成杰+李新德��

摘要： 在军事领域， 为了快速准确识别出飞机飞行过程中的姿态， 提出一种基于Hu矩与改进的概率神经网络（IPNN）的新方法。 该方法对于无噪声灰度化图片， 先进行二值化处理， 再计算图像的Hu矩特征。 将飞机飞行的360°姿态按三视图分为三个类别， 即正视图、 侧视图、 俯视图。 四维Hu矩作为PNN输入， 三个视图代表的三个类别作为PNN输出， 构建PNN网络。 实验结果表明， 对于无噪声图片平均识别率可以达到91.2%以上； 对于有噪声图片平均识别率可以达到87.0%以上， 可见训练后的网络具备良好的泛化能力。

关键词： 飞机； 姿态； 概率神经网络； Hu矩； 分类

中图分类号： TP391.41文献标识码： A文章编号： 1673-5048（2017）01-0055-07[SQ0]

0引言

现代军事活动中， 通过定位飞机的姿态， 能够更准确地定位飞机的局部特征。 如在景象制导空空导弹制导中， 为了提高制导精度， 必须定位目标的关键部位， 所以有必要对飞机飞行图像进行处理， 识别出螺旋浆、 机舱、 油箱等关键部位， 再向关键或软弱部位发射导弹， 以达到增强毁伤的效果。 飞机关键部位的识别与飞机飞行的姿态有直接关系， 飞机飞行姿态不同， 关键部位也各有差异， 所以必须首先对飞机飞行的姿态进行识别， 然后才能定位关键部位。

目前， 有不少学者对飞机飞行姿态的定位进行了研究。 刘刚[1]等基于红外图像， 将飞机图像分割成背景、 机身、 尾焰三部分， 通过计算一种组合矩， 同时结合面积比特征来实现姿态识别； 赵芹[2]等结合Hu矩与仿射不变矩， 提出一种有利于目标特点的特征量和自动识别算法；……