Resumen

En este artículo se estudia un método robusto de todo el proceso desde la detección del objetivo, extracción de características hasta el reconocimiento del objetivo, con el objetivo de abordar los problemas de reconocimiento de múltiples objetivos en imágenes SAR de escenas grandes con un fuerte ruido speckle. Al introducir una simple base ortogonal de vecindad de 8 píxeles, se presenta un método de descomposición local multiescala desde el centro de gravedad del objetivo. Utilizando este método, una imagen puede ser procesada con un filtro de muestreo multiescala y las características multiescala de los objetivos en ocho direcciones y una característica de filtrado de baja frecuencia se pueden derivar directamente mediante el muestreo de píxeles clave. Al mismo tiempo, se estudia un algoritmo de reconocimiento que integra orgánicamente las características locales multiescala y el clasificador de kernel wavelet multiescala, lo que permite una clasificación rápida con robustez y alta precisión para objetivos de imagen de múltiples clases. Los resultados del análisis de clasificación y adaptabilidad en ruido speck

• Materias:Difusión de información Inteligencia de enjambre Programación híbrida Modelo de programación Máquinas virtuales
• Subjects:Information dissemination Swarm intelligence Hybrid programming Programming model Virtual machines
• Palabras claves:Detección de objetivos; Extracción de características; Reconocimiento de objetivos; Método de descomposición local a múltiples escalas; Características a múltiples escalas; Algoritmo de reconocimiento
• Keywords:Target detection; Feature extraction; Target recognition; Local multiscale decomposition method; Multiscale features; Recognition algorithm