离散不变矩算法及其在目标识别中的应用

该文分析了在离散状态下不变矩特征受比例因子变化的影响,提出了一种修正归一化中心矩的方法,保证了不变矩特征具有平移、旋转和比例因子的不变性,并将此用于目标识别,最后通过仿真实验,比较了修正前后的识别率,表明本文采用的方法是行之有效的方法。     

一种基于组合不变矩的新的舰船图像目标识别方法

利用图像的不变矩特征进行目标识别是一种有效的方法.通过比较Hu矩、仿射不变矩和小波不变矩的特点和适用条件,提出了一种运用部分Hu矩、仿射矩和小波矩组合来识别舰船图像目标的方法.仿真实验结果表明,该组合矩对于提高舰船图像目标的识别率是有效的.     

基于不变矩和改进BP神经网络的目标识别

基于Hu不变矩的尺度不变性,以图像的不变矩特征作为输入,建立基于批训练的改进型误差反向传播(BP)神经网络。运用基于Bayesian正则化的Levenberg-Marquardt算法优化误差函数计算精度,改进网络,实现参数最优化组合。通过MAT LAB环境,建立了基于不变矩的改进BP神经网络目标识别模型。实验表明,该方法实现了对目标的准确识别和对干扰图像的正确判断。     

图像尺度不变特征提取新方法

在文献[1]的基础上对尺度不变核进行深入研究,从理论上解决了初始函数选择的问题,构造了一族对尺度缩放具有不变性的核函数,能有效提取图像的尺度不变特征。核函数用于目标识别时,将图像发生尺度变换时数字化抽样插值所产生的误差引入到核参数的优化中,使得核函数能根据目标调整参数,达到最优的识别效果。实验结果表明,当用于二元目标的识别分类时,基于尺度不变核的方法能取得很好的识别效果。     

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.     

基于不变矩特征的图像识别

针对目标二维形状发生平移、旋转和尺度变换的情况,采用不变矩作为图像识别的特征量.图像灰度变化时,对应的直方图形状基本保持不变.将直方图的统计特征与不变矩相结合,提出了不变矩理论的图像识别方法.通过实验验证,这种方法对图像的亮度、对比度变化不敏感,可以有效地降低光照的影响,能够更准确地对图像进行识别.     

SAR图像目标识别新方法

提出一种SAR图像目标识别新方法。首次引入BM3D方法,用于滤除原始图像中的相干斑噪声,BM3D结合了空间域和变换域去噪的优势,滤波性能优异。在特征提取步骤,将低阶Hu矩与高阶Zernike矩组合,Hu矩描述目标的粗略信息,高阶Zernike矩描述目标的细节信息,因此组合矩能够更加全面而细致地表达目标特性。使用组合矩特征训练SVM分类器,对含噪的SAR图像进行识别实验。实验结果表明:本文方法的识别率高达98.90%,优于已有的SAR目标识别方法。     

基于不变距的舰船目标识别

通过对Hu不变矩和仿射不变矩原理的分析,得知不变距特征在图像平移、伸缩、旋转时均保持不变.分析了舰船红外图像的特点,结合Hu不变矩和仿射不变距原理,以大量外场试验数据为基础,对转向的舰船进行了识别研究.从仿真实验得到的大量数据中,发现舰船在转向过程中仍然能很好的识别.     

一种基于区域不变矩的图像特征关联方法

为了研究多源图像特征关联问题,提出基于区域不变矩的特征关联方法;对经过区域分割后的图像各个区域计算其区域不变矩特征,提出一种区域相似性度量算法,并对计算出的图像区域不变矩进行特征关联。通过对一种飞机二值图像问题进行特征关联的仿真实验,并通过图像形式给出飞机二值图的特征关联结果,验证了该算法的实用性和有效性。该算法可以用于其他类型图像中区域不变矩的特征关联。     

飞机红外图像的目标识别及姿态判断

飞机红外图像的自动目标识别(ATR)是红外探测与成像制导技术中的重要研究内容之一.首先分析了飞机红外图像的特点,然后结合Hu不变矩和仿射不变矩,提出了一组有利于目标特点提取的特征量和自动识别算法,并建立了飞机红外图像的姿态库.通过对若干飞机图片和干扰图片进行飞机目标识别和姿态判断,验证了该方法的有效性.     

