第2章 特征级融合目标识别的基本理论

2.1 信息融合目标识别结构

多传感器信息融合目标识别系统一般处理流程有：传感器采集信息预处理、信息配准、信息融合、特征提取以及目标识别。按信息抽象程度，多传感器信息融合一般分为三个层次，即数据级信息融合、特征级信息融合、决策级信息融合。多传感器信息融合目标识别系统结构如图2-1所示。

图2-1 多传感器信息融合目标识别系统结构图

数据级融合是较低层次的融合，它是对来自同等量级的传感器原始数据直接进行综合和分析，在基于传感器的融合数据上进行特征提取和身份估计。它要求传感器必须是同类型或是相同量级，例如若干个可见光传感器或红外传感器和可见光传感器的组合。数据级融合通过对传感器原始数据进行关联和配准，来确定已融合的数据是否与同一目标或实体有关，通过传感器融合数据完成与单传感器相同的识别处理过程。

决策级融合目标识别是指每个传感器对目标的位置、属性、身份等做出初步识别后，再对这些多个识别结果进行融合判断决策，给出最终的目标识别结果。该级融合对通信带宽要求最低，但识别的结果相对来说最不准确。

特征级融合目标识别就是利用各个传感器获取的目标信息，利用特征提取方法提取目标特征数据，运用特征融合算法融合特征数据使原始目标特征信息变为融合特征数据，再利用目标识别分类算法，进行目标识别分类。通过特征级融合，目标有效信息得到足够保留，且有效信息损失比决策级低很多，但是目标识别能力比具有庞大数据量处理的数据级融合目标识别稍低，但比决策级融合目标识别精确很多，提高了目标识别的实时性、准确性。