基于sift和ndlt的目标识别技术研究

中北大学硕士学位论文基于SIFT和NDLT的目标识别技术研究姓名：郭佳欣申请学位级别：硕士专业：精密仪器及机械指导教师：张丕状20090428基于SIFT和NDLT的目标识别技术研究作者：郭佳欣学位授予单位：中北大学相似文献(10条)1.学位论文黄鹤云基于时频特征提取和支持向量分类的主动目标识别2006主动目标识别问题是水声信号处理中的一个关键性课题，它在军用和民用两方面都有着重要意义。然而，它的进步显得相对缓慢。本文对主动目标识别问题进入了深入的研究和探讨。一般来说，在主动目标识别中，接收到的回波信号是一个高维的数据，因此，如何从高维的数据得到回波类别信息是最基本的问题。主动目标识别问题分为两个部分，一部分是目标特征提取，即运用信号分析或者其他数据处理的方法将高维的数据空间映射到较低维的特征空间。另一部分是分类器设计，即较低维特征空间映射到类别空间，完成最后识别工作。本文在现代信号处理理论的框架和目标散射的物理机理的指导下，对回波信号的特征提取部分进行了研究，同时也对分类器的设计有着一定的探讨。在特征提取部分，本文研究了两种回波特征提取算法。一种是基于时间—频率分析和回波强度的特征提取算法。时间—频率分析是一种经典的分析非平稳信号的方法，它在各种非平稳信号的处理和分析中取得了良好的效果。本文应用了频谱图来提取目标的回波强度这一重要特征。第二种是运用多种正交变换结合的算法对回波进行特征提取工作。信号的正交变换是将信号从时域转换到另一个域里面，如果在这个新的域中，回波的特点能被有效的表征出来，那么该正交变换将有助于特征提取工作。本文应用了傅立叶变换、小波变换和离散余弦变换三种变换进行了信号正交变换并对变换之后得到的系数依据一定的准则进行组合聚类。在分类器设计问题中，本文研究并应用了近年来得到极大发展的支持向量分类器，在对它的基本理论进行分析的基础上，根据主动目标识别的特点—样本少和受混响影响严重，应用了C-支持向量机和相关向量机作为整个分类系统最后的分类器。本文的主要创新点包括：(1)本文在研究各种时频分布、目标特性和发射信号的特点的基础上，提出了基于频谱图和回波强度的特征提取算法，对窗的形式和参数的确定也进行了一定的研究。不仅如此，针对混响的非高斯性，本文分析了频谱图的鲁棒性并应用其于特征提取过程。(2)本文在研究了正交变换的性质和各种正交变换的物理意义的基础上，针对回波的特性，创新性的提出了根据信号可鉴别性的准则进行多种正交变换结合的回波特征提取算法。同时，本文也将传统的可鉴别性算法扩展到任意噪声污染下的信号可鉴别性算法。本文提出的特征提取算法和分类器都经过了两组数据的验证：实验室波导所获得的多类目标的回波数据和松花湖湖试所获得的两类数据。我们利用实验室波导所采集的数据验证了算法对于真目标和假目标的分类有着良好的效果。而松花湖湖试数据则有效的证明了算法是能够识别不同的真实目标和区别目标回波和混响。不仅如此，而在额外的非高斯噪声或者混响的污染下，正确率依然能保持在一个可接受的水平。因此，本文所提出的算法在一定条件下有效的辨别混响和目标，真目标和假目标以及真实目标的类别。2.期刊论文曾庆军.王菲.黄国建.李洪瑞基于调制连续谱特征提取的被动声纳目标识别技术研究-模式识别与人工智能2002,15(3)目标噪声特征提取和目标分类器设计是被动声纳目标识别系统的关键技术.本文针对被动声纳目标识别,提出了一种新的调制连续谱特征提取方法.此外,为训练神经网络目标分类器,本文将遗传算法和BP算法相结合,提出了一种新的自适应遗传BP算法.最后,对海上实录的三类目标噪声进行了分类识别,实验结果表明本文设计的被动声纳目标识别系统具有很好的分类效果.3.