王周春，崔文楠，张 涛

基于支持向量机的长波红外目标分类识别算法

王周春1,2,3,4，崔文楠1,2,4，张 涛1,2,3,4

（1. 中国科学院上海技术物理研究所，上海 200083；2. 中国科学院大学，北京 100049；3. 上海科技大学，上海 201210；4. 中国科学院智能红外感知重点实验室，上海 200083）

红外图像的分辨率低和色彩单一，但由于红外设备的全天候工作特点，因而在某些场景具有重要作用。本文采用一种基于支持向量机（support vector machine, SVM）的长波红外目标图像分类识别的算法，在一幅图像中，将算法提取的边缘特征和纹理特征作为目标的识别特征，输入到支持向量机，最后输出目标的类别。在实验中，设计方向梯度直方图＋灰度共生矩阵＋支持向量机的组合算法模型，采集8种人物目标场景图像进行训练和测试，实验结果显示：相同或者不相同人物目标，穿着不同服饰，算法模型的分类识别正确率较高。因此，在安防监控、工业检测、军事目标识别等运用领域，此组合算法模型可以满足需要，在红外目标识别领域具有一定的优越性。

长波红外目标；支持向量机；识别特征；目标识别

0 引言

红外线是一种波长范围为760nm～1mm的电磁辐射[1]，红外图像的分辨率低、色彩单一，但是，由于红外设备具有全天工作的优点，因而在某些场景具有重大的运用价值，例如军事、交通、安全领域等。红外目标检测与识别是指从一幅红外图像中找出目标位置并识别目标类别[2]，任务的目标在于待检测区域的提取与识别[3]。本文的处理图像是长波（7.5～14mm）红外目标图像，其特征相对可见光图像，特征更少，因而目标检测与识别的难度更大。……