• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Joint Infrared Target Recognition and Segmentation Using a Shape Manifold-Aware Level Set
【2h】

Joint Infrared Target Recognition and Segmentation Using a Shape Manifold-Aware Level Set

机译：使用形状歧管感知水平集的联合红外目标识别和分割

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We propose new techniques for joint recognition, segmentation and pose estimation of infrared (IR) targets. The problem is formulated in a probabilistic level set framework where a shape constrained generative model is used to provide a multi-class and multi-view shape prior and where the shape model involves a couplet of view and identity manifolds (CVIM). A level set energy function is then iteratively optimized under the shape constraints provided by the CVIM. Since both the view and identity variables are expressed explicitly in the objective function, this approach naturally accomplishes recognition, segmentation and pose estimation as joint products of the optimization process. For realistic target chips, we solve the resulting multi-modal optimization problem by adopting a particle swarm optimization (PSO) algorithm and then improve the computational efficiency by implementing a gradient-boosted PSO (GB-PSO). Evaluation was performed using the Military Sensing Information Analysis Center (SENSIAC) ATR database, and experimental results show that both of the PSO algorithms reduce the cost of shape matching during CVIM-based shape inference. Particularly, GB-PSO outperforms other recent ATR algorithms, which require intensive shape matching, either explicitly (with pre-segmentation) or implicitly (without pre-segmentation).
机译：我们提出了用于红外（IR）目标的联合识别，分割和姿态估计的新技术。在概率级别集框架中提出问题，在该框架中，使用形状受约束的生成模型先提供多类和多视图的形状，并且其中的形​​状模型涉及视图和身份流形（CVIM）对。然后在CVIM提供的形状约束下迭代优化水平集能量函数。由于视图和身份变量都在目标函数中明确表示，因此该方法自然可以完成识别，分割和姿势估计，这是优化过程的联合产物。对于实际的目标芯片，我们通过采用粒子群优化（PSO）算法解决最终的多峰优化问题，然后通过实施梯度增强PSO（GB-PSO）来提高计算效率。使用军事传感信息分析中心（SENSIAC）ATR数据库进行了评估，实验结果表明，两种PSO算法都可以降低基于CVIM的形状推断期间的形状匹配成本。特别是，GB-PSO优于其他最近的ATR算法，后者需要显式（预先分割）或隐式（不预先分割）进行密集的形状匹配。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号