[發明專利]一種基于ELM與DSmT的飛機姿態識別方法

在審

• 申請號: 201710273326.5
• 申請日: 2017-04-21
• 公開（公告）號: CN107247917A
• 公開（公告）日: 2017-10-13
• 發明（設計）人: 李新德;成杰
• 申請（專利權）人: 東南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 梁耀文

1.一種基于ELM與DSmT的飛機姿態識別方法，其特征在于，具體步驟如下：

第一步：對于飛機圖像進行去噪、灰度化和二值化預處理；

第二步：對經過預處理的飛機圖像提取二值化圖像的SIFT特征描述子和飛機輪廓特征；

第三步：對SIFT特征描述子采用經典的BoW模型進行描述并最終得到BoW_SIFT向量；

第四步：對第二步中得出的飛機輪廓特征進行處理得到飛機目標輪廓局部奇異值向量；

第五步：根據BoW_SIFT向量，構建SLFNs網絡，采用實時性好的ELM算法訓練SLFNs網絡，得到訓練好的SLFNs1；對于輪廓局部奇異值向量，構建SLFNs，然后采用實時性好的ELM算法訓練SLFNs網絡，得到訓練好的SLFNs2；

第六步：將兩個訓練好的SLFNs1和SLFNs1作為算法的分類器，采用DSmT融合理論中的PCR5公式，實現多特征的決策級融合，得到最終的識別結果。

2.所述第二步中對SIFT特征進行提取的具體步驟如下：

2.1：SIFT特征點檢測

I(x,y)表示一幅圖像，σ是尺度空間因子，則其尺度空間L(x,y,σ)定義為：

L(x,y,σ)＝G(x,y,σ)*I(x,y)

其中G(x,y,σ)為高斯核函數，二維高斯核函數定義為：

G(x,y,σ)=12πσ2e-(x2+y2)/2σ2]]>

Lowe用計算簡單、運算速度快的DoG算子替代LoG算子，DoG算子計算公式為：

D(x,y,σ)＝L(x,y,kσ)-L(x,y,σ)

其中，k為相鄰兩個高斯尺度空間的比例因子。

通過DoG算子構建圖像差分金字塔后，對每個采樣點與同尺度的8個鄰點以及上下兩個尺度的9個鄰點共計26個點進行比較，如果該采樣點是最大值或者最小值，則認為其是圖像在該尺度下的一個特征點，然后對篩選出來的特征點中的不穩定的邊界點進行剔除；

2.2：SIFT特征點描述：

關鍵點檢測完后，利用關鍵點鄰域像素的梯度方向分布特性為每個關鍵點確定主方向和輔助方向，關鍵點(x,y)處的梯度幅值m(x,y)和方向θ(x,y)計算公式為：

m(x,y)=(L(x+1,y)-L(x-1,y))2+(L(x,y+1)-L(x,y-1))2]]>

θ(x,y)=tan-1(L(x,y+1)-L(x,y-1)L(x+1,y)-L(x-1,y))]]>

利用直方圖統計關鍵點鄰域內方向分布，將0～360度的角度范圍分為36個柱，每柱10度，直方圖的峰值方向為關鍵點的主方向，將大于主方向峰值80％的方向作為該關鍵點處的輔助方向；

將每個關鍵點的鄰域點分配到4×4的子區域中，計算影響子區域的采樣點的梯度方向和幅值，將每個子區域上計算得到的梯度分配到8個方向上，利用直方圖統計每個方向的鄰域點對關鍵點的貢獻；對于每個關鍵點，形成了一個4×4×8＝128維的特征向量，該向量為每個特征點的特征描述子，最后對特征描述子進行歸一化處理。