一种基于SVM候选区训练的红外舰船目标检测方法

论文摘要

无人机进行红外舰船目标侦察时,检测算法对检测正确率的影响很大。为增强无人机红外光电载荷对舰船目标的检测能力,提出采用支持向量机(Support Vector Machine, SVM)进行候选区训练的检测算法,以提高目标检测的正确率。通过预先对候选区的特征进行训练,得到候选区的分类数据。在检测阶段,加载训练时得到的候选区分类数据,分类筛选出更可能包含目标的候选区,从而提高目标检测的正确率。验证实验中,选用368张无人机拍摄的长波红外图像作为训练数据集图像,另外选择139张图像作为测试图像。分别采用带候选区训练的方法和无候选区训练的方法做目标检测实验。检测结果表明,采用带候选区训练的检测方法比采用无候选区训练方法时平均检测正确率高14.6%。

论文目录

• 0 引言
• 1 研究对象
• 2 检测原理与检测方法
•   2.1 检测原理
•     2.1.1 选择性搜索的参数与取值
•     2.1.2 目标检测中的交并比
•   2.2 候选区的训练方法
•   2.3 候选区训练数据的检测应用
• 3 实验结果与分析
•   3.1 实验结果
•     3.1.1 实验图像的采集与选取
•     3.1.2 实验方法的确定
•     3.1.3 候选区提取训练实验
•     3.1.4 目标检测实验
•   3.2 实验分析
• 4 结论

文章来源

类型: 期刊论文

作者: 修炳楠,吕俊伟,鹿珂珂

关键词: 舰船目标检测,候选区训练,选择性搜索算法

来源: 红外 2019年03期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 航空航天科学与工程,计算机软件及计算机应用,自动化技术

单位: 海军航空大学

分类号: V279;TP391.41;TP181

页码: 16-23

总页数: 8

文件大小: 1651K

下载量: 106