经纬仪序