·54 智能系统学报 第6卷 ×10 s10 5泸10 5 4 3 2. 2. 0 10203040 010203040010203040 (a) (b) (c) 图3标准型提取的Zernike不变矩 (a)相同型号飞机谣感图像 ×10 Fig.3 Zernike invariant moments extraction based on 2 7 6 normalized model 5 4 3 4实验结果及分析 11 34567 10203040 4.1实验1 b)标准化结果 (c)提取的Zernike知 实验采用基于图像特征的匹配方法对飞机目标 图5实验结果2 进行识别.实验共采用了80幅卫星图像数据，对 Fig.5 The results of experiment 2 180个飞机目标进行识别，所用数据为QuickBird卫 星图像，图像分辨率为0.64m.飞机形状提取采用 的方法是改进区域分割方法]，使用快速ICA算法 完成目标形状的标准化，采用最小欧氏距离准则的 特征匹配实现分类 图4和图5是含有相同型号飞机的不同卫星遥 感图片处理结果，图6是含有不同型号飞机的卫星 本备体金 图片处理结果.图4(b)、图5(b)和图6(b)分别是 飞机目标形状经过ICA处理后的标准形式；图4 a不同型号飞机遥感图像 (c)、图5(c)和图6(c)是对标准形式图像提取的 Zernike不变矩特征. 6*10 5 2 0“10203040 b)标准化结果 (c)提取的Zernike矩 图6实验结果3 Fig.6 The result of experiment 3 (a)某型号飞机遥感图像 实验结果分析：可以看到在不同遥感图像中的 同一型号飞机的ICA标准形式相似，同一类型飞机 的Zernike矩几乎相同的；同时也可以看到不同型号 7 6 飞机的Zemnike矩有明显不同，提取的特征具有良好 的可分性.本实验正确识别飞机174个，识别率为 96.7%,实验结果表明本方法是一种有效的遥感图 2 3 像飞机目标识别算法， 0. 65-5.5-4.5-3.5-2.5-15 10203040 4.2实验2 b,标准化结果 (c提取的Zernike知 本实验的图片是从卫星图片中分割出的5种型 图4实验结果1 号飞机的形状，如图7.对飞机形状进行仿射变换， Fig.4 The results of experiment 1 分别取仿射变换的参数：0∈{0°，30°，60°，108}、 (sx=sy=1)、(s.=8,=2)、(s=1,5,=2)、a∈{0