|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘要:针对LNSCT光照不变量提取方法因舍弃低频分量而丢失目标轮廓信息的问题,本文提出了一种新的光照不变量提取方法MLNCST.新方法首先用NSCT'将对数域的输入图像进行第一重多尺度分解,实现低频分量和高频分量的分离;其次对高频子带系数进行BayesShrink阈值滤波,低频分量做逆NSCT得到其特征图像;然后对特征图像进行第二重NSCT'分解,并对分解后的高频子带阈值滤波以及低频分量逆NSCT;经多重NSCT'分解,最后由多次分解后的高频子带系数集提取光照不变量特征.经进一步研究光照不变量特征与原始图像之间的关系,设计了并行同步卷积神经网络-Dual Lenet,通过融合两者的高层特征来提高地面目标识别的准确率.实验结果显示,在Lenet 模型下，MLNSCT 比 LNSCT具有更高的分类准确率,并且随着分解重数的增加分类准确率更高;同时融合了光照不变量特征的 Dual lenet 能进一步提高地面目标识别准确率.
% g8 S/ a* c* b0 Z+ [$ [& b6 o9 l, b- V0 m$ u3 d* t/ O! F# T$ I
! x0 q0 K6 K0 C3 ^ _关键词:光照不变量;非下采样轮廓波变换(NSCT);多重对数域非下采样轮廓波变换(MLNSCT);并行同步卷积神经网络;地面目标识别6 V6 y" o" a$ |1 ?) E
* R' S" m# h0 O8 y6 G+ N8 y3 \- K1 x8 l& X4 O( K
地面目标检测在无人机导航、搜索、精确打击、以及打击后的效果评估等方面有着重要作用,由于视觉信息的丰富性、及传感器系统的隐蔽性,基于视觉传感器的地面目标检测和识别技术受到越来越多的关注.除机载平台运动、应用场景复杂、天气变化、地面目标隐蔽等因素外,光照水平不一致也是影响地面目标识别精度的一个重要因素,因此,研究不同光照条件下的地面目标特征表示方法对提高地面目标识别精度具有十分重要的价值.
y6 @1 W/ J# P0 O
/ B* L% z: r/ j+ ]' F5 u
$ M! u' o* d" v6 n3 ^% Y Z) H# K! M/ c. ~& v
& Y0 s5 @$ h( d$ H! I( o: J3 |3 O1 ^) V; K: s
% U) ~& V% u6 b2 x& g |
|
/1 
发表于 2021-6-24 09:49
收藏
淘帖
支持！
反对！