基于多波段深度神经网络的舰船目标识别

• 作者: 刘峰 张健 沈同圣 马新星
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 目标识别 舰船识别 特征融合 卷积神经网络 多波段图像 特征选择
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 信息科学
• 页码范围: 2939-2946
• 页数: 8页
• 分类号: TP391.4
• 字数: 4072字
• 语种: 中文
• DOI: 10.3788/OPE.20172511.2939

摘要

考虑多波段图像的融合识别可以扩展识别系统的应用范围,本文探索并设计了一种基于卷积神经网络的融合识别方法.该方法以AlexNet网络模型为基础,同时对可见光、中波红外和长波红外三波段图像进行特征提取;然后,利用互信息的方法对串联的三波段特征向量进行特征选择,依据重要性排序的方式选定固定长度的特征向量;最后,依据特征提取层级的不同,分别以早期融合、中期融合和后期融合3种融合方式来验证算法的有效性.采用自建的三波段舰船图像数据库进行了模型的训练和测试,共包含6类目标,5000余张图像.实验结果显示,采用的3种融合识别方法中,中间层融合的识别准确率最高,达到84.5%,比早期融合和后期融合分别高5%和7%左右.另外,在本文的应用场景下,无论何种融合方式,其融合识别的准确率均明显高于其他单波段识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马新星	海军航空工程学院控制工程系	22	95	6.0	9.0
2	沈同圣		19	130	8.0	10.0
3	刘峰	海军航空工程学院控制工程系	12	84	6.0	8.0