基于组合矩特征的舰船目标识别

针对采用一维距离像特征进行舰船目标识别时,大样本需要、算法复杂和效率较低的问题,提出一种利用组合矩特征进行舰船目标识别的方法.首先提取目标距离像的变换不变矩及小波不变矩特征,并且在考虑算法效率及分类器设计的基础上,最终选取共6维特征构造组合矩,作为分类器输入,并利用实测数据对特征进行简化.分析结果表明:经过实测舰船数据验证,所提取的特征克服了姿态、幅度敏感性等特点,能够较好地表征不同类型舰船的差异.算法分类正确率较高,具有较好的工程应用前景.     

基于改进的胡氏不变矩的坦克识别方法

针对基于胡氏不变矩的坦克识别率低、在图像离散采样的情况下受图像尺度变化影响的问题,进行了图像尺度不变性研究,设计了一种基于改进的胡氏不变矩的坦克识别方法;为解决最大类间方差法在复杂背景下图像分割阈值与真实阈值发生偏移的问题,采用改进的最大类间方差法分割图像,减少了偏移量。将胡氏不变矩和改进的胡氏不变矩的算法进行了对比实验,实验结果表明：相对于采用胡氏不变矩的坦克识别方法,改进后的识别方法识别率提高了22％,该方法运算时间减少了80 ms,能克服图像的尺度变化造成的影响。     

基于特征组合的舰船目标粗识别方法研究

针对单一特征量无法准确识别目标的缺点,文中利用特征组合方式进行目标粗识别.首先,利用基于图相似性分割方法提取目标的二值图像;然后,计算目标仿射不变矩并利用分类器进行聚类分析;最后,通过最小外接矩形法提取目标几何参数,并依据图像分辨率计算出实际目标参数,且与舰船目标配属库进行比对,实现目标粗识别.实验结果表明,该方法鲁棒性强,易于实现,通过实测数据可以识别出舰船目标类别.     

基于特征组合的舰船目标粗识别方法研究

针对单一特征量无法准确识别目标的缺点,文中利用特征组合方式进行目标粗识别.首先,利用基于图相似性分割方法提取目标的二值图像;然后,计算目标仿射不变矩并利用分类器进行聚类分析;最后,通过最小外接矩形法提取目标几何参数,并依据图像分辨率计算出实际目标参数,且与舰船目标配属库进行比对,实现目标粗识别.实验结果表明,该方法鲁棒性强,易于实现,通过实测数据可以识别出舰船目标类别.     

基于伪Zernike矩的羽毛缺陷几何特征提取及识别

针对拍照角度影响羽毛缺陷识别精度的问题,将不变矩的思想引入到羽毛缺陷识别领域。提出利用伪Zernike矩描述羽毛缺陷的几何特征,用支持向量机（SVM）进行分类识别的方法。模拟实验表明算法能够较好地容忍图像平移、旋转和尺度变化,具有识别速度快、识别精度高的特点,并且算法对噪声、光线变化适应性好。     

基于目标特征和星点不变矩的弹道导弹中段红外图像目标检测方法

天基红外系统对弹道导弹中段目标观测过程中,可能前后帧间图像出现背景较大差异、目标短暂丢失或目标帧间剧烈位移等情况。针对此,提出一种基于目标特征和星点不变矩的弹道导弹中段红外图像目标检测方法,将模式识别中的不变矩概念与目标特征相结合,通过三次分类提取出候选恒星和弹头目标。经仿真计算分析,该方法在连续帧间变化时具有稳定的弹头目标检测效果,而且当帧间出现背景突变和星象拉长时也有较好的检测效果。     

仿射不变性特征提取在目标识别中的应用

从不同角度、距离获取的图像中提取不受视点因素影响的仿射不变特征,是图像目标识别、图像几何校正、景象匹配、图像检索等领域的共性问题。从仿射几何的角度出发,在对仿射变换、仿射不变性进行研究的基础上,利用仿射几何的不变性提取仿射不变特征量。针对同底面积比基元进行目标识别存在的问题,引入改进局部不变量,并提出3种基元特征提取算法,以排除锯齿点干扰进行角点提取。Matlab仿真分析过程中,对图像进行基元特征提取,采用改进局部不变量进行计算、比较及识别,能够有效建立图像特征值比较模型。实验结果表明:该局部不变量能较好地识别相同目标,用于不同目标间的分类识别时能取得好的分类效果。     

基于泽尔尼克矩的红外扫描引信图像识别算法

针对目前红外扫描成像引信在目标识别过程中处理时间慢、对图像尺度和旋转变换敏感的问题,提出了基于泽尔尼克矩和支持向量机的红外扫描图像识别算法。该算法利用不变矩重构了引信探测装置所扫描到的红外图像,求得图像的各阶泽尔尼克矩来构成描述扫描红外图像的特征因子m,最后利用支持向量机对目标与相似物进行分类,实现对目标的识别。仿真验证表明,基于泽尔尼克矩的图像识别算法能够较快实现目标特征的提取和识别,对低分辨率图像也有较好的处理效果,适用于扫描式引信探测系统的简易成像处理和目标识别。     

一种基于Rough 集与SVM的目标识别方法

主要研究了基于粗糙集和支持向量机的模式分类技术,结合遥感图像中军用飞机目标识别进行了理论分析和实验研究。基于粗糙集和支持向量机算法的优势,设计了基于粗糙集和决策有向无环图的支持向量机模式识别分类器,对分类的性能进行了分析研究,利用粗糙集理论中属性约简方法去除冗余属性,降低飞机特征维数,提出使用决策有向无环图支持向量机进行训练并对待识别目标预测。     

基于小波和神经网络的红外目标特征提取与识别

研究了小波和神经网络相结合进行目标识别的方法.利用目标信息主要集中在低频部分的特点,对信号进行小波分解,提取在不同频带信号的多尺度空间能量和不变矩作为特征量,再用BP神经网络进行识别.实验结果表明,该方法具有很高的识别率,充分说明了红外图像信号在小波子带上的不变矩及能量分布具有表征目标类别的信息.该方法对于精确制导武器的目标识别研究具有一定的实用价值.     