学位论文眭新光线状目标特征提取及其机场目标识别中的应用2002随着遥感技术在资源勘探、全球定位系统等民用领域以及机场、港口目标识别等军事领域的广泛应用，对遥感影像目标的有效提取与识别手段逐渐受到了人们的重视，这对遥感影像的应用以及遥感技术本身的发展都很重要。作为遥感技术的一个重要部分，遥感影像目标的计算机自动识别是一个热门研究课题，也是计算机视觉中的一项关键技术，一直受到了广大研究人员的重视，并吸引了许多人对其进行广泛而深入的研究。然而，作为一个兴起不久的研究课题和计算机视觉的难点问题，遥感影像目标的计算机自动识别目前还存在着相当一些问题有待于进一步的研究和解决。形状是目标的一种本质特征，基于形状的目标识别是遥感影像目标的计算机自动识别中一种重要的技术方法。在各种形状的目标中，线状目标占有很大一部分比例，因而研究线状目标的自动识别具有很重要的理论意义和实用价值。本文分析了形状作为目标的一种固有特征的各种表达方法，并从基于区域和基于边界两个方面讨论了形状的各种描述方法。4.期刊论文王菲.曾庆军.黄国建.李鸿瑞基于调制线谱特征提取的被动声呐目标识别技术研究-舰船科学技术2002,24(2)目标噪声特征提取和目标分类器设计是被动声呐目标识别系统的关键技术.本文针对被动声呐目标识别,首先着重研究了调制线谱特征提取方法,然后为了训练神经网络目标分类器,本文将遗传算法和BP算法相结合,提出了一种新的自适应遗传BP算法.最后,对海上实录的三类目标噪声进行了分类识别,实验结果表明本文设计的被动声呐目标识别系统具有很好的分类效果.5.学位论文彭圆基于时频与双谱分析的声纳目标识别研究2003该文密切围绕水下目标识别这一核心问题,以实际工程应用为背景,主要采用时频分析与非高斯信号处理方法,对水下目标特征提取和分类算法这两个关键环节,展开了下列研究工作:(1)水下目标辐射噪声特征提取研究.从时频分析角度出发,研究了水下目标辐射噪声的小波特征提取和包迹特征提取算法.从非高斯信号处理角度出发,在对三阶累积量(双谱)的性质进行分析的基础上,提出了基于三阶累积量的特征提取算法.(2)回声信号特征提取研究.在对各种回声信号特征提取技术进行充分研究的基础上,提出了回声信号的Wigner分布特征提取、Walsh变换特征提取和Burg-Cepstrum特征提取方法.(3)神经网络分类器.基于神经网络理论,研究了应用神经网络进行判决的方法,指出利用神经网络进行判决的必要性和可行性,提出了适用于水下目标分类识别的模糊自适应网络(FART).该文的主要创新点体现在噪声信号的软件检波、小波与双谱的有效特征提取算法以及回声信号的Wigner分布、Walsh特征提取算法等诸多方面,并取得了理想的实验结果.6.期刊论文施西野.郭汝江.李明.SHIXiye.GUORujiang.LIMing雷达微多普勒特征提取和目标识别研究现状-信息化研究2009,35(7)自从雷达目标微多普勒现象被发现以来,雷达目标的微动特性在雷达目标探测与识别中受到越来越多的关注,对目标微动特性的测量和分析正在成为当前目标探测与识别领域的新兴研究方向.文中主要介绍了目标微动和微多普勒效应的概念,比较分析了目前目标微动的测量与分析处理技术,并且着重从几个方面分别介绍了目前微动特征提取的应用现状,接着就目前较常用的几种微多普勒目标识别分类器的识别率进行了比较和分析,最后对目标微动特性研究的发展趋势和技术难点进行了预测和总结.7.学位论文王拓目标识别中基于最小化训练误差的特征提取算法研究2008目标识别是模式识别和计算机视觉领域内的重要研究方向。近年来提出的目标识别算法主要是基于图像统计特征的学习和分类算法。由于图像样本的维数通常很高，且在高维空间的分布并不紧凑，导致其在样本空间不利于分类且计算复杂度太大。为了解决这些问题，子空间方法应运而生。子空间方法通过特征提取和降维技术，将数据样本由高维样本空间降维至利于分类的低维特征空间，达到更好的分类效果和更加经济的计算代价。