基于形态学理论的自动目标识别技术&mdash;&mdash;自适应BP学习算法

余农; 吴常泳

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于形态学理论的自动目标识别技术——自适应BP学习算法

余农, 吴常泳

文章导航 > 武汉大学学报 ( 信息科学版) > 2003 > 28(2): 219-223

余农, 吴常泳. 基于形态学理论的自动目标识别技术——自适应BP学习算法[J]. 武汉大学学报 ( 信息科学版), 2003, 28(2): 219-223.

引用本文:

余农, 吴常泳. 基于形态学理论的自动目标识别技术——自适应BP学习算法[J]. 武汉大学学报 ( 信息科学版), 2003, 28(2): 219-223.

YU Nong, WU Changyong. Automatic Target Recognition Technique Based on Morphological Theory:Adaptive BP Learning Algorithm[J]. Geomatics and Information Science of Wuhan University, 2003, 28(2): 219-223.

Citation:

YU Nong, WU Changyong. Automatic Target Recognition Technique Based on Morphological Theory:Adaptive BP Learning Algorithm[J]. Geomatics and Information Science of Wuhan University, 2003, 28(2): 219-223.

基于形态学理论的自动目标识别技术——自适应BP学习算法

余农,
吴常泳

中国科学院上海技术物理研究所, 上海市玉田路500号, 200083

详细信息

作者简介:
余农,副教授,博士,博士后。现主要从事红外光电图像信息处理研究。E-mail:laoyunong@263.net

中图分类号: TP751.1

Automatic Target Recognition Technique Based on Morphological Theory:Adaptive BP Learning Algorithm

Shanghai Institute of Technical Physics, Chinese Academy of Sciences, 500 Yutian Road, Shanghai, China, 200083

摘要: 在设计了一种具有实用意义的形态学开、闭滤波的神经网络模型基础上,完成了用于目标检测识别的优化学习算法,为克服BP算法存在的收敛速度慢、需要选择学习参数且无法保证全局最优等固有缺陷,将启发引导策略与学习规则相结合,采用了一种动态调控学习参数的自适应BP学习算法。试验结果表明,该算法不仅能适应复杂多变的背景环境,而且对运动目标的持续检测能力具有位移不变、伸缩不变和旋转不变的特性。
- 计算机视觉 /
- 图像处理 /
- 数学形态学 /
- 目标识别
Abstract: Learning aims to emphasize effective stimulation of plastic structure and to form steady memory mode.Data-based machine leaning is an important avenue to make information system attract external information.It is a key technique in field of artificial intelligence.Based on a practical neural network model of filtering for opening and closing,an optimal training algorithm for image target detection is proposed.By means of combining guidable method with the training rule,an adaptive BP training algorithm to adjust learning parameter dynamically is adopted.Experimental results show that the algorithm has invariant property with respect to shift,scale and rotation of moving target in continuing detection of moving targets.
- computer vision /
- image processing /
- mathematical morphology /
- target recognition

