亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于紋理特征驅(qū)動(dòng)AdaBoost算法的海面場景分類

        2015-03-29 02:10:56金代中高志峰
        激光與紅外 2015年4期
        關(guān)鍵詞:海面紋理分類器

        戴 軍,金代中,高志峰

        (西南技術(shù)物理研究所,四川 成都610041)

        1 引言

        隨著紅外探測器技術(shù)的快速發(fā)展,紅外成像系統(tǒng)在反艦精確制導(dǎo)武器上得到了廣泛地應(yīng)用。在超低空飛行的反艦制導(dǎo)武器中,海面背景在紅外成像瞬時(shí)視場內(nèi)占據(jù)了較大比例,是影響目標(biāo)識(shí)別的主要因素。海面背景的紅外輻射特性與風(fēng)、太陽、空氣濕度等多種自然條件有關(guān)。由于這些條件的無規(guī)則變化使得海面背景的紅外成像特性的復(fù)雜性遠(yuǎn)大于艦船目標(biāo)自身,直接關(guān)系到紅外成像制導(dǎo)或包含紅外制導(dǎo)的復(fù)合制導(dǎo)系統(tǒng)的探測、識(shí)別及抗干擾能力。

        目前,在海面目標(biāo)檢測、海天線提取等領(lǐng)域研究較多,常用目標(biāo)檢測算法都是在一定干擾條件下,完成對(duì)目標(biāo)的檢測,很難適應(yīng)強(qiáng)干擾的海面背景。當(dāng)海面背景形成強(qiáng)干擾時(shí),檢測的虛警率大幅度提高,目標(biāo)探測效果顯著下降。

        基于海面紅外圖像紋理特征,利用Adaboost算法訓(xùn)練強(qiáng)分類器,構(gòu)建二叉決策樹,實(shí)現(xiàn)對(duì)海面場景的分類。實(shí)驗(yàn)證明,該方法適應(yīng)性廣、分類效果好,能提高紅外成像系統(tǒng)對(duì)場景的感知能力,為目標(biāo)檢測算法的選取,紅外成像系統(tǒng)使用邊界以及復(fù)合制導(dǎo)的綜合決策提供依據(jù)。

        2 海面場景紅外成像分析

        通過對(duì)大量外場試驗(yàn)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,根據(jù)對(duì)目標(biāo)識(shí)別跟蹤效果的影響程度,將海面場景分成三類:強(qiáng)亮帶干擾紋理、弱干擾紋理、干凈紋理。其中強(qiáng)亮帶干擾紋理對(duì)目標(biāo)的自動(dòng)識(shí)別和跟蹤影響較大,干凈海面背景對(duì)目標(biāo)自動(dòng)識(shí)別最有利。圖1為三類典型的海空背景紅外圖像。

        圖1 典型海空背景紅外圖像

        當(dāng)太陽位于一定天頂角時(shí),由于海面的鏡面反射現(xiàn)象,會(huì)在海面形成一定區(qū)域的海面亮帶。當(dāng)紅外探測器位于一定的觀測角度,就會(huì)形成很強(qiáng)的海面干擾圖像。此時(shí)的海面背景由大量起伏不定的高亮斑點(diǎn)組成,斑點(diǎn)的大小、亮度及疏密程度與浪高、陽光強(qiáng)度、太陽天頂角等自然條件有關(guān),如圖1(a)所示。遠(yuǎn)處的小目標(biāo)很容易被背景干擾所淹沒,使得目標(biāo)檢測算法失效。

        理想條件下的平靜海面一般表現(xiàn)為大面積連續(xù)分布狀態(tài),這時(shí)紅外圖像主體灰度起伏很小,如圖1(b)所示。在一定海情條件下,海面上會(huì)形成波浪紋理,一般表現(xiàn)為橫向條紋,如圖1(c)所示。

        3 海面背景紅外圖像紋理特征提取

        3.1 小波紋理特征

        離散小波變換常用于紋理分類。采用Mallat快速小波分解算法[1]對(duì)圖像進(jìn)行預(yù)處理。仿真結(jié)果(如圖2所示)可以看出,強(qiáng)干擾海面的各方向的高頻分量較強(qiáng),而一般條件下海面高頻分量較弱,或在單個(gè)方向的高頻分量較強(qiáng),理想干凈海面背景則各個(gè)方向的高頻分量都較弱。

