基于模板匹配的目标识别算法的设计与实现

在VC6.0环境中,基于模板匹配原理设计编写了一个256色BMP图像的目标识别算法.程序使用纯C语言实现,目标识别速度明显优于传统的目标识别算法.     

基于对数极坐标变换和仿射变换的目标识别定位方法

由于传统的模板相关匹配算法在目标图像发生较大旋转和放大时，定位结果可能会发生偏差，因此为了取得精度更高的目标识别结果，提出了一种基于对数极坐标变换粗匹配，结合仿射变换精匹配的目标图像识别定位方法，以用于在视场中自动搜索相对于模板图像有平移、旋转和尺度变化的目标图像。实验结果表明，该算法不仅定位精度高，而且相对于传统的模板匹配算法有更强的鲁棒性。     

特征提取算法在工件识别中的研究

特征提取在工件识别中具有重要的意义. 运用灰度变换与平滑去噪对获取到的原始图像进行图像预处理. 提出改进的工件特征提取方法. SURF算法作为SIFT算法的加速版,不仅能够确保检测到的特征点的稳定性,而且能很大程度地加快特征提取的时间,满足了工件识别过程中实时性的需求. 采用改进的SURF算法的特征匹配方法进行工件的识别. 实验表明,改进的特征匹配方法对工件识别精确且速度较快.     

基于先验知识的小目标快速随机识别方法

文章提出了一种基于先验知识的快速随机识别方法,能够从有背景噪声的遥感图像中快速识别出小目标。此方法基于不变矩进行识别,在识别中采用最大类间方差法自动选取阈值,使用中值滤波进行噪声的抑制,并且采用一种基于先验知识的随机匹配算法以加快匹配速度。实验结果表明,这种方法有很快的速度和比较高的精度。     

基于相关关系的图像分类和图像检索

提出了一种基于图像分类的图像检索算法.算法首先以图像间的相关系数作为距离进行聚类,并确定每类图像的中心图像.图像检索过程分为两步:首先寻找匹配程度最高的中心图像,然后在该中心图像所在类中寻找最佳匹配图像.由于分类和确定中心均可离线操作,所以该算法显著加快了图像检索速度.此外,本文还运用信息熵分析了分类的有效性.实验结果表明:算法有效.     

基于简化Forstner算子改进的SIFT无人机图像识别算法

根据无人机获取图像信息量大、处理实时性要求高的特点,寻找一种符合无人机特点的图像目标识别算法,提高图像识别的效率。SIFT(Scale Invariant Features Transform)算法具有良好的准确性和鲁棒性,能够克服一定的图像形变及遮挡影响,但其还难以满足无人机图像的处理实时性,利用简化的Forstner算子对SIFT算法进行改进,降低SIFT算法特征点获取过程的计算量。通过仿真实验,证明改进的SIFT算法可以提高识别和匹配的速度和准确率,可以满足复杂背景下无人机目标识别精度与速度的需求。     

基于特征区域的模板匹配改进算法

针对在复杂战场场景下识别提取战场目标过程中,存在识别跟踪效果不好的问题,本文提出了综合运用特征区域匹配算法。首先,对战场环境建立目标运动模型,然后,定义了一种新的最小失配距离(MMD)相似性度量,并基于目标的特征区域进行快速相关匹配,从可能区域中提取出目标。该算法通过精确模板匹配由粗到精的目标搜索策略,既保证了目标提取的精度、速度,又能对各种噪声干扰有较强的抑制,达到战场图像目标匹配的要求。     

Linux平台下目标跟踪算法研究与实现

论文在Linux平台下设计了一种目标跟踪算法.算法中使用图像的三个不变矩代替图像像素的灰度值作为特征量,利用改进后的平均绝对差算法作为相似性测度计算公式进行模板匹配;同时,为了提高目标跟踪的速度,采用遗传算法对图像的匹配策略进行优化,提高了匹配速度.与Windows平台下的目标跟踪算法相比,该算法的实时性高.     

基于快速收敛Grabcut的目标提取算法

为了加快Grabcut算法的收敛速度,提出了一种降低原图像分辨率以加快收敛速度的算法.该方法将原始图像的分辨率降低,在缩小图像上迭代Grabcut算法,使得收敛速度得到极大地加快.将收敛获得的目标区域作为原始图像初始值,并再次使用Grabcut算法,从而获得了目标的细节信息.从理论上证明了在降低分辨率图像上使用Grabcut算法,其Gibbs能量单调递减方向与在原图像上一致.同时实验结果表明了该算法收敛速度快,且目标提取的效果和原始的Grabcut算法相当.     

基于机器视觉实现工业产品在线分类的一种有效方法

利用机器视觉技术获取工业现场目标产品图像.通过图像预处理、图像分析,实现识别区域的动态划分.提出了一种高效图像模板匹配算法,实现工业产品的在线分类.     

一种环状编码标记点的设计及解码算法

针对近景摄影测量中对编码标志点的精确定位和准确识别的要求,提出一种环状编码标记点的设计和识别算法。在传统环状编码标记点的基础上添加3个定位符,用于确定标志点的精确位置和增加标志点的数量。解码时先检测定位符坐标及其在标志点中的位置,然后对编码标志点进行透视变换以实现图像校正的目的,最后用提出的基于圆环扫描的方法进行解码。实验结果表明,该算法对任意旋转角度下的编码标志点均能有较好的检测识别效果;当摄像机与标记平面的夹角小于65°时,其识别准确率可达99.3%;在复杂背景情况下的平均识别准确率为97.4%,误识别率为1.25%,识别平均速率为2.15 s/幅。     

Improving Iris Recognition Performance Using Segmentation, Quality Enhancement, Match Score Fusion, and Indexing

