基于模拟退火算法的空中目标识别

根据NMI特征和Jan Flusser提出的仿射不变矩的特点及各自的适用条件,提出了一种组合不变矩。利用所提取的组合不变矩的特征向量,实现了对空中目标的K-mean聚类分析识别。在此基础上将模拟退火机制引入其中,以克服K-mean聚类的局限性和对初始聚类中心的敏感性,最后提出了基于模拟退火的改进K-mean聚类算法。仿真实验结果表明,该方法具有较高的识别精度和较好的抗噪性。     

一种新的目标图像自适应阈值分割算法

提出了一种新型的用于目标图像识别与跟踪的自适应阈值分割方法,并对其进行改进,同时给出了它与其他两种阈值分割方法的比较实验,定性和定量分析结果证实了该方法在精度和速度方面都具有明显的优势.最后给出了在噪声干扰和复杂背景的情况下的实验,说明该方法具有较强的适应性.     

基于组合不变矩特征的空中目标识别方法

根据NMI特征和Jan Flusser提出的仿射不变矩各自的特点和适用条件,提出了一种组合不变矩.利用组合不变矩提取图像的不变特征向量,并结合Fisher线性判别准则,实现了对空中目标的Fisher线性判别器(FLDA)的分类识别.同时,考虑到识别的快速性方面,对FLDA进行了改进,提出了主分量分析(PCA)与FLDA相结合的识别算法.仿真实验结果表明,该方法具有较高的识别精度和速度.