申请/专利权人：西南大学

申请日：2019-10-14

公开（公告）日：2023-04-18

公开（公告）号：CN110738166B

主分类号：G06V20/52

分类号：G06V20/52;G06V10/26;G06V10/30;G06V10/50;G06V10/764;G06N3/006;G06V10/82;G06N3/0464;G06Q50/02;G06Q50/26

优先权：

专利状态码：有效-授权

法律状态：2023.04.18#授权;2020.02.25#实质审查的生效;2020.01.31#公开

摘要：本发明公开了一种基于PCNN和PCANet的渔政监控系统红外目标识别方法及存储介质，包括以下步骤：步骤1.获取水面监控现场的红外图像；步骤2.利用各向异性滤波器对原始的红外图像进行红外降噪处理；步骤3.利用简化PCNN模型和改进CS算法分割出红外目标对象区域；步骤4.通过PCANet深度学习网络进行目标特征提取，利用SVM分类器进行目标判断与分类，输出目标识别结果并报警。本发明能够有效实现渔政监控红外目标的分类和检测。

主权项：1.一种基于PCNN和PCANet的渔政监控系统红外目标识别方法，其特征在于：步骤1.获取水面监控现场的红外图像；步骤2.利用各向异性滤波器对原始的红外图像进行红外降噪处理；步骤3.利用简化PCNN模型和改进CS算法分割出红外目标对象区域；步骤4.通过PCANet深度学习网络进行目标特征提取，利用SVM分类器进行目标判断与分类，输出目标识别结果并报警；其中，所述步骤3中，改进CS算法具体为：a创建布谷鸟种群，初始化参数，以最小交叉熵为适应度函数；b初始化种群，在nbird个寄生鸟巢应用Kent混沌算子在取值空间中随机产生初始位置，计算种群内适应度值，并保留最优解，其中，Kent混沌算子定义为： 式中：ε为控制参数；zm为产生的第m个Kent混沌序列值；zm+1为产生的第m+1个Kent混沌序列值；c全局搜索：按照改进CS算法的莱维飞行公式改进莱维飞行，对每个鸟巢进行位置更新，其中，改进CS算法的莱维飞行公式为： 式中：表示在第t代的第τ个鸟巢位置；为第t+1代的第τ个鸟巢位置；nbird为寄生鸟巢的数目；α表示步长控制量；G为当前迭代次数；为点对点乘法；Lλ表示由服从参数λ的莱维随机分布产生的一个随机搜索向量，具体表达为： 式中：u和v为随机变量，两者均服从正态分布，即和为第t代的第θ个鸟巢位置；为第t代的最优鸟巢位置；d计算种群内适应度值，与当前存储的最优解比较，保存更好的最优解；e产生随机数R，与宿主发生外来蛋概率Pa比较；f若R＞Pa，则进入步骤g，否则进入步骤h；g抛弃被发现的这个鸟巢，通过随机游走建立新鸟巢，产生新位置，重新计算种群内适应度值，保留当前最优解；h局部搜索：应用Kent混沌算子在当前最优解邻域内开展搜索，计算领域内适应度值，保留当前最优解；i判断是否满足结束条件，若是，则输出全局最优值，否则返回步骤c。

全文数据：

权利要求：

百度查询： 西南大学 基于PCNN和PCANet的渔政监控系统红外目标识别方法及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD