1 中国科学院上海技术物理研究所,上海 200083
2 中国科学院大学,北京 100049
3 上海科技大学,上海 201210
4 中国科学院智能红外感知重点实验室,上海 200083
红外图像的分辨率低和色彩单一,但由于红外设备的全天候工作特点,因而在某些场景具有重要作用。本文采用一种基于支持向量机( support vector machine, SVM)的长波红外目标图像分类识别的算法,在一幅图像中,将算法提取的边缘特征和纹理特征作为目标的识别特征,输入到支持向量机,最后输出目标的类别。在实验中,设计方向梯度直方图+灰度共生矩阵+支持向量机的组合算法模型,采集 8种人物目标场景图像进行训练和测试,实验结果显示:相同或者不相同人物目标,穿着不同服饰,算法模型的分类识别正确率较高。因此,在安防监控、工业检测、**目标识别等运用领域,此组合算法模型可以满足需要,在红外目标识别领域具有一定的优越性。
长波红外目标 支持向量机 识别特征 目标识别 long-wave infrared target, support vector machine,
1 中国科学院上海技术物理研究所智能红外感知重点实验室, 上海 200083
2 中国科学院大学, 北京 100049
3 上海科技大学, 上海 201210
4 上海大学, 上海 200444
基于光谱测量数据,综合考虑背景辐射和仪器噪声对目标探测的干扰,提出一种自适应波段选择方法,并进行实验验证。利用声光可调谐(AOTF)成像光谱仪采集光谱数据,光谱扫描波段为400~1000 nm。对天空背景下的无人机目标和墙面背景下的静态物体目标进行探测,计算各波长的综合信噪比,以综合信噪比最大值的70%为阈值,选择合适的工作波段。波段选择的结果符合实际情况,所提方法能有效地选择不同目标的最优探测波段。
光电子学 光电探测 多种目标 自适应 波段选择 激光与光电子学进展
2019, 56(23): 232501