第 43卷 第 3期 激 光 与 红 外 Vol.43,No.3
2013年 3月 LASER & INFRARED March,2013
文章编号:10015078(2013)03032405
·图像与信号处理·
一种新的红外机动目标识别算法
李一波,齐万旭
(沈阳航空航天大学自动化学院,辽宁 沈阳 110136)
摘 要:为了改善因红外图像中目标轮廓模糊造成的识别率低,提出一种适用于红外机动目标
的识别算法。通过自适应步长的细菌觅食算法对 BP神经网络进行优化,利用图像中目标的
最左点和最右点及两极点上部的目标边缘信息构造以局部面积比组成的特征向量,通过神经
网络对目标分类识别。实验结果表明本文提出的识别算法不仅提高了 BP神经网络的收敛速
度和计算精度,同时有效地提高了对机动目标的识别率,当目标部分区域被遮挡时也有很好的
识别效果。
关键词:细菌觅食算法;BP神经网络;特征提取;目标识别
中图分类号:TP391.4 文献标识码:A DOI:10.3969/j.issn.10015078.2013.03.021
Novelrecognitionalgorithm forIRmobiletarget
LIYibo,QIWanxu
(SchoolofAutomation,ShenyangAerospaceUniversity,Shenyang110136,China)
Abstract:Toimprovethelowrecognitionrateofmobiletargetsininfraredimagesbecauseoffuzzyoutline,thispaper
proposedanovelrecognitionalgorithmforinfraredimagesofmobiletargets.OptimizingtheBPneuralnetworkbybac
terialforagingalgorithmwithadaptivesteplength,thefeaturevectorisconstituted.Indoingso,theinformationofthe
leftmostandrightmostpointsofthetargetandtargetboundaryupperthetwoextremepointsareused.Usingthefeature
vector,targetsarerecognizedbytheoptimizedBPneuralnetwork.Experimentresultindicatesthattheproposedrecog
nitionalgorithmimprovestheconvergencespeed
,theaccuracyofBPneuralnetworkandtherecognitionrateofmobile
targets.Itiseffectiveespeciallyforthepartiallyoccludedtargets.
Keywords:bacterialforagingalgorithm;BPneuralnetwork;featureextraction;targetrecognition
1 引 言
随着红外成像技术的发展,红外目标识别技术
已经被广泛的应用
[1]
。许多模式识别方法已经成
功的应用在了红外目标识别技术中
[2-3]
。BP神经
网络因其具有很好的自组织、自学习,能对信息分布
存储且并行处理信息等优点而被广泛的应用在模式
识别领域。然而,传统的
BP神经网络算法存在易
陷入局部极小值、收敛速度慢等问题。一些研究者
为了弥补 BP神经网络算法的不足,将一些群体智
能算法与 BP神经网络算法相结合,在很大程度上
改善了 BP神经网络算法的不足
[4-5]
。细菌觅食优
化 算 法 (bacteria foraging optimization algorithm,
BFOA)
[6]
作为群体 智能算 法之一,自从被 提出以
来,因其具有并行搜索、易跳出局部极值等优点并且
由于其构造的直观性等特点,它已经被应用在许多
工程领域
[7-9]
。然而,将基本的 BFOA作为优化工
具处理高维问题时,其收敛精度和速度都明显下降。
因此本文通过自适应 BFOA优化 BP神经网络来弥
基金项目:国家自然科学基金项目(No.61103123)资助。
作者简介:李一波(1963-),男,教授,工学博士 后,博士 生导
师,主要研究方向为图像处理与模式识别,颅像鉴定,飞行器自主控
制技术。Email:lyb20040612@yahoo.com.cn
收稿日期:20120808;修订日期:20120824