思路。
　　 最后，通過仿真實驗，從識別率、實時性、魯棒性和目標(biāo)識別的極限