传统的特征提取算法，如主分量分析(PCA)，线性判别分析(LDA)和独立主元分析(ICA)等，通过分析训练样本的统计信息，根据某些统计准则训练分类器。但是由于这些分类算法并不直接以训练样本分类误差最小化准则作为训练依据，因此在样本分布比较复杂的情况下，无法取得令人满意的效果。而另一方面，Boosting算法的核心就是专注于某些困难分类问题，可以很好地解决上述难题。因此，如何结合子空间算法和Boosting算法，以训练误差最小化为准则进行有效地特征提取和分类器设计，在模式识别领域有着重要的研究意义。本文的主要工作集中于结合子空间方法和Boosting方法，以训练误差最小化为准则有效地进行特征提取。主要研究成果概述如下：1)以目标识别中的人脸识别为代表，总结了人脸识别技术的研究背景及内容，提出了目前人脸识别中特征提取的关键问题。阐述了子空间分析方法的概念和原理，对AdaBoost系列集成学习算法进行了深入地分析。2)提出了子空间算法与集成学习算法相结合的基于提升自举FLD投影的特征提取算法，并给出了实验结果。在两类问题中，算法以最小训练误差为准则，构建易于分类的特征子空阈，可以有效地克服传统特征提取算法性能依赖于数据分布以及提取准则不直接与训练误差相关的弱点。3)提出了多类问题中的基于提升自举FLD投影子空间的特征提取算法，算法选取特征的过程与训练误差直接相关，同时每一个弱分类器仪代表了部分的数据分布，所以算法的有效性并不受制于特定的数据整体分布。在四个真实广泛使用的手写字符数据集、车辆数据集、卫星图片数据集和AR人脸数据库上的结果证明了算法的有效性。8.期刊论文王松伟.薛淑磊.WangSongwei.XueShulei基于混合特征提取的易混淆三维目标识别研究-计算机测量与控制2008,16(7)针对易混淆三维目标识别这一问题，通过提取混合特征完成识别;首先获取各类三维目标的若干二维视图,将这些视图放在一起提取它们的大体轮廓特征并进行分类,使得具有相似外形的目标分为一类,然后采用基于统计学的标志矩提取方法提取每类中能分辨各种目标的局部特征,这样特征库就建立了,识别过程中,针对实际要识别的目标,提取它的混合特征并与库中数据进行匹配,确定其类型;算例研究表明,基于混合特征提取的识别系统结构简单、高效.9.期刊论文宦若虹.杨汝良基于KFD+ICA特征提取的SAR图像目标识别-系统工程与电子技术2008,30(7)提出了一种用基于核函数的Fisher判别分析(kernelbasedFisherdiscriminantanalysis,KFD)和独立分量分析(independentcomponentanalysis,ICA)特征提取的合成孔径雷达(syntheticapertureradar,SAR)图像目标识别方法.用基于核函数的Fisher判别分析提取SAR图像样本在高维特征空间中的最佳分类向量,对最佳分类向量做独立分量分析,得到表征图像样本的特征向量,用支持向量机(supportvectormachine,SVM)对提取得到的特征向量分类完成目标识别.对MSTAR数据库中三类军事目标用该方法进行特征提取和识别实验,识别率为96.92%.结果表明,KFD+ICA特征提取方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率.10.会议论文贾静兰.方世良解调谱特征提取在目标识别中的应用2001本文首先讨论了不同目标的特征情况,然后对特征提取的具体方法进行了讨论,最后对该特征提取在识别中的性能进行分析.本文链接：授权使用：上海海事大学(wflshyxy)，授权号：1b965056-729b-42af-a712-9dd300c2b6da下载时间：2010年8月15日