        計(jì)算小波分解后4個(gè)通道系數(shù)的能量和方差作為圖像的小波紋理特征。

        3.2 Laws紋理特征

        Laws紋理能量度量通過估計(jì)紋理中的平均灰度級(jí)、邊緣、斑點(diǎn)、波紋以及波形來確定紋理屬性[2-3]。常用的5×5模板的1-D矢量形式為:

        圖2 小波分解系數(shù)圖

        用這5個(gè)1-D模板與其自身以及互相卷積后,產(chǎn)生25個(gè)5×5的二維Laws掩模。將二維Laws掩模用于圖像可得到25個(gè)濾波圖像。計(jì)算濾波后圖像的能量和方差作為圖像的Laws紋理特征。

        3.3 灰度共生矩陣紋理特征

        灰度共生矩陣是基于在紋理中某一灰度級(jí)結(jié)構(gòu)重復(fù)出現(xiàn)的情況,這個(gè)結(jié)構(gòu)在精細(xì)紋理中隨著距離而快速地變化,而在粗糙紋理中則緩慢地變化[4-6]。

        設(shè)圖像的灰度共生矩陣為P,d(g1,g2),它描述了在方向上間隔距離為d,具有灰度級(jí)g1和g2的兩個(gè)像素,在圖像中出現(xiàn)的頻率?;跉w一化的共生矩陣P可定義6個(gè)常用的紋理特征:能量、熵、對(duì)比度、倒數(shù)差分矩、方差和相關(guān)性。這6個(gè)特征分別描述了圖像均勻性、紋理清晰度和復(fù)雜度等特性。

        4 采用AdaBoost算法構(gòu)建分類器

        4.1 AdaBoost算法

        AdaBoost算法是一種迭代算法,其核心思想是針對(duì)同一個(gè)訓(xùn)練樣本集訓(xùn)練不同的弱分類器,然后把這些弱分類器以一定的權(quán)重集合起來,構(gòu)成一個(gè)更強(qiáng)的強(qiáng)分類器。AdaBoost算法為每個(gè)訓(xùn)練樣本引入一個(gè)權(quán)重,每次迭代訓(xùn)練一個(gè)弱分類器使其在當(dāng)前權(quán)重分布下分類錯(cuò)誤率最低,在每次迭代完成后增加分類錯(cuò)誤樣本的權(quán)重,降低分類正確樣本的權(quán)重,從而使下次迭代弱分類器的選擇更加重視錯(cuò)誤樣本[7-8]。

        AdaBoost算法的基本流程[9]如下:

        給定訓(xùn)練樣本(x1,y1)、…、(xn,yn),其中yi=0,1分別代表負(fù)樣本和正樣本。初始化每個(gè)樣本的權(quán)重為其中m、l分別是正樣本和負(fù)樣本的數(shù)量。

        循環(huán)t=1,…,T:

        · 權(quán)重歸一化;

        · 對(duì)每個(gè)特征fj,訓(xùn)練一個(gè)僅用這個(gè)特征的弱分類器hj。根據(jù)每個(gè)樣本xi當(dāng)前權(quán)重wt,i計(jì)算這個(gè)弱分類器在訓(xùn)練集上的分類誤差εt,j。

        · 選擇具有最小分類誤差εt,j的分類器hj。

        · 對(duì)所有的樣本xi更新權(quán)重:

        其中,如果分類正確,則ei=0;如果分類錯(cuò)誤,則

        最終的強(qiáng)分類器為:

        4.2 分類器構(gòu)建

        基本的AdaBoost算法只考慮了兩分類問題,通過建立兩級(jí)二叉樹結(jié)構(gòu)分類器,實(shí)現(xiàn)三分類問題。其中每級(jí)二叉樹節(jié)點(diǎn)都是用AdaBoost算法訓(xùn)練得到的強(qiáng)分類器。分類流程圖如圖3所示。

        圖3 海面場景分類流程圖

        在訓(xùn)練S1強(qiáng)分類器時(shí),將弱干擾和干凈海面背景樣本作為正樣本,強(qiáng)干擾海面背景樣本作為負(fù)樣本。在訓(xùn)練S2強(qiáng)分類器時(shí),將干凈海面背景樣本作為正樣本,弱干擾海面背景作為負(fù)樣本。

