基于纹理特征驱动AdaBoost算法的海面场景分类
2015-03-29金代中高志峰
激光与红外 2015年4期
戴 军,金代中,高志峰
(西南技术物理研究所,四川 成都610041)
1 引言
随着红外探测器技术的快速发展,红外成像系统在反舰精确制导武器上得到了广泛地应用。在超低空飞行的反舰制导武器中,海面背景在红外成像瞬时视场内占据了较大比例,是影响目标识别的主要因素。海面背景的红外辐射特性与风、太阳、空气湿度等多种自然条件有关。由于这些条件的无规则变化使得海面背景的红外成像特性的复杂性远大于舰船目标自身,直接关系到红外成像制导或包含红外制导的复合制导系统的探测、识别及抗干扰能力。
目前,在海面目标检测、海天线提取等领域研究较多,常用目标检测算法都是在一定干扰条件下,完成对目标的检测,很难适应强干扰的海面背景。当海面背景形成强干扰时,检测的虚警率大幅度提高,目标探测效果显著下降。
基于海面红外图像纹理特征,利用Adaboost算法训练强分类器,构建二叉决策树,实现对海面场景的分类。实验证明,该方法适应性广、分类效果好,能提高红外成像系统对场景的感知能力,为目标检测算法的选取,红外成像系统使用边界以及复合制导的综合决策提供依据。
2 海面场景红外成像分析
通过对大量外场试验数据进行统计分析,根据对目标识别跟踪效果的影响程度,将海面场景分成三类:强亮带干扰纹理、弱干扰纹理、干净纹理。其中强亮带干扰纹理对目标的自动识别和跟踪影响较大,干净海面背景对目标自动识别最有利。……
登录APP查看全文
