12.5.1  仿真结果分析

12.5.1 仿真结果分析

本实验主要是基于MATLAB7.0编程来实现，在该仿真实验中主要利用了现有的目标识别系统的目标特征库，该特征库主要包括直升机、坦克、越野车等目标图像数据库，里面包含了目标的训练集和测试集数据，在训练集中主要包含红外和可见光图像数据，通过对它们不同角度的图像数据采集，训练中每类有144张样本图片，本次仿真实验主要针对上述三类目标进行仿真，一共有432张样本图片，每个类别目标有50个，图12-5所示是通过识别系统外部传感器获得直升机、坦克和越野车的照片信息。测试目标图片主要来自测试集中的图片，这里每组用20张来做测试。

图12-5 目标图像

通过实验仿真图（见图12-6、图12-7）可以看出，没有经过优化的BP神经网络其耗时比较长，主要是网络的学习时间太长，而且容易陷入局部最优，导致最终的识别结果不是很理想，识别效果差。根据表12-1、表12-2数据的比较可以发现利用PSO优化后的BP神经网络的识别率明显地提高了，所以本实验仿真能够有效地验证该优化算法的有效性，同时能够有效地提高基于多传感器多特征融合目标识别的识别率。

图12-6 基于PSO优化BP神经网络特征信息融合的目标识别结果

图12-7 非优化BP与优化BP神经网络多特征目标识别的误差

表12-1 基于BP神经网络特征信息融合的目标识别结果

表12-2 基于PSO优化BP神经网络多特征目标识别的结果