灰度变换在光学相关探测与识别中的应用

从理论上给出了实时光电混合联合变换相关器目标探测与识别的基本原理以及实验装置,分析了图像的灰度级对联合变换相关器的影响,并给出了在联合变换相关器的物面进行灰度变换的处理方法.应用此方法,可以明显地增强相关峰的亮度,成功地解决了由于模块所在的灰度级范围与目标所在背景的灰度级范围相差较大所带来的影响问题.作为实例,给出了低对比度下轿车的复杂目标探测与识别结果.     

畸变不变联合变换相关器目标识别技术研究

针对传统目标识别方法对目标图像的尺寸、方位敏感问题,采取最大平均相关高度功率谱滤波的方法,对联合变换功率谱面进行滤波,成功地实现并改进了原算法.通过大量计算机模拟和光学实验,证实了在光电混合实时联合变换相关器中应用改进的最大平均相关高度法可以解决存在旋转和大小变化的目标识别问题,使得相关峰的对比度明显增强,从而也提高了目标识别率.作为实例,给出复杂背景下地面目标汽车大小变化的实验结果,验证了该算法的可行性.     

基于Marr理论的机器人视觉光电混合处理系统人脸识别研究

对联合变换相关器光电混合处理系统进行了Marr视觉计算理论分析,并将机器人视觉空间域法和频率域 法预处理与联合变换相关器相结合识别人脸取得了明显效果。     

利用快速傅里叶变换算法仿真光学相关器

光学相关器在图像模式识别中具有广泛的应用,包括匹配滤波相关器和联合变换相关器,两种相关器在应用中各有优势.文章通过利用数学软件MATLAB的快速傅里叶变换算法编程仿真两种光学相关器,得到实验结果的二维图像和三维图像,并比较两种相关器的识别效果.     

光学相关红外目标识别算法研究

为了解决联合变换相关器对红外目标难以识别的问题,研究了一种基于二进小波边缘检测和迭代阈值相结合的红外目标识别算法,设计了一种新型滤波器,对输入物面滤波.经过滤波处理后的物面能够更大程度上体现图像的特征信息,抑制噪声.实验结果证实该方法能有效提高光学相关红外目标识别的能力.     

用群体智能理论处理联合变换相关器输入面图像

为提高联合变换相关器的性能,将群体智能理论应用于联合变换相关器输入面图像的预处理。介绍了群体智能的概念,阐述了其潜在的分布式特征及符合自组织生物学过程的特点,在此基础上提出了一种基于群体智能的联合变换相关器输入面图像特征提取方法。介绍了经典联合变换相关器的工作原理并分析了其优缺点,对群体智能的预处理方法与几种常用的输入面图像预处理方法在联合变换相关器中的应用效果进行了比较研究。结果显示,输入面图像经灰度变换后对相关结果的改善并不明显,而sobel梯度处理、形态学方法和群体智能特征提取方法都有效改善了联合变换相关器的相关结果。针对所处理的联合图像,基于群体智能的联合变换相关器的输出面互相关峰值为4240,比sobel梯度处理联合变换相关器的互相关峰值高2906,比形态学联合变换相关器的输出面互相关峰值高1616,表明用群体智能理论处理联合变换相关器输入面图像,效果优于传统方法。     

测量空间相机像移量的联合变换相关器的改进

针对基于光学手段实现的传统光学联合变换相关器不适应空间环境等问题,对传统相关器进行了改进和试验验证。首先,采用完全电子学手段替代采用光学器件实现的方法解决了联合变换相关器适应空间环境的问题。然后,在联合变换过程中加入自相关运算,消除了零级衍射峰的影响,并引入过采样离散傅里叶变换方法提升相关器的测量精度。最后,采用精密直线导轨开展静态测试试验,验证了改进后的联合变换相关器的性能。静态测试试验表明：对于亚像元级的微小位移量,改进后的联合变换相关器测量误差均方根（RMS）值为0.22 pixel。改进后的联合变换相关器显示了良好的空间环境适应性和较好的可实现性,其精度基本满足空间相机像移补偿的要求。     

基于工业CT的铸件缺陷自动识别

传统的C-V方法基于两个灰度级的缺陷图像目标识别,难以满足多灰度级的缺陷图像目标识别的要求。为了克服这一缺点,通过划分区域和多次运用C-V方法,设计了基于C-V方法的多灰度级缺陷图像目标识别程序。实验结果表明,与传统的C-V方法相比,改进的C-V方法能够识别多灰度级缺陷图像目标,说明了改进的C-V方法的可行性。     

二值化联合变换相关器

对二值化联合变换相关器进行了理论分析和计算机模拟,尤其是旋转和尺寸变化对联合变化相关峰值的影响.理论分析表明,当存在旋转时,适当引入一个尺寸变化,对旋转会有某些抵消作用,计算机模拟给出了与理论分析相符的结果.     

光电混合联合变换相关器目标探测与识别

用电寻址液晶EALCD作为空间光调制器SLM,用计算机控制的EALCD并排显示参考信号和实时扫描的目标信号,并用面阵CCD作为平方律探测器记录其联合变换功率谱,通过光学傅立叶变换,输出相关信号,识别目标并确定目标在空间的方位.其特点是,由于用CCD探测功率谱,可以用各种数字处理技术提高系统的信噪比,并能更精确的探测和识别目标;采用光学傅立叶变换及光学相关探测使所有采样点并行处理,并以光速进行,提高了处理速度.