一種基于SVM候選區(qū)訓(xùn)練的紅外艦船目標(biāo)檢測(cè)方法
摘要:無人機(jī)進(jìn)行紅外艦船目標(biāo)偵察時(shí),檢測(cè)算法對(duì)檢測(cè)正確率的影響很大。為增強(qiáng)無人機(jī)紅外光電載荷對(duì)艦船目標(biāo)的檢測(cè)能力,提出采用支持向量機(jī)(Support Vector Machine, SVM)進(jìn)行候選區(qū)訓(xùn)練的檢測(cè)算法,以提高目標(biāo)檢測(cè)的正確率。通過預(yù)先對(duì)候選區(qū)的特征進(jìn)行訓(xùn)練,得到候選區(qū)的分類數(shù)據(jù)。在檢測(cè)階段,加載訓(xùn)練時(shí)得到的候選區(qū)分類數(shù)據(jù),分類篩選出更可能包含目標(biāo)的候選區(qū),從而提高目標(biāo)檢測(cè)的正確率。驗(yàn)證實(shí)驗(yàn)中,選用368張無人機(jī)拍攝的長(zhǎng)波紅外圖像作為訓(xùn)練數(shù)據(jù)集圖像,另外選擇139張圖像作為測(cè)試圖像。分別采用帶候選區(qū)訓(xùn)練的方法和無候選區(qū)訓(xùn)練的方法做目標(biāo)檢測(cè)實(shí)驗(yàn)。檢測(cè)結(jié)果表明,采用帶候選區(qū)訓(xùn)練的檢測(cè)方法比采用無候選區(qū)訓(xùn)練方法時(shí)平均檢測(cè)正確率高14.6%。
注: 保護(hù)知識(shí)產(chǎn)權(quán),如需閱讀全文請(qǐng)聯(lián)系紅外雜志社