[1]	龚健雅, 季顺平. 从摄影测量到计算机视觉 . 武汉大学学报 ( 信息科学版), 2017, 42(11): 1518-1522, 1615. doi: 10.13203/j.whugis20170283
[2]	沈晶, 刘纪平, 林祥国. 用形态学重建方法进行机载LiDAR数据滤波 . 武汉大学学报 ( 信息科学版), 2011, 36(2): 167-170.
[3]	李辉, 代侦勇, 张利华, 蒋志勇. 利用数学形态学的遥感影像水系提取方法 . 武汉大学学报 ( 信息科学版), 2011, 36(8): 956-959.
[4]	杨露菁, 王德石, 李煜. 利用边界链编码和HMM进行SAR图像阴影建模和分类 . 武汉大学学报 ( 信息科学版), 2010, 35(2): 215-218.
[5]	余瑞星, 朱冰, 张科, 吕梅柏. 基于小波的ICM不变特征在图像匹配识别中的应用 . 武汉大学学报 ( 信息科学版), 2008, 33(12): 1225-1228.
[6]	贾永红, 邹勤, 付修军. 基于数学形态学的扫描地图点状符号识别方法 . 武汉大学学报 ( 信息科学版), 2008, 33(7): 673-675.
[7]	潘励, 郑宏, 张祖勋, 张剑清. 集成高度和彩色纹理特征的影像目标模糊聚类识别方法 . 武汉大学学报 ( 信息科学版), 2004, 29(4): 311-314.
[8]	张祖勋. 数字摄影测量与计算机视觉 . 武汉大学学报 ( 信息科学版), 2004, 29(12): 1035-1039,1105.
[9]	文贡坚, 李德仁, 叶芬. 从卫星遥感全色图像中自动提取城市目标 . 武汉大学学报 ( 信息科学版), 2003, 28(2): 212-218.
[10]	马洪超, 李德仁. 基于空间统计学的空间数据窗口大小的确定 . 武汉大学学报 ( 信息科学版), 2001, 26(1): 18-23.
[11]	李建松. 工业物体表面三维视觉量测的关键技术研究 . 武汉大学学报 ( 信息科学版), 2001, 26(4): 337-342.
[12]	刘慧敏, 舒宁, 林卉. 图像边缘信息分析中数学形态学的应用方法 . 武汉大学学报 ( 信息科学版), 2001, 26(4): 325-330.
[13]	马飞. 数学形态学在遥感和地理信息系统数据分析与处理中的应用研究 . 武汉大学学报 ( 信息科学版), 1998, 23(2): 187-187.
[14]	马飞. 用数学形态学自动快速寻找地图注记位置 . 武汉大学学报 ( 信息科学版), 1996, 21(2): 150-153.
[15]	马飞, 李德仁. 数学形态学在GIS空间分析中的应用 . 武汉大学学报 ( 信息科学版), 1996, 21(1): 41-45,49.
[16]	马飞. 灰度级形态学及在扫描影像处理中的应用 . 武汉大学学报 ( 信息科学版), 1995, 20(4): 310-316.
[17]	袁宇正, 邓德祥, 陈勇. 准实时微机图像处理系统的设计与实现 . 武汉大学学报 ( 信息科学版), 1993, 18(1): 46-49.
[18]	梅安华, 王菁蕙. 应用机器视觉技术研究刀具磨损与耐用度 . 武汉大学学报 ( 信息科学版), 1993, 18(1): 86-93.
[19]	林宗坚, 卢健, 邸凯昌. 基于计算机视觉的专题图读取系统 . 武汉大学学报 ( 信息科学版), 1992, 17(2): 8-17,49.
[20]	李德仁, 陈晓勇. 数学形态学及其在二值影象分析中的应用 . 武汉大学学报 ( 信息科学版), 1989, 14(3): 18-34.

点击查看大图

计量

文章访问数: 810
HTML全文浏览量: 57
PDF下载量: 169
被引次数: 0

基于形态学理论的自动目标识别技术——自适应BP学习算法

余农,
吴常泳

中国科学院上海技术物理研究所, 上海市玉田路500号, 200083

作者简介:
余农,副教授,博士,博士后。现主要从事红外光电图像信息处理研究。E-mail:laoyunong@263.net

收稿日期: 2002-11-18
刊出日期: 2003-02-05

中图分类号: TP751.1

关键词:

摘要: 在设计了一种具有实用意义的形态学开、闭滤波的神经网络模型基础上,完成了用于目标检测识别的优化学习算法,为克服BP算法存在的收敛速度慢、需要选择学习参数且无法保证全局最优等固有缺陷,将启发引导策略与学习规则相结合,采用了一种动态调控学习参数的自适应BP学习算法。试验结果表明,该算法不仅能适应复杂多变的背景环境,而且对运动目标的持续检测能力具有位移不变、伸缩不变和旋转不变的特性。