基于hu矩与改进pnn的飞机姿态识别算法

《基于hu矩与改进pnn的飞机姿态识别算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于Hu矩与改进PNN的飞机姿态识别算法摘要：在军事领域，为y快速准确识别出飞机飞行过程中的姿态，提出一种基于Hu矩与改进的概率神经网络(IPNN)的新方法。该方法对于无噪声灰度化图片，先进行二值化处理，再计算图像的Hu矩特征。将飞机飞行的360°姿态按三视图分为三个类别，即正视图、侧视图、俯视图。四维llti矩作为PNN输入，三个视图代表的三个类别作为PNN输出，构建PNN网络。实验结果表明，对于无噪声图片平均识别率可以达到91.2%以上；对于存噪声图片平均识别率可以达到87.0%以上，可见训练后的网络具备良好的泛化能力。本文采集自网络，本站发布的论文均是优质论文，供学习和研宄使用，文

2、中立场与本网站无关，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除己转载的信息，如果需耍分享，请保留本段说明。关键词：飞机；姿态；概率神经网络；Hu矩；分类中图分类号：TP391.41文献标识码：A文章编号：1673-5048(2017)01-0055-07[SQ0]0引言现代军事活动中，通过定位"机的姿态，能够更准确地定位飞机的局部特征。如在景象制导空空导弹制导中，为了提高制导精度，必须定位目标的关键部位，所以有必要对飞机飞行图像进行处理，识别出螺旋浆、机舱、油箱等关键部位，再向关键或软弱部位发射导弹，以达到增强毁伤的效果。飞机关键部位的识别与飞机飞行的姿态有直接关系

3、，飞机飞行姿态不同，关键部位也各有差异，所以必须首先对飞机飞行的姿态进行识别，然后才能定位关键部位。H前，存不少学者对飞机飞行姿态的定位进行了研究。刘刚［1］等基于红外图像，将飞机图像分割成背景、机身、尾焰三部分，通过计算一种组合矩，同时结合面积比特征来实现姿态识别；赵芹［2］等结合Hu矩与仿射不变矩，提出一种有利于目标特点的特征量和自动识别算法；荆文芳［3］则将矩特征与飞机目标的红外特征结合起来进行识别；涂建平［4-5］等通过对飞机目标进行骨架提取、霍夫变换等过程，检测飞机机轴，识别飞机机头。以上研宄均取得了一定成果，但对于飞机姿态的建模过于繁琐，对飞机局部特征定位有很大的局限性。飞机

4、在飞行过程中处于某一姿态是一个概率事件，可以采用P.模拟此过程，通过训练后的PNN，得到某一特定样本处于某一姿态的概率，可以更合理判定其类别。为此，提出一种基于Hti与IP丽的飞机姿态识别算法。通过提取飞机图片的四维Hu矩特征，作为PNN的输入，经过训练好的P丽，得到最终的分类结果。1研究理论原始图像经过预处理，得到二值化图片，提取图像的特征，经过训练后的TON，得到最终的分类结果。研究框架见图1。1.1矩Hu矩作为识别的基本特征己广泛应用于图像识别、模板匹配、边缘检测、数字水印和图像分析PP

5、算输入层映射到各类样本的概率，输出层选取求和层最大概率所属的类别作为最终的输出类别［12-15］。1.2.2PNN优点与BP网络、RBF网络等传统的前馈神经网络相比，PNN具有以下特点［16］:(1)网络学习过程简单，训练速度快。根据模式样本的特征及网络的外监督信号(期望输出)，直接获得网络隐层单元的连接权值，无需反复训练网络，各层神经元的数目比较固定，因而易于硬件实现［17-18］。(2)网络的容错性好，模式分类能力强，收敛性较好［19-20］。网络模式层采用径向基的非线性映射函数，考虑了不同类别模式样本的交错影响，而模式的输出层又消除了不同类别模式样本的交错影响［21］，这样构成的各

6、个类别模式间的判决分界面是满足Bayes规则的最优解［22］。(3)网络的扩充性能好，结构设计灵活方便。由于网络学习过程简单且稳定性高，允许增加或减少新的类别模式样本而无需秉新进行长时间的训练学习［23-24］。基于上述优点，PNN己广泛用于模式识别、故障诊断与专家系统、回归拟合等领域。1.2.3改进的PNN本文PNN网络结构大体与标准P丽一致，改进的地方是在求和单元层与输出单元层之间加入学习层，且为全连接，见图3。2.3算法流程图本算法分为训练环节和测试环节。训练环节中，对于无噪声灰度化图片，通过图像预处理获得二值化图片后，通过边缘检测，获得飞机的轮廓，对飞机轮廓外接矩形总体计算四维H

7、u矩特征，作为PNN训练集，获得训练好的P丽网络。测试环节中，由单帧测试图片，经过预处理、二值化后提取四维Hu矩，输入训练好的PNN网络，获得分类结果。算法流程见图6。3??验分析3.1实验环境搭建实验在VisualStudio2013平台下进行，安装了开3.2实验结果每类飞机训练样本有150个，其中正视图、侧视图、俯视图的个数均为50个。IPNN的输入层神经元个数为4个，提取每个样本的四维Hu矩特征作为IPNN的输入；模式层神经元