کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8146657 1524110 2016 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Kernel sparse coding method for automatic target recognition in infrared imagery using covariance descriptor
ترجمه فارسی عنوان
روش کدگذاری نزولی هسته برای تشخیص خودکار هدف در تصاویر مادون قرمز با استفاده از توصیف کواریانس
کلمات کلیدی
شناسایی خودکار هدف، برنامه نویسی نهایی هسته، توصیفگر کوواریانس، متریک منطق اقلیدسی،
ترجمه چکیده
تشخیص خودکار هدف در تصاویر مادون قرمز یک مشکل چالش برانگیز است. در این مقاله، یک روش کد گذاری نزولی هسته برای شناسایی هدف مادون قرمز با استفاده از توصیف کننده کوواریانس پیشنهاد شده است. اولا، توصیفگر کوواریانس که ترکیبی از شدت خاکستری و اطلاعات شیب دهنده هدف مادون قرمز است به عنوان نمایه ویژگی استخراج می شود. سپس، با توجه به اینکه توصیفگر کوواریانس در چندجملهای غیر اقلیدسی قرار دارد، برای حل این مشکل، از تئوری کدگذاری جزئی استفاده شده است. ما اثربخشی الگوریتم پیشنهاد شده را از لحاظ ماتریس های سردرگمی بر روی تصاویر واقعی شامل هفت دسته از اهداف مادون قرمز مجهز بررسی می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه فیزیک و نجوم فیزیک اتمی و مولکولی و اپتیک
چکیده انگلیسی
Automatic target recognition in infrared imagery is a challenging problem. In this paper, a kernel sparse coding method for infrared target recognition using covariance descriptor is proposed. First, covariance descriptor combining gray intensity and gradient information of the infrared target is extracted as a feature representation. Then, due to the reason that covariance descriptor lies in non-Euclidean manifold, kernel sparse coding theory is used to solve this problem. We verify the efficacy of the proposed algorithm in terms of the confusion matrices on the real images consisting of seven categories of infrared vehicle targets.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Infrared Physics & Technology - Volume 76, May 2016, Pages 740-747
نویسندگان
, , , , ,