This paper proposes algorithms for iris segmentation, quality enhancement, match score fusion, and indexing to improve both the accuracy and the speed of iris recognition. A curve evolution approach is proposed to effectively segment a nonideal iris image using the modified Mumford–Shah functional. Different enhancement algorithms are concurrently applied on the segmented iris image to produce multiple enhanced versions of the iris image. A support-vector-machine-based learning algorithm selects locally enhanced regions from each globally enhanced image and combines these good-quality regions to create a single high-quality iris image. Two distinct features are extracted from the high-quality iris image. The global textural feature is extracted using the 1-D log polar Gabor transform, and the local topological feature is extracted using Euler numbers. An intelligent fusion algorithm combines the textural and topological matching scores to further improve the iris recognition performance and reduce the false rejection rate, whereas an indexing algorithm enables fast and accurate iris identification. The verification and identification performance of the proposed algorithms is validated and compared with other algorithms using the CASIA Version 3, ICE 2005, and UBIRIS iris databases.      

无人机自主目标识别与定位应用研究

面向无人机自主侦察任务中在线目标识别与定位需求,首先梳理了无人机侦察中目标识别领域的相关研究成果;然后,介绍了Faster RCNN目标识别算法的实现原理,并针对任务需求进行了改进;之后,介绍了图像拼接的相关算法并进一步提出了目标相对定位算法;最后,设计了完整的侦察试验流程对所设计自主目标识别与定位方法进行验证;结果表明,改进的目标检测网络能够达到83.3％的识别准确率和35帧/秒的识别速度,所提出的相对定位算法可以达到0.702 m的平均定位精度,能够满足侦察无人机在线目标识别与定位的任务需求.     

SAR图像目标识别的卷积神经网模型

目的 合成孔径雷达图像目标识别可以有效提高合成孔径雷达数据的利用效率。针对合成孔径雷达图像目标识别滤波处理耗时长、识别精度不高的问题,本文提出一种卷积神经网络模型应用于合成孔径雷达图像目标识别。方法 首先,针对合成孔径雷达图像特点设计特征提取部分的网络结构;其次,代价函数中引入L2范数提高模型的抗噪性能和泛化性;再次,全连接层使用Dropout减小网络的运算量并提高泛化性;最后研究了滤波对于网络模型的收敛速度和准确率的影响。结果 实验使用美国运动和静止目标获取与识别数据库,10类目标识别的实验结果表明改进后的卷积神经网络整体识别率（包含变体）由93.76%提升至98.10%。通过设置4组对比实验说明网络结构的改进和优化的有效性。卷积神经网络噪声抑制实验验证了卷积神经网络的特征提取过程对于SAR图像相干斑噪声有抑制作用,可以省去耗时的滤波处理。结论 本文提出的卷积神经网络模型提高了网络的准确率、泛化性,无需耗时的滤波处理,是一种合成孔径雷达图像目标识别的有效方法。     

一种基于SIFT算法的图像镜像变换识别方法

SIFT(scale invariant feature transform)算法提取的图像特征对图像自身的镜像变换匹配精度不够。针对此问题,对SIFT算法进行了改进,提出FI-SIFT(flip invariant SIFT)算法:利用纵坐标方向的梯度初步判断图像是否为镜像变换,若是则把特征向量映射为极坐标,对极坐标进行重组后,再逆变换到直角坐标系,更新特征向量;然后基于欧式距离匹配两幅图像中的关键点。实验结果表明,采用FI-SIFT算法提取的图像特征进行镜像变换匹配,匹配精度有了很大提高,由改进之前的0.6上升到0.9。     

快速眼动信息识别算法研究

眼动信息能实时反映人类的心理变化及意识倾向, 虽然人眼比手更为灵敏, 但图像处理速度限制了帧速率的利用率, 不能有效捕捉眼动信息, 准确率也会大幅降低。针对目前现有的问题进行了图像匹配原理的研究, 设计了适合于眼动信息识别的单眼模板多层匹配算法, 并对该算法在常见干扰下进行实验和数据分析, 该检测算法运算速度快、准确度较高, 作为实时眼动信息识别算法有较高的应用价值。     

成熟柑橘的图像识别及空间定位研究

采用RGB颜色系统中2R-G-B色差的Ostu自适应闽值分割的方法可以将单果、多果、部分重叠及遮挡的成熟柑橘自动、快速识别；优化圆形Hough变换逼真地拟合出目标图像的形心坐标及半径；提出一种新的基于特征的匹配策略，结合双目立体成像技术实现空间目标的准确定位。经过验证，识别率〉95％，当工作距离小于1．0m时，距离误差可以控制在±0．8cm以内，算法准确快捷、鲁棒性好、通用性强。     

面向惯性约束聚变实验靶图像的快速椭圆检测

目的：针对惯性约束核聚变实验中靶图像轮廓模糊、亮度不均匀等问题,并从提高图像处理实时性角度出发,提出了一种高可靠性和高精度的快速椭圆检测方法。方法：首先利用椭圆边缘点在它与圆心相连方向上具有较大灰度变化率这一特点,以预估中心点为极点建立极坐标系,通过从极点出发的射线上灰度变化率极值点搜索实现椭圆边缘点检测,极值点搜索在图像局部范围进行保证边缘点检测的有效性和实时性;其次利用基于RANSAC的自适应椭圆参数提取算法得到最终椭圆参数,该方法利用椭圆参数空间聚类分析选取最优椭圆参数,从而实现了一致样本集的自适应选择,保证了椭圆参数拟合精度的同时提高了算法的适应性和鲁棒性。结果：采用本文算法检测一幅图像的平均时间约为110ms,与常用椭圆检测方法相比检测速度有显著提高。结论：对比实验表明,本文提出的椭圆检测方法与其他方法相比具有更高的精度、更快的实时性和更强的鲁棒性。