        5 實(shí)驗(yàn)設(shè)計(jì)與驗(yàn)證

        5.1 實(shí)驗(yàn)樣本

        在不同季節(jié)和光照條件下,在多個(gè)海域獲得紅外圖像。試驗(yàn)采用中波紅外探測器,紅外成像設(shè)備的架設(shè)高度為5~15 m,紅外圖像為典型的海天背景。截取紅外圖像的海面背景部分作為樣本,樣本圖像的大小為284×57,灰度級(jí)為256級(jí)。表1是訓(xùn)練、測試樣本類別及數(shù)目。

        表1 試驗(yàn)樣本組成

        5.2 特征提取

        提取三種類型的紋理特征作為AdaBoost算法的輸入。

        小波紋理特征的提取:對(duì)樣本進(jìn)行2層離散小波變換,計(jì)算每層變換4個(gè)通道系數(shù)的能量和方差作為樣本的小波紋理特征。

        Laws紋理特征的提取:本文使用25個(gè)Laws濾波掩模,對(duì)樣本圖像進(jìn)行濾波,并計(jì)算濾波后圖像的能量和方差,作為樣本的Laws紋理特征。

        灰度共生矩陣有三個(gè)參數(shù)變量,分別是灰度級(jí)、方向和間隔。原始樣本圖像的灰度級(jí)為256,為減小灰度共生矩陣的計(jì)算量,將原圖像的灰度級(jí)變?yōu)?4。試驗(yàn)圖像中海面紋理方向多為橫向紋理,因此本文方向參數(shù)選擇0°和90°。間隔參數(shù)選擇4、8、12、16。對(duì)給定方向和距離構(gòu)造樣本的共生矩陣,計(jì)算每個(gè)共生矩陣的6個(gè)特征量作為樣本的紋理特征。

        通過上述三類紋理特征提取,每個(gè)樣本可獲得16個(gè)小波紋理特征,50個(gè)Laws紋理特征和48個(gè)共生矩陣紋理特征。

        部分紋理特征在三類實(shí)驗(yàn)樣本的分布如圖4所示。

        圖4 部分特征值在實(shí)驗(yàn)樣本上的分布

        其中,圖4(a)、(b)為小波紋理特征(1層小波水平方向系數(shù)能量特征和2層小波垂直方向系數(shù)能量特征);圖4(c)、(d)Laws紋理能量特征(掩模為E5E5和E5S5);圖4(e)、(f)灰度共生矩陣特征(0°共生矩陣相關(guān)性和倒數(shù)差分矩特征)。

        圖4中,樣本本征分布相交越少的特征,其分類性能越好。其中圖4(e)特征分類效果相對(duì)較好,只基于該特征設(shè)計(jì)分類器,對(duì)弱干擾樣本和干凈樣本進(jìn)行分類,其分類正確率為98.5%。圖4(b)特征分類效果相對(duì)較差,只基于該特征設(shè)計(jì)分類器,同樣對(duì)弱干擾樣本和干凈樣本進(jìn)行分類,其分類正確率93.2%。

        5.3 實(shí)驗(yàn)結(jié)果

        應(yīng)用AdaBoost算法對(duì)訓(xùn)練集樣本進(jìn)行訓(xùn)練,通過多次迭代,從114個(gè)特征中選擇出分類誤差最小的特征構(gòu)建強(qiáng)分類器。表2給出了兩類強(qiáng)分類器的分類結(jié)果。

        通過3次迭代,選擇出3個(gè)最優(yōu)分類特征構(gòu)建強(qiáng)分類器S1,可以達(dá)到很好的分類效果(正確率100%,虛警率0%)。通過5次迭代,選擇出5個(gè)最優(yōu)分類特征構(gòu)建強(qiáng)分類器S2,也達(dá)到較好的分類效果(正確率99.7%,虛警率0.56%)。

        使用測試樣本集對(duì)兩種強(qiáng)分類器分類性能進(jìn)行測試,都取得了好的分類效果。其中強(qiáng)分類器S1的分類正確率100%,虛警率0%;強(qiáng)分類器S2分類正確率99.12%,虛警率為0%。

        通過實(shí)驗(yàn),驗(yàn)證了引入AdaBoost算法,經(jīng)過迭代訓(xùn)練,使用較少紋理特征構(gòu)建的強(qiáng)分類器能取得好的分類結(jié)果。

        表2 兩類強(qiáng)分類器的分類結(jié)果

        6 結(jié)論

        實(shí)驗(yàn)結(jié)果表明:通過提取三類紋理特征,引入AdaBoost算法進(jìn)行最優(yōu)特征選擇,構(gòu)建強(qiáng)分類器,并通過二叉樹結(jié)構(gòu)實(shí)現(xiàn)對(duì)海面場景的分類方法,適應(yīng)能力較強(qiáng),能對(duì)多種復(fù)雜的海面場景取得較好的分類結(jié)果。

        [1] Mallat SG.A theory of multiresolution signal decomposition:the wavelet representation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1989,11:674-693.