基于中心矩特征的空间目标识别方法

目标的雷达散射截面（RCS）包含了丰富的目标类别信息,有效地利用目标RCS特征对空间目标的雷达识别具有重要的意义。该文利用空间目标回波的距离维信号来进行识别。中心矩特征具有平移不变性,是一种简单有效的波形特征提取算法。文中首先提取中心矩作为特征向量,再采用Fisher判据进一步进行特征压缩,最后利。用支撑矢量机（SVM）分类算法实现识别。基于实测数据的仿真实验结果表明,该方法具有较好的识别性能和推广能力。     

一种新的雷达目标HRRP识别方法

针对雷达目标回波的非平稳特性,推导了S变换及其快速实现算法,利用电磁场时域有限差分算法仿真了3种军用飞机的宽带散射信号,采用S变换对飞机目标的雷达回波进行时频分析,提取时频分布图的矩特征作为目标特征矢量,利用改进径向基函数神经网络对特征矢量进行训练和学习,最后对3种飞机作了分类识别,取得了很好的识别效果。     

基于时频变换的弹道目标微多普勒特征提取

微多普勒特征是识别弹道目标的重要手段.文中从空间弹道导弹和诱饵散射点微动模型出发,提出了一种基于时频二维像不变矩的微多普勒特征提取方法.该方法首先对导弹和诱饵进行时频变换,然后提取了图像中的7个Hu不变矩作为目标识别的特征.通过仿真实验,分析了特征组合对识别效果的影响,并提出了最优特征组合.文中还评估了特征矢量在不同信噪比条件下的稳定性,试验结果表明,时频像不变矩特征对信噪比变化具有一定的稳定性.     

应用支持向量机分类的多角度目标识别技术

综合应用图像的不变矩特征和支持向量机分类方法,提出了一种对于红外图像中多角度目标的识别方法。首先通过目标分割算法求得红外图像中目标的轮廓图像,然后从轮廓图像的Hu矩、Zernike矩和Fourier-Mellin矩中选取适当阶次的矩特征组成目标在特定视角范围内的不变性特征向量;对目标的视角范围进行适当划分以解决多角度引起的目标样本多样性,并在每个划分的视角范围内分别应用支持向量机的方法进行多目标分类。测试结果表明,本文提出的方法较好地实现了红外图像中多角度目标的识别问题,是一种有效的自动目标识别算法。     

低分辨雷达目标调制特征提取和分类识别方法

利用目标的发动机调制(JEM)效应,提取目标的谱线间隔、谱线宽度、谱线个数、幅度偏差系数、能量比、波形熵、中心矩等特征,形成特征向量后参与后续的综合决策。在低分辨雷达对飞机目标进行的目标分类识别试验中采集数据,进行了实测数据分析,实验结果表明提取的目标特征和分类效果方面的有效性。     

基于Log Gabor小波相位一致不变量的目标识别

给出了一种基于Log Gabor小波的相位一致（PC）不变量的神经网络目标识别方法。针对Gabor小波存在的问题，分析了LogGabor小波优于Gabor小波的性能，给出了TPC不变量的定义，探讨了低层次图像不变量特征，运用LogGabor小波PC特征不变量公式进行了修正，提取了目标图像边缘特征。利用该方法进行了神经网络目标识别实验，仿真结果表明，该方法能够很好识别图像目标，识别率达到97％。     

基于多波段特征融合模板匹配的目标识别方法

为了满足天基系统对红外探测目标的高精度识别需求,提出了一种基于多波段特征融合模板匹配的目标识别方法。首先阐述分析了目标多维特征要素以及分类手段。结合目标运动特征、多波段下目标光谱特征以及红外辐射变化等特征实现了特征融合处理,并基于区域特征变化,采用动态规整模板匹配算法完成了目标识别。最后结合合作目标的红外辐射强度序列数据对参数进行了训练调整。分析结果表明,本文建立的识别方法能够较好地实现目标型号识别,性能优于传统的动态规整匹配算法。     

基于降维循环谱的特征提取与目标识别

在日益复杂的电磁环境中,如何提取有效特征是解决目标识别难题的一个关键。通过对目标信号的分析,发现它们虽呈现非平稳性,但却具有循环平稳性。因此,循环谱在分析此类信号方面具有优越的潜力,但是采用循环谱通常导致高维问题。针对这个问题,这里提出了降维循环谱的特征提取与目标识别方法,该方法以循环谱的相同频率点在不同循环频率下的相关性作为识别特征,并用主成分分析方法对该特征降维。实验结果表明,基于降维循环谱的方法具有很好的鲁棒性。     

基于ISAR图像的中段目标二维几何特征反演方法

该文针对弹道导弹防御系统的目标识别问题,研究了中段目标的2维几何特征反演方法。基于中段目标的外形特征,提出了一种描述目标2维几何结构的稳定特征量,该特征量不受目标姿态变化和雷达工作条件的影响。基于中段目标的电磁散射特性,建立了目标在不同姿态下的ISAR成像结果与目标2维几何特征的映射关系,进而提出一种基于ISAR像的中段目标2维几何特征反演方法,能够稳定地反演出中段目标飞行过程中所有姿态下的2维几何特征。通过电磁计算数据和暗室测量数据验证了所提方法的有效性和稳定性。