[发明专利]一种基于DSmT和HMM的序列飞机目标识别方法

摘要

本发明公开了一种基于DSmT和HMM的序列飞机目标识别方法，首先，利用DSmT理论对飞机序列中的单幅图像进行多特征融合，以解决单一特征提供的信息不精确、不完全和不确定这一问题；然后，利用隐马尔可夫模型对飞机序列中的序列信息进行融合，利用序列融合来解决当飞机在姿态多变的情况下，在某一位置不同类别飞机的姿态比较相似，多特征融合提供的信息也不够准确这一问题。基于DSmT和HMM的飞机序列目标识别方法可以很好的利用多特征信息与序列信息来解决飞机目标识别中识别率低下这一问题。

主权项

一种基于DSmT和HMM的序列飞机目标识别方法，其特征在于：对飞机飞行过程建模，同时利用飞机序列的多特征融合与序列融合，完成对飞机序列的目标识别，具体包括如下步骤：（1）训练PNN网络：首先进行图像特征提取，即提取样本序列中单幅飞机的矩阵特征和轮廓特征，具体为Hu矩和轮廓局部奇异值；然后分别对Hu矩和轮廓局部奇异值建立Hu矩的PNN网络和轮廓局部奇异值的PNN网络，将Hu矩的PNN网络和轮廓局部奇异值的PNN网络统称为PNN网络；利用提取好的Hu矩和轮廓局部奇异值对PNN网络进行训练，得到训练好的PNN网络；（2）获取目标识别率矩阵和统计样本序列的序列信息：使用训练好的PNN网络对样本序列中的飞机图像进行初识别，对初识别结果进行归一化并利用DSmT进行数据融合，根据融合结果得到目标识别率矩阵；对样本序列中的飞机进行人工标注并对序列信息进行统计得到一个状态转移矩阵；（3）训练隐马尔可夫模型：首先结合目标识别率矩阵和状态转移矩阵，完成各类飞机的隐马尔可夫模型的建模与初始化；然后利用飞机序列结合训练好的PNN网络获得观察值序列，利用观察值序列对隐马尔可夫模型进行训练，得到训练好的隐马尔可夫模型；（4）待识别飞机序列识别：使用训练好的PNN网络对待识别飞机序列进行初识别，得到初识别结果并对初识别结果进行归一化，将归一化的初识别结果与DSmT相结合得到观察值序列；然后使用隐马尔可夫模型中的前向算法，计算观察值序列与训练好的各类飞机的隐马尔可夫模型之间的相似度，选出相似度最大的值，其对应的飞机类别作为待识别飞机序列的识别结果；其中飞机序列为样本序列中的一段，由当前帧与相邻的前几帧组成。