基于绝对偏差的多传感器目标识别方法

针对具有多个特征指标的多目标识别问题,提出了一种新的多传感器信息融合方法。该方法根据最大最小隶属度函数得到指标隶属度矩阵,通过求解各目标类别综合隶属度的绝对偏差最大的优化问题,客观地获得了属性的权重,从而给出目标识别算法,提高了识别结果的客观性和区分程度。工件识别实例验证了算法的有效性和实用性。     

基于生物视觉显著性的车辆车型识别

车型的识别问题是典型的目标识别问题,根据生物视觉与模式识别理论,对车辆车型的检测与识别进行了研究,提出了基于最小错误概率的特征显著性车型识别算法。该算法对车型的多个特征进行显著性比较,对较显著的特征赋予较大的权值,然后对多特征的识别结果进行融合处理。实验结果表明该算法对车型的识别具有较高的识别率。     

一种融入PCA的LBP特征降维车型识别算法

车型识别是智能交通系统研究的关键技术之一,针对车型识别的过程中存在处理的信息量大,提取特征维数高,识别实时性较差等问题,设计了一种融入PCA的LBP特征降维车型识别算法。首先在视频序列中使用帧间差分法提取目标车辆;然后计算目标车辆的LBP特征并利用PCA方法将数据由像素维数降至训练数据维数,在增强识别算法对光线变化鲁棒性的同时,一定程度上降低了车型识别的计算量;最后利用最小距离分类器对目标车辆进行分类识别。实验结果表明,所设计的车型识别算法与常规PCA方法相比,所设计的算法在光照变化时识别准确率有所提高,算法的实时性得到了一定的提升。     

一种基于方向SUSAN特征的目标特征列表匹配

目标匹配识别中,特征列表相关算法可以有效减少计算时间,匹配具有较高的峰值系数和峰值信噪比,清晰识别目标。提出一种基于方向最小核值相似区（SUSAN）特征列表的目标匹配方法,考虑特征点的方向信息,应用SUSAN原理提取特征并列表描述图像,匹配相似测量基于特征点归一化误差均值,有效降低了算法的噪声敏感性。     

基于双基点法的多传感器数据融合

针对具有多个特征指标的多传感器目标识别问题,提出一种基于双基点法的信息融合方法.该方法根据指标隶属度矩阵将多传感器目标识别问题转化为多目标决策问题.通过定义熵权和相对接近度,改进了传统的双基点法,从而给出目标识别算法.该方法利用熵权较好地避免了目标识别受主观因素的影响,特别适用于具有多个特征属性的多个目标的识别.仿真实例验证了所提出算法的有效性和可操作性.     

基于无人机倾斜测量的建筑特征提取与分类研究

针对无人机倾斜测量的建筑特征提取与分类精度低的问题,提出一种结合SSD(Single Shot MultiBox Detector)算法和最小显著性差异法(Least Significant Difference, LSD)算法的建筑特征提取与分类方法。首先将SSD算法模型原始卷积层建立为目标特征层,并采用空洞卷积底部采样方式结合深层特征与浅层特征,实现SSD算法改进;然后采用改进SSD算法对含目标建筑物的图像进行筛选;最后利用LSD算法对筛选出的图像进行分类识别,以此实现建筑特征提取与分类。仿真结果表明,所提方法可有效提高无人机倾斜测量的建筑特征提取与分类识别精度,相较于Radon和PPHT算法模型,所提方法对建筑物中心识别准确率和组识别准确率最高,分别达到94.75%和83.49%,可实现1:500的航空摄影测量大比例尺地形图绘制。     

基于几何差异的目标识别算法

为降低目标识别算法复杂性且提高其抗噪能力,提出一种基于几何特征差异的目标识别算法;将获取到的目标图片经图像处理后提取轮廓,并以最小周长多边形算法构造目标轮廓的近似多边形;然后根据模板库标准目标做放大或缩小处理后使其面积与模板面积相等;再使用摆放算法使其与模板库图形部分重合;并提出一种改进型双向链表算法求多边形相交部分,通过计算相交部分面积大小达到识别图像的目的;经过仿真实验验证了此方法简单易行,能够快速识别目标。      

特征点和不变矩结合的遥感图像飞机目标识别

传统的飞机目标识别算法一般是通过目标分割,然后提取不变特征进行训练来完成目标的识别。但是,对于实际情况比较复杂的遥感图像飞机目标,至今没有一种适合多种机型的分割和识别算法。针对现有识别算法的不足,本研究提出一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的遥感图像飞机目标识别算法。方法：首先,对预处理后的遥感图像和模板图像进行小波变换,在低分辨率图像下采用圆投影特征进行粗匹配,确定候选目标;粗匹配结束后,提取高分辨率图像的多尺度Harris-laplace角点,并画出Delaunay三角网,同时提取出颜色不变矩和Zernike不变矩;然后使用欧氏距离作为这三种特征的相似性度量,并和样本图像进行加权匹配;最后选取欧式距离最小的图像作为最终的识别目标。结果：实验表明,本文算法飞机检测精度比现有算法高2.2%,飞机识别精度比现有算法高1.4%-10.4%。该算法能从遥感图像中精确识别出十大飞机目标,并对背景、噪声、视角变化等多种干扰具有良好的鲁棒性。结论：提出了一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的飞机识别算法,该算法使用了图像的多种信息,包括特征点和不变矩,有效地克服了使用单一特征无法描述多种信息的不足。实验结果表明,本文采用基于特征点和不变矩的飞机识别算法比其他算法具有更强的抗干扰能力和识别精度。     