超音速飞行体激波信号的主成分分析和K-均值聚类

提出一种基于激波信号的超音速飞行体的目标分类方法，通过5.56mm，7.62mm和12.7mm三种枪弹实测分析，提取信号的时域特征，用主成分分析法对信号的特征变量降维处理，用K-均值聚类算法进行聚类分析。对比直接用原始特征变量进行分类和经主成分分析处理后分类的效果，结果表明主成分分析的有效性和超音速目标分类识别的可行性。     

基于自适应模拟退火遗传算法的特征选择方法

特征选择是机器学习及模式识别领域的重要问题之一。针对高维数据对象，特征选择不仅可以在保证数据完整性的情况下减少特征维数，还能够提高分类精度。文中提出了一种基于自适应模拟退火遗传算法的特征选择方法，该方法将模拟退火算法嵌入到自适应遗传算法的循环体中，利用模拟退火算法具有较强的局部搜索能力，并且能够使搜索过程避免陷入局部最优解的特点，解决了基本遗传算法收敛速度慢，时间复杂度高的缺点。实验结果表睨，在保证分类正确率的前提下，该方法有效提高了特征选择效率。     

基于改进的K-均值聚类信源数目估计算法

针对盖尔圆盘法在低信噪比和少快拍数背景下进行信源数目估计时会出现错误判断的问题,提出了色噪声背景下改进的K-均值聚类信源数目估计方法.求出数据相关矩阵后按照信号和噪声的类均值对信号特征值和噪声特征值进行K-均值聚类,然后不断更新类均值直到信号特征值收敛.计算机仿真实验证明了该方法在低信噪比和少快拍数时的估计成功概率高于盖尔圆盘法.     

基于改进花朵授粉算法与K-means算法的人体姿态库构建方法研究

为了解决现有人体姿态库构建方法存在的装备维修性仿真验证任务针对性不足的问题,提出了一种基于改进花朵授粉算法与K-means算法的人体姿态库构建方法。针对花朵授粉算法寻优精度不够理想的问题,将乌鸦搜索算法引入花朵授粉算法。提出了一种改进花朵授粉算法。测试结果表明：相比粒子群算法和花朵授粉算法,改进花朵授粉算法具有搜索范围广和寻优精度高的优点。为避免K-means算法易陷入局部最优解,将改进花朵授粉算法引入K-means算法,在提出个体编码方式与定义个体操作函数的基础上,设计了改进花朵授粉算法的计算步骤,使改进花朵授粉算法与K-means算法相融合,进而对装备维修人员的维修作业姿态进行聚类。提取各类中心数据,将其作为人体姿态库中虚拟人体的部位动作角度输入参数,构建了具有装备维修性仿真验证任务针对性的人体姿态库。仿真实验结果表明：相比基于粒子群算法与K-means算法融合的人体姿态库构建方法等5种方法,改进花朵授粉算法与K-means算法的融合方法具有寻优精度高和聚类效果好等优点,适用于装备维修性仿真验证工程实践。     

地磁场中磁目标的等效衰减磁矩定位方法

为在地磁场中获取磁目标的位置参数,提出了一种基于等效衰减磁矩的磁目标定位方法。建立了正六面体的测量模型,计算了正六面体中心点和侧面中心点的等效衰减磁矩,得到了磁偶极子目标的定位公式。分析了地磁场、磁梯度测量噪声、正六面体边长基线及磁力仪测量精度等因素对磁偶极子目标定位结果的影响。仿真结果表明：该方法能有效克服地磁场的干扰,实现对磁偶极子目标的可靠定位;与以往的计算模型相比,在张量差分计算基线相同的情况下,可使原模型体积减小64.7%,定位精度更高。     

基于隐私保护的改进K-means 算法

针对传统K-means 聚类算法聚类过程以及聚类结果公示时可能出现隐私泄露的问题,提出具有差分隐私 保护的改进K-means 算法。在原有K-means 基础上引入密度度量,提高簇类的类内相似性,保证选取的中心处于相 对密集区域;引入距离度量,降低簇类的类间相似性,保证不同类聚中心排斥性较高;引入类间平均最大相似度, 动态规划最佳聚类个数K 和最佳初始类内中心;引入了隐私保护拉普拉斯噪声,保护信息的安全性。实验结果表明, 该算法比传统算法具有更高的聚类可用性和数据可靠性。     

基于统计矩的盲信噪比估计算法性能分析

在无线通信中许多算法都需要估计信噪比以获取最优性能.文中研究了非数据辅助的PSK和QAM信号在AWGN信道中的信噪比估计.提出了两种基于统计矩的信噪比估计方法,对于QAM信号而言,高于四阶的统计矩具有更好的估计性能,并且推导了两个高阶统计矩的估计方法.计算机仿真结果表明,文中提出的算法为信噪比估计中统计矩的选择提供了有效的途径,估计性能优于二阶、四阶矩方法等基于统计量的盲信噪比估计方法.