基于多分类器融合的卫星图像舰船目标识别

基于多分类器融合的卫星图像舰船目标识别

论文摘要

针对遥感图像中舰艇目标识别性能低的问题,提出了加权投票分类器融合方法。首先分析了舰艇的颜色特征与轮廓特征,然后利用SVM、BP神经网络和AdaBoost算法训练三种单分类器,最后采用加权投票方式对单分类器进行融合。采用融合分类器进行舰艇目标识别实验分析,实验结果表明:在google卫星图像舰艇目标识别中,所提方法能够有效提升舰艇目标识别准确率,F-measure可以达到73.54%,相较于SVM提升了2.72%,相较于AdaBoost提升了3.53%,相较于BP神经网络提升了4.28%。

论文目录

  • 0 引言
  • 1 基本流程
  • 2 舰艇目标识别方法
  •   2.1 特征提取
  •     2.1.1 颜色特征
  •     2.1.2 轮廓特征
  •   2.2 分类器
  •     2.2.1 软间隔SVM分类器
  •     2.2.2 BP神经网络分类器
  •     2.2.3 Adaboost分类器
  •     2.2.4 多分类器融合规则
  • 3 实验结果与分析
  •   3.1 数据集
  •   3.2 舰艇目标识别结果
  •     3.2.1 评价准则
  •     3.2.2 仿真实验结果与分析
  •     3.2.3 诺福克地区扫描结果
  • 4 结语
  • 文章来源

    类型: 期刊论文

    作者: 张晓,王莉莉

    关键词: 神经网络,加权投票,分类器融合,遥感图像识别,舰艇识别

    来源: 通信技术 2019年09期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 工业通用技术及设备,武器工业与军事技术,船舶工业,计算机软件及计算机应用,自动化技术

    单位: 中国电子科技集团公司第三十研究所

    分类号: TP751;U675.79;E91

    页码: 2143-2148

    总页数: 6

    文件大小: 2127K

    下载量: 188

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于多分类器融合的卫星图像舰船目标识别
    下载Doc文档

    猜你喜欢