首页 > 论文 > 激光与光电子学进展 > 56卷 > 10期(pp:101007)

非负矩阵分解在空间目标图像识别中的应用

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

天基空间目标抵近观测时,获取的图像帧频高,原始图像冗余度高,数据量大,所以,必须要作分类处理,提取有用信息,抛弃图像黑背景,为了达到实时观测,往往需要在站(in- situ)处理,用简洁高效快速的算法对图像进行分类,提高识别效率。非负矩阵分解算法(Non-negative Matrix Factorization ,NMF)已成熟应用于人脸识别,比较了空间目标图像识别与人脸识别的类似点后,将NMF延用于空间目标图像分类研究。在两种传统的NMF算法的基础上改进迭代规则得到稀疏NMF算法,并分别将这三种算法应用到二维和(2D)2维度。在实验室模拟空间光学环境,获得多组天基空间目标缩比模型图像,并建立了训练样本库和测试样本库,预处理图像后,采用多种非负矩阵算法对训练样本库进行特征基提取、采用最小距离分类识别器进行测试样本的分类识别。试验结果显示:相比于传统NMF72%的识别率,(2D)2NMF识别率提高6%,且测试耗时节省30%;与2DNMF算法74%的识别率相比,(2D)2NMF识别率提高4%,但是其测试耗时却增加了10%。初步验证了NMF算法用于天基空间目标图像识别,准确率较高,速度快,资源开销少的有利特点。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop56.101007

作者单位:

    中国科学院光电研究院
    中国科学院光电研究院

引用该论文

孙静静,赵飞. 非负矩阵分解在空间目标图像识别中的应用[J].激光与光电子学进展,2019,56(10):101007.