›› 2012, Vol. 32 ›› Issue (2): 35-42.doi: 10.3780/j.issn.1000-758X.2012.02.006

• 研究探讨 • 上一篇    下一篇

基于改进核聚类算法的空间目标识别方法

 王晓雪, 杨永胜, 敬忠良   

  1. (上海交通大学航空航天学院,上海 200240)
  • 收稿日期:2011-10-12 修回日期:2012-04-25 出版日期:2012-04-25 发布日期:2012-04-25
  • 作者简介:王晓雪 1985年生,2009年毕业于四川大学通信工程专业,现为上海交通大学模式识别与智能系统专业硕士研究生。研究方向为数字图像处理。
  • 基金资助:

    国家863高科技计划(2009AA7043005,2010AA7043005)资助项目

Space Target Recognition Based on Improved Kernel FCM

 WANG  Xiao-Xue, YANG  Yong-Sheng, JING  Zhong-Liang   

  1. (SchoolofAeronauticsandAstronautics,ShanghaiJiaoTongUniversity,Shanghai200240)
  • Received:2011-10-12 Revised:2012-04-25 Published:2012-04-25 Online:2012-04-25

摘要: 根据目标区域的矩特征,几何特征以及灰度特征,提取出目标的特征向量,并通过聚类算法对空间目标进行识别,提出了一种基于Voronoi距离的核聚类算法(KFCM)。该算法通过引入一种新的距离度量,使得隶属度函数更加的明晰,改善了核聚类算法极易陷入最小值的问题。运用改进的核聚类算法对3类空间目标进行识别,试验结果验证了算法的正确性和有效性。

关键词: 图像识别, 核聚类法, 特征提取, 空间目标

Abstract: A recognitionsystemwaspresentedtoaccomplishspacetargetclassification.Firstly,Imagefeaturevectorswereextractedaccordingtoinvariantregionmoments,shapeandimagedescriptorsofspaceobjects.Andthen,clusteringalgorithmisappliedtotheclassifyspacetarget.AnimprovedkernelclusteringalgorithmbasedonVoronoidistancewasproposedwhichhadacrispermembershipfunctionandwasrobustfornoiseandoutliers.Experimentsshowthattheimprovedkernelfuzzyclusteringalgorithmismoreaccurateandvalidthanthatoftheconventionalmethods.

Key words: Image recognition, Kernel cluster method, Feature extraction, Space target