分 类 号 ： N945.1 密 级 ：ＵＤＣ：6 21.3 编 号 ：工 学 硕 士 学 位 论 文基于特征级融合的目标识别方法研究硕士研究生：王东明指导教师 ： 胡 玉 兰 教 授学科、专业：系统工程沈 阳 理 工 大 学2013 年 3 月分 类 号 ： N945.1 密 级 ：Ｕ Ｄ Ｃ ： 621.3 编 号 ：工 学 硕 士 学 位 论 文基于特征级融合的目标识别方法研究硕士研究生 ： 王 东 明指 导 教 师 ： 胡 玉 兰 教 授学 位 级 别 ：工学硕士学科、专业 ：系统工程所 在 单 位 ：信息科学与工程学院论 文 提 交 日 期 ： 2012 年 12 月论 文 答 辩 日 期 ： 2013 年 3 月学位授予单位：沈阳理工大学Classification Index: N945.1U.D.C: 621.3A Thesis for the Degree of EngineeringResearch on target recognition Method BasedOn Feature-leve FusionCandidate : Wang DongmingSupervisor : Prof. Hu YulanAcademic Degree Applied for : Master of EngineeringSpeciality : Systems EngineeringDate of Submission : December, 2012Date of Examination: March, 2013University: Shenyang Ligong University沈 阳 理 工 大 学硕 士 学 位 论 文 原 创 性 声 明本 人 郑 重 声 明 :本 论 文 的 所 有 工 作 ， 是 在 导 师 的 指 导 下 ， 由 作 者 本人 独 立 完 成 的 。
有 关 观 点 、 方 法 、 数 据 和 文 献 的 引 用 已 在 文 中 指 出 ，并 与 参 考 文 献 相 对 应 除 文 中 已 注 明 引 用 的 内 容 外 ， 本 论 文 不 包 含 任何 其 他 个 人 或 集 体 已 经 公 开 发 表 的 作 品 成 果 对 本 文 的 研 究 做 出 重 要贡 献 的 个 人 和 集 体 ， 均 己 在 文 中 以 明 确 方 式 标 明 本 人 完 全 意 识 到 本声 明 的 法 律 结 果 由 本 人 承 担 作 者 （ 签 字 ） ：日 期 ： 年 月 日学 位 论 文 版 权 使 用 授 权 书本 学 位 论 文 作 者 完 全 了 解 沈 阳 理 工 大 学 有 关 保 留 、 使 用 学 位 论 文的 规 定 ， 即 ： 沈 阳 理 工 大 学 有 权 保 留 并 向 国 家 有 关 部 门 或 机 构 送 交 学位 论 文 的 复 印 件 和 磁 盘 ， 允 许 论 文 被 查 阅 和 借 阅 本 人 授 权 沈 阳 理 工大 学 可 以 将 学 位 论 文 的 全 部 或 部 分 内 容 编 入 有 关 数 据 库 进 行 检 索 ， 可以 采 用 影 印 、 缩 印 或 其 它 复 制 手 段 保 存 、 汇 编 学 位 论 文 。
保 密 的 学 位 论 文 在 解 密 后 适 用 本 授 权 书 ）学 位 论 文 作 者 签 名 ： 指 导 教 师 签 名 ：日 期 ： 日 期 ：沈阳理工大学硕士学位论文摘 要多 传 感 器 信 息 融 合 的 目 标 识 别 技 术 普 遍 应 用 于 军 事 、 计 算 机 视 觉 、 遥 感 图 像 等领 域 ， 具 有 广 泛 的 理 论 研 究 和 实 际 应 用 的 意 义 基 于 特 征 级 融 合 的 目 标 识 别 技 术能 够 在 各 种 复 杂 、 不 确 定 性 的 情 况 下 ， 融 合 多 种 传 感 器 提 供 的 特 征 信 息 ， 缩 减 数据 量 带 宽 ， 提 高 识 别 的 精 度 和 效 率 ， 因 此 这 是 一 个 很 有 应 用 前 景 的 研 究 课 题 目前 信 息 融 合 技 术 已 取 得 了 非 常 显 著 的 成 果 并 达 到 了 广 泛 应 用 ， 但 是 针 对 特 征 级 融合 的 目 标 识 别 技 术 ， 目 前 国 内 研 究 较 少 ， 许 多 问 题 需 要 解 决 ， 迫 切 需 要 开 展 广 泛深 入 的 基 础 理 论 和 技 术 研 究 。
本 文 在 总 结 、 借 鉴 前 人 的 一 些 理 论 及 研 究 成 果 的 基 础 上 ， 对 特 征 级 融 合 的 目 标识 别 方 法 进 行 了 深 入 、 系 统 的 研 究 本 文 主 要 研 究 了 以 下 几 方 面 内 容 ：（ 1）分析了特征级融合目标识别的研究内容、关键问题，构建了特征级融合目 标 识 别 系 统 的 结 构 及 模 型 2） 针 对 红 外 传 感 器 和 可 见 光 传 感 器 的 成 像 特 点 ， 研 究 了 灰 度 共 生 矩 阵 、 Hu不 变 矩 、 仿 射 不 变 矩 以 及 小 波 矩 四 种 特 征 提 取 方 法 在 此 基 础 上 推 导 出 了 仿 射 不变 矩 和 小 波 矩 的 另 外 3 个 高 阶 矩 ， 以 提 取 目 标 的 细 节 信 息 ， 使 其 在 离 散 状 态 下 仍然具有旋转、平移、尺度不变性 3）针对传统的串联和并联特征融合方法中目标融合特征信息量大，冗余信息 丰 富 的 问 题 ， 研 究 了 基 于 遗 传 算 法 的 特 征 融 合 方 法 通 过 遗 传 算 法 中 适 应 度 函数 、 遗 传 算 子 、 终 止 条 件 的 设 计 ， 降 低 了 目 标 特 征 维 数 ， 使 融 合 后 的 目 标 特 征 具有 旋 转 不 变 性 、 尺 度 不 变 性 、 鲁 棒 性 、 类 间 可 分 性 和 类 内 稳 定 性 的 特 点 。
