基于样本间最小欧氏距离的多特征融合识别算法研究
刘如松
中国航空工业集团公司西安航空计算技术研究所 西安 710068
摘要：在目标跟踪过程中,为了提高目标图像识别的准确率和实时性,提出了一种基于样本间最小欧氏距离和DS证据理论的多特征融合识别方法(E-DS).在对目标图像进行预处理和Sobel边缘检测的基础上,提取目标的颜色和几何两类视觉特征,加以归一化,形成目标图像特征向量;根据多特征DS融合理论,以2类单特征样本间的最小欧氏距离作为独立证据构造基本概率分配函数,结合DS证据组合规则,给出最终的识别结果.将多特征E-DS融合识别方法应用于目标识别试验中,计算结果表明此识别方法平均正确识别率达到95.49%,最高正确识别率达到97.16%,且此组间识别率的方差最小,验证了这一方法的有效性.
关键词：多特征融合识别最小欧氏距离DS证据融合理论
分类号：TP301(计算技术、计算机技术)
资助基金：国家自然科学基金(61575155)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2373-2378 )
英文信息