        [2] Laws K I.Texture energy measures[J].In DARPA Image Understanding Workshop,Los Angeles CA,Los Altos,CA,1979:47-51.

        [3] Wu CM,Chen Y C,Hesieh K S.Texture features for classification of ultrasonic liver images[J].IEEE Transactions on Medical Imageing,1992,11:141-152.

        [4] Haralick R M,Shanmugan K,Dinstein I.Textural features for image classification[J].IEEE Transactions on Systems,Man and Cybernetics,1973,3:610-621.

        [5] Gotlieb C C,Kreyszig H E.Texture descriptors based on co-occurrence matrices[J].Computer Vision,Graphics,and Image Processing,1990,51(1):70-86.

        [6] LI Gang,XIONG Yazhou,LIU Kangke,et al.Water wave detection based on texture characteristics[J].Application Research of Computer,2013,20(4):1226-1229.(in Chinese)李剛,熊亞洲,劉康克,等.一種基于圖像紋理特征的波浪檢測方法[J].計(jì)算機(jī)應(yīng)用研究,2013,20(4):1226-1229.

        [7] Freund Y.Schapire R E.A decision-theoretic generalization of on-line learning and an application to boosting[J].Journal of Computer and System Sciences,1997,55(1):119-139.

        [8] ZHANG Yujin,et al.Subspace-based face recognition[M].Beijing:Tsinghua University Press,2009.(in Chinese).章毓晉,等.基于子空間的人臉識(shí)別[M].北京:清華大學(xué)出版社,2009.

        [9] Viola P,Jones M.Robust real-time object detection[J].International Journal of Computer Vision,2004,57(2):137-154.

        猜你喜歡
        海面紋理分類器
        海面床,輕輕搖
        第六章 邂逅“胖胖號(hào)”
        基于BM3D的復(fù)雜紋理區(qū)域圖像去噪
        軟件(2020年3期)2020-04-20 01:45:18
        使用紋理疊加添加藝術(shù)畫特效
        BP-GA光照分類器在車道線識(shí)別中的應(yīng)用
        電子測試(2018年1期)2018-04-18 11:52:35
        TEXTURE ON TEXTURE質(zhì)地上的紋理
        Coco薇(2017年8期)2017-08-03 15:23:38
        海面上的“一千座埃菲爾鐵塔”
        加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
        結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
        中文字幕女同人妖熟女| 毛茸茸性xxxx毛茸茸毛茸茸| 国模无码视频专区一区| 欧美xxxxx精品| 亚洲中文字幕综合网站| 精品人妻av区乱码色片| 在线看无码的免费网站| 久久精品无码专区免费青青| 亚洲av影院一区二区三区四区| 午夜男女视频一区二区三区| 国产一区二区免费在线视频| 天天爽夜夜爽夜夜爽精品视频| 久久久久人妻精品一区蜜桃| 国产精品一区二区久久| 日本亚洲一级中文字幕| 狼狼色丁香久久女婷婷综合| 99久久无码一区人妻| 99精品欧美一区二区三区| 伊人久久大香线蕉在观看| 国产成人色污在线观看| 99久久精品人妻少妇一| 亚洲av高清在线观看一区二区 | 亚洲国产夜色在线观看| 中文字幕乱码av在线| 国产自拍91精品视频| 国产卡一卡二卡3卡4乱码| 日韩a无v码在线播放| 久久久久久岛国免费网站| 少妇高潮免费在线观看| 一本到在线观看视频| 国语精品一区二区三区| 亚洲国产成人手机在线电影| 亚洲黄片av在线免费观看| 中文字幕乱码熟女人妻在线 | 国产视频激情视频在线观看| 老子影院午夜伦不卡| 亚洲精品网站在线观看你懂的| 人妻系列影片无码专区| 日韩av一区二区蜜桃| 国产精品186在线观看在线播放| 国产乱子伦一区二区三区|