4）针对传统神经网络易陷入局部空间最优解问题，提出并研究了运用粒子群 算 法 优 化 RBF 神 经 网 络 的 参 数 ， 使 用 融 合 特 征 识 别 目 标 实 验 结 果 表 明 ： 粒 子群 优 化 的 RBF 神 经 网 络 改 善 了 传 统 神 经 网 络 在 目 标 识 别 的 精 确 性 和 效 率 ， 验 证 了本文算法的有效性关 键 词 ： 特 征 提 取 ； 特 征 融 合 ； 目 标 识 别沈阳理工大学硕士学位论文AbstractMultisensor information fusion for target recognition techniques are widely used inmilitary, computer vision, remote sensing image fields, with a wide range of theoreticaland practical significance.Target identification based on feature level fusion can fusefeature information provided by a variety of sensors under any complex and uncertaincases, it can improve the identification accuracy and speed and greatly reduce theamount of data, so it is a promising research topic.But in this field domestic research isstill in its infancy at present, and many problems need to be solved, we urgently need tocarry out extensive and in-depth basic theory and technology research.Based on summarizing and drawing some theoretical basis and research results ofpredecessors, this paper makes a thorough and systemic study of the target recognitionfor feature level fusion method. This paper mainly studies the following aspects:(1) Analysis of feature-level fusion for target recognition research, critical issues ,and build a structure and model of feature-level fusion for target recognition system..(2) For the imaging characteristics of infrared and visible light sensors, havingstudied the Gray level co-occurrence matrix, Hu moment invariants, affine invariantmoments and Wavelet moment four feature extraction methods. Infer on the basis ofthis affine invariant moments and Wavelet moment three higher moments, with theobjective of extracting detailed information so that it remains in the discrete State withrotation, translation and scale invariance.(3) For a traditional serial and parallel feature fusion method of target fusionfeatures informative, redundant information a wealth of problems, research featurefusion method based on genetic algorithm. Through a design of the fitness function,genetic operators, termination conditions in genetic algorithms, reducing the targetfeature dimensions, so that after the integration of objective characteristics with rotating沈阳理工大学硕士学位论文invariance, scale invariance, robustness, stability of separability between class and classcharacteristics.(4) For traditional neural networks vulnerable to local。