首页 > 论文 > 中国激光 > 46卷 > 07期(pp:0710001)

基于改进Grassberger熵随机森林分类器的目标检测

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

从机载光学传感器获取的图像中检测近距离目标,对小型无人机飞行安全非常重要。为提高目标检测的准确率,本文对Grassberger熵进行了改进,应用改进的Grassberger熵计算信息增益,选择随机森林分类器节点分裂的最优分裂属性,训练随机森林分类器,由经过训练的随机森林分类器预测选择性搜索生成的子窗口是否包含目标。对每个训练样本及子窗口提取1个归一化梯度幅值,3个LUV颜色通道和6个梯度方向直方图的特征。在无人机感知与规避系统实验时建立的光学数据集SenseAndAvoid、光学数据集Tudpedestrian及MITStreetsceneCars测试了算法性能。实验表明,改进的Grassberger熵计算信息增益,能提高随机森林分类器的泛化能力及目标检测的准确率。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/cjl201946.0710001

作者单位:

    陕西省西安市西北工业大学自动化学院信息融合技术教育部重点实验室
    西北工业大学自动化学院
    陕西省西安市西北工业大学自动化学院信息融合技术教育部重点实验室
    陕西省西安市西北工业大学自动化学院信息融合技术教育部重点实验室
    陕西省西安市西北工业大学自动化学院信息融合技术教育部重点实验室
    陕西省西安市西北工业大学自动化学院信息融合技术教育部重点实验室

引用该论文

马娟娟,潘泉,梁彦,胡劲文,赵春晖,郭亚. 基于改进Grassberger熵随机森林分类器的目标检测[J].中国激光,2019,46(07):0710001.