应用粒度理论改进福岛模型的图像分析能力.pdfVIP

多传感器数据融合目标识别研究 梁好臣 朱振福 张斌国 (航天机电集团二院二 0七所,北京,100854) 摘 要 本文研究了多传感器数据融合目标识别技术 介绍了目标识别的 Bayes融合模型 以双传感器数据融合为例 说明其方法的目标识别效果 关键词 目标识别 Bayes推理 数据融合 多传感器 1 概述 数据融合是 80 年代形成和发展起来的一种自动化信息综合处理技术,它充分利用多源 互补性和现代计算机的高速处理能力 将来自多传感器的信息和数据进行综合处理 从中 抽取出更为准确可靠的结论 该技术首先用于军事 现广泛用于军 民遥感的各个领域 多传感器数据融合能在象素级(初级) 特征级( 中级) 和决策级(高级) 三个不同层次上 进行 象素级融合是在各传感器对原始信息未作太多处理前所进行的信息处理 特征级融 合是在各传感器对原始信息进行预处理和特征提取以后所进行的信息综合处理 决策级融 合是在各传感器特征提取和判断以后所进行信息融合处理 由于本文关心的是多传感器成 像跟踪中的自动目标识别问题 将着重研究和讨论多传感器数据融合中的特征级和决策级 目标识别融合处理 并以双传感器数据融合为例 说明其方法的目标识别效果 2 基于Bayes 推理的目标识别方法 限于篇幅的关系 这里仅研究一种基于 Bayes 推理的决策级融合的目标识别方法 其 模型如图 1 所示 传感器 1 预测器H1 目标识别融合器 传感器2 预测器H2 Bayes 决策器 融合规则 传感器n 预测器Hn 图1 目标识别的Bayes 融合模型 *本课题得到国防科技大学 ATR 实验室的基金资助 如图 1 所示 设有 n 个传感器 每个传感器与本身的预测器 Hi 结合起来 将一组观 测向量 Si 映射成识别概率 Pi 并将各自的检测概率送给目标识别融合器 融合器按 Bayes 规则输出融合后的识别概率 P 并作出判别决策 为简单计 这里假设成像跟踪系统 仅拥有两个传感器 即n =2 则按Bayes 定理得到的融合概率公式为 ( 1 P 0 ) P 1 P 2 P P 1 P 2 P 0 ( 1 P 1 P 2 ) 其中 P0 为先验概率 P 1 和P2 分别为传感器 1 和传感器2 的单帧识别概率 3 实验结果及分析 利用瑞典AGEMA 公司的THV900 长波红外和中波红外双波段热像仪 外场试验所 获取的双波段红外图象 采用上面描述的Bayes 融合方法 进行目标识别融合处理 取 得了比较好的目标识别效果(具体见图2) (1) 实际算法的具体步骤 l 首先对各传感器输出的红外图象进行预处理 减小噪声干扰 提高目标信噪比 l根据系统总体要求的目标识别概率和虚警概率 推算各传感器单帧的虚警率 在单 帧恒虚警条件下 确定单帧检测门限 l利用单帧检测门限 对各传感器预处理后的图象进行分割 并确定出各传感器实际 图象的目标识别概率和虚警率 l利用各传感器输出的实际目标识别概率 按 Bayes 融合方法进行目标融合处理 并 按适当的决策方式作出真假目标的判决 (2) 实验结果 图 2 给出的是某型号战斗机在低空飞行的长波红外和中波红外图象融合识别的结果 其中图2a 是中波红外图象序列中的第5 帧原图 目标大小1 3 象素 信噪比为4 图2c 和 2e 分别为该图对应的直方图和门限分割的结果 说明中波红外图象产生了 9 个潜在目 标 图2b 是长波红外序列中的第 5 帧原图 目标大小2 3 象素 信噪比3.9; 图2d