基于DSmT與HMM的序列飛機(jī)目標(biāo)融合識(shí)別算法研究.pdf

1、隨著圖像處理、模式分類(lèi)和人工智能的迅速發(fā)展，自動(dòng)目標(biāo)識(shí)別(AutomaticTarget Recognition，ATR)系統(tǒng)已成為現(xiàn)階段和未來(lái)武器的主要組成部分。飛機(jī)目標(biāo)識(shí)別作為ATR系統(tǒng)的重要領(lǐng)域之一，其在自動(dòng)監(jiān)視與偵查、精確制導(dǎo)和敵我身份識(shí)別等方面都有著重要的應(yīng)用。在飛機(jī)自動(dòng)目標(biāo)識(shí)別中，由于飛機(jī)姿態(tài)多變、缺損和遮擋等原因?qū)е抡_識(shí)別率低下，本論文針對(duì)這些問(wèn)題，利用特征信息與序列信息，對(duì)飛機(jī)飛行過(guò)程展開(kāi)深入研究，主要工作如下:

2、>　　在對(duì)主流的飛機(jī)目標(biāo)算法研究的基礎(chǔ)上，引入廣泛應(yīng)用的隱馬爾可夫模型(Hidden Markov Model，HMM)對(duì)飛機(jī)飛行過(guò)程建模，并利用多特征融合構(gòu)建觀察值序列，提出一種基于DSmT(Dezert-Smarandache Theory)理論和隱馬爾可夫模型相結(jié)合的多特征序列信息融合(Multiple Features and Sequential InformationFusion，MFSIF)飛機(jī)目標(biāo)識(shí)別算法。本算法的特點(diǎn)在

3、于:一、提取飛機(jī)目標(biāo)的Hu矩特征和奇異值特征作為圖像特征。二、利用概率神經(jīng)網(wǎng)絡(luò)(ProbabilistieNeural Network, PNN)作為分類(lèi)工具，并構(gòu)建基本信度賦值(Basic BeliefAssignment, BBA)，再利用DSmT理論對(duì)圖像的不同特征進(jìn)行多特征融合從而獲得目標(biāo)觀察序列。三、對(duì)于獲得的目標(biāo)觀察序列，利用隱馬爾科夫模型對(duì)飛機(jī)序列信息進(jìn)行融合，計(jì)算觀察值序列與各個(gè)隱馬爾可夫模型之間的相似度，從而完成多姿態(tài)