排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
基于相位编组的Hough变换提取海天线算法 总被引:3,自引:2,他引:1
海天线提取是研究海天背景条件下目标跟踪的一项重要内容。考虑到海天背景的多样性,首先分析了现有算法的缺点,然后提出了一种适应性较好的海天线提取算法。算法首先用中值滤波去除云层和海杂波等噪声,然后利用基于相位编组的Hough变换提取出海天线。由于算法融合了相位编组和Hough变换两者的优点,所以该方法不但能提取出低对比度下的海天线,而且还具有强的抗干扰性,克服了相位编组和Hough变换各自的缺点。实验结果证明,该方法能提取出简单和复杂背景中的海天线,适应性好、鲁棒性强、定位准确,降低了后续目标跟踪的复杂度。 相似文献
3.
基于统计特征中心对称局部二值模式的虹膜识别 总被引:2,自引:0,他引:2
由于中心对称局部二值模式(CS-LBP)的虹膜识别具有特征维数高、对噪声敏感等缺点,提出了基于统计特征中心对称局部二值模式(SCCS-LBP)的虹膜识别方法.首先,根据虹膜纹理的分布特性,用CS-LBP对归一化的虹膜图像进行编码;为了进一步降低特征维数,对编码后的图像进行特征统计.然后,根据统计结果的分布,提取出有效的二值特征图像.最后,用Hamming距离进行虹膜识别.对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别,最高正确识别率分别为99.955%、99.848%、99.989%、99.916%.实验结果表明:该方法有效地利用了虹膜纹理分布特性,与LBP和CS-LBP方法相比,具有更少的特征维数、更高的正确识别率和更好的鲁棒性. 相似文献
4.
5.
首先,采用先行后列的方法对归一化虹膜图像进行经验模态分解,得到不同尺度的固有模态分量;找出有利于识别的分量,将其进行二值化处理生成特征图像;然后对特征图像进行水平和垂直移位匹配,得到海明(Hamming)距离匹配向量,计算匹配向量的改进标准差,以此标准差进行虹膜识别。最后分别对CASIA1、CASIA2、CASIA3-interval、MMU1库进行了识别,结果表明:该方法能够有效地提取图像的二值特征,具有速度快、识别率高等优点。 相似文献
1