基于几何统计差异性的伪造印鉴识别方法

针对印鉴识别任务中有效印文的提取以及伪造印鉴的识别这两个难点问题,建立在监督分类体系下的印鉴识别系统.利用有效印文与背景的颜色统计差异以及真伪印鉴间的几何统计差异分别解决上述难点.在构建的包含3000个印鉴的印鉴数据库上进行实验,实验结果表明,该方法对于有效印文的提取准确率可达到(95.27±3.73％),对于伪造印鉴的识别准确率可达到97.62％,具有可行性和有效性.     

基于实时路况的交通信号灯智能管控方法

为解决城市严重的交通拥堵问题,提出一种基于实时路况的交通信号灯智能管控方法。实时检测交叉方向车辆,计算车道占用率,应用模糊控制理论优化信号灯切换频率,确保双向车道均衡使用。实验利用实测数据,结合模拟分析结果,针对早晚高峰以及中午等3个典型时段道路交通状况,与传统定时控制方法进行比较,比较结果表明,该方法能够有效地利用车道,增强交通通行能力,较传统的定时控制方式更具有适用性。     

数字合成全息系统中空间光调制器DMD的研究

研究了数字合成全息系统(DSHS)中数字微反射器(DMD)的光学反射衍射混合的性质,解释了入射光入射角度任意性而不必拘泥于20°的原因,对DMD反射衍射混合成像的特性从其微结构角度进行了分析,特别注意了微反射镜的镜轴方向对图像成像区域和图像灰度的影响。针对DMD的性质设计了实验并得出了结果,用DMD作空间光调制器(SLM)实现了DSHS的设计。     

星间光通信中的APT技术及其控制系统

APT（Acquisition Pointing and Tracking）技术是星间光通信的关键技术。介绍了该技术中的扫描、捕获、指向、跟踪过程及其控制系统,重点论述了实现跟踪的困难性,相应地介绍了一种有效的扰动抑制控制系统。     

机器视觉中的微分测距方法研究

从全光函数的角度分析了利用全光微分即全光函数对各函数变量偏微分之间的关系来估计视场中物体距离，并给出了全光微分方法在机器视觉中的几个具体实施范例。结合估计算法简单地比较了几种方法的优劣。     

利用高判别低维深度特征的SAR船只分类

为充分利用深度特征的判别信息,提高船只分类准确率,提出利用低维度高判别的深度特征进行SAR船只分类的方法。采用ImageNet数据库预训练的VGG16卷积神经网络作为特征提取器,提取船只样本的深度特征;对深度特征进行t-SNE可视化,计算每类船只的类间分离度,选择对于每类船只样本来说类间分离度最大的深度特征;对选择的深度特征进行降维,采用基于KNN的级联二分类方法进行船只分类。利用高分辨率SAR船只数据集验证该方法,实验结果表明,相比传统的船只分类方法,其分类性能有明显提高。     

一种管道内3维形貌检测系统

为了解决常见结构光管道内3维形貌检测系统存在光线遮挡引起测量误差和盲区的问题,采用了一种新改进的圆结构光垂直照明、用两个互补金属氧化物半导体摄像机同步拍摄的管道内3维形貌检测系统,建立了适合该系统的图像处理和系统标定方法,完成了检测实验。结果表明,该系统可以很好地解决盲区问题,减小了测量误差,系统的标准差为0.50mm,并能得到完整的管道内壁3维形貌信息。     

高分辨率SAR船只样本集构建与特征分析

随着高分辨率合成孔径雷达（synthetic aperture radar，SAR）技术的不断发展，船只类型识别已成为遥感领域的重要研究课题.为满足在大样本支撑下的船只类型精确识别，文章利用RADARSAT-2和中国高分3号（GF-3）SAR数据构建了名为HR4S的高分辨率SAR船只样本集，详细阐述了构建HR4S的方法，并建立了一套完整的船只样本提取流程.该样本集涵盖1 962个不同极化方式、分辨率以及类型的船只样本，在此基础上开展了船只几何参数分析，以及不同分类器与特征组合的船只类型识别性能分析等方面工作.结果表明:RADARSAT-2在HH、VH、VV极化中提取的几何参数均优于GF-3，并且航向在VV极化对船只几何提取影响最小；在类型识别性能上，随机森林（random forest，RF）分类器对GF-3船只分类精度最优达到了61.85%，而对于RADARSAT-2的船只分类精度最优达到了60.80%，GF-3船只分类精度优于RADARSAT-2.本文所构建的HR4S不仅进一步完善了高分辨率船只样本，并且在海上船只类型识别等方面具有的重要意义.     

基于光学显微图像特征的羊绒识别技术

文章对光学显微镜下的山羊绒和细羊毛图像进行图像处理,从而建立山羊绒和细羊毛数据库,然后从图像数据库中提取具有代表性及区分性的特征,生成对羊绒与羊毛的有效表达。利用有监督学习方法中的支持向量机算法,实现对山羊绒和细羊毛的自动识别。实验结果发现,基于LBP与HOG图像特征表达的SVM分类器的正确识别率达到了80%以上,而人工识别的准确率只有59%,识别的正确率有了较大的提高。     

基于特征共生矩阵的图像分类方法研究

针对词袋算法(BOW)忽略局部特征空间关系的弱点,本文提出了基于特征共生矩阵的图像表达方法。该方法利用局部特征的空间共生统计代替直方图统计,充分考虑了局部特征的空间关系,增强了对图像的表达能力。实验利用标准的景物15数据库,在灰度、尺度不变特征变换(SIFT)和局部二进制模式(LBP)3个特征空间,比较了本方法、词袋法以及空间金字塔方法(SPM)的图像分类性能,结果表明本方法比词袋法的图像分类性能分别高出21.2%、6.4%、4.67%,在灰度及LBP空间,本文方法比空间金字塔法分别高出17.07%、3.87%。