基于车载传感器的路面井盖自动定位识别算法研究*

市政井盖快速定位与识别是提升现代城市部件空间数字化管理水平需要解决的重要问题,针对该问题提出基于车载传感器的复杂背景下路面井盖目标自动定位识别算法。该算法以车载传感器获取的透视图像中井盖所具有的椭圆形几何特征为判据,先利用矢量边缘检测方法提取边缘信息,再运用轮廓跟踪法将边缘构造成轮廓链表,然后通过最小二乘法拟合与快速生成轮廓链表中可能存在的椭圆目标,并根据井盖的形状特征排除透视图中与路面井盖无对应关系的虚假椭圆目标,最终形成高精度定位识别结果。实证研究表明,对达到数据采集质量标准的图像,在一般情况下该算法     

基于轮廓分段特征描述的遮挡目标识别算法

针对传统目标识别算法对于遮挡目标识别准确率低的问题,提出了一种基于轮廓分段特征描述的遮挡目标识别算法。该算法首先采用离散曲线演化算法初步划分目标轮廓,根据分段起伏度进行分段优化,得到完整描述目标轮廓特征的有效分段;然后通过动态规划算法分析轮廓分段之间高度函数特征的相似度,利用特征显著度评价分段特征相对于目标整体特征的重要性;最后将分段之间的相似度和其特征显著度相结合,得到衡量识别准确率的联合相似度,获得最终的识别结果。通过对MPEG-7测试集进行实验分析,证明所提算法能够有效地对遮挡目标进行匹配识别,识别率优于常见的遮挡目标识别算法。     

多传感器目标识别的Vague集方法研究

采用Vague集来表达目标特征的模糊测量信息,提出了一种基于Vague集的多传感器目标识别方法。定义两Vague值之间的贴近度,建立了Vague集表达的目标识别数据库模型,利用贴近度矩阵客观地确定了各特征的权重,根据综合贴近度给出目标识别算法。实例分析表明方法的有效性。     

运用Vague集进行多传感器目标识别

针对具有多个特征指标的多传感器目标识别问题,采用 Vague 集表达目标特征的不确定信息,提出了一种新的多传感器目标识别方法.定义两 Vague 集之间的加权 Hamming 距离和相似度,建立了Vague 集表达的多传感器目标识别模型,通过最小化各目标类型的 Vague 度优化模型客观地确定了各特征的权重,利用相似度...     

小波系数特征的目标识别方法

提出一种基于小波系数特征的目标识别方法.通过对图像的小波变换系数进行有选择的保留和抛弃,并对保留的系数进行非线性的处理来突出目标的主要轮廓信息,归一化处理后提取出目标的特征向量;将该特征向量应用于支持向量机进行分类识别.实验证明该方法有效的改进了目标识别效果.     

基于熵权优属度的模糊传感器目标识别方法

针对具有多个特征指标的模糊多传感器目标识别问题,提出一种新的模糊多传感器数据融合方法。该方法根据信息熵理论,引入不均衡度定义熵权矢量,通过求解数学规划问题,得到各目标类别的优属度,并给出目标识另0规则。实验结果表明,该方法能提高目标识别结果的客观性和可信度,具有可操作性。     

一种基于颜色特征的目标识别算法

在机器人视觉中,颜色是物体识别和认知过程中必不可少的信息。在YUV颜色空间的基础上,提出了一种基于颜色特征的目标识别算法,采用学习——扩充法获得适应性目标颜色特征的空间分布,克服环境光照变化对目标颜色特征提取的影响,并在算法中采用“位与”运算,提高了识别效率,实际应用证明了该方法的有效性。     

计算机辅助青铜器纹饰特征线识别方法研究

摘 要：针对青铜器纹饰特征轮廓线识别关键算法和技术,分析了当下纹饰数字化设计的 基本现状。基于计算机辅助技术和三角网格基础理论,结合图像聚类和阈值方法,提出特征轮 廓线识别关键技术由轮廓角点、特征曲线段、分段轮廓线匹配和空间曲线匹配 4 个环节构成。 构建了纹饰目标特征识别算法和流程,采用曲率最大值识别轮廓角点,通过特征曲线段对轮廓 曲线进行表述和投影,采用曲线弦长法对特征曲线进行匹配与拼接。建立了青铜器纹饰特征识 别方法,基于计算机辅助技术,从纹饰特征识别到空间曲线的匹配与拼接完整流程。计算机辅 助设计技术的青铜器纹饰特征识别方法具有数字化、智能化和高效化特征。根据实验结果,该 方法在目标对象纹饰识别和提取方面具有广阔的应用前景。      

基于最大稳定极值区域的机场目标识别

针对机场背景下动态变化的场景,采用一种基于最大稳定极值区域(MSER)的算法对目标进行匹配和识别。通过采用最大稳定极值区域的方法将区域结构相似性和特征空间结合起来,比较好地实现了机场复杂背景下的特定目标的匹配和识别,提高了目标匹配识别的稳定性,并在相同试验样本下采用基于SIFT的算法进行匹配识别,将其与基于最大稳定极值区域(MSER)的算法进行比较。实验结果证明了这种方法在机场目标识别方面的有效性。     

基于EMD和神经网络的变速箱状态识别研究

针对变速箱故障信号的非平稳和时变特点,提出了EMD和奇异值相结合的变速箱故障诊断方法;以变速箱箱体振动信号作为分析对象,首先对信号进行EMD分解,提取包含主要信息成分的IMF分量构成特征向量矩阵,计算其奇异值和奇异值熵,分别作为特征向量,通过神经网络和K近邻法判别变速箱的工作状态;在某型装甲车辆的实车测试中,以奇异值作为神经网络的输入特征向量和以奇异值熵作为K近邻法的特征向量均取得了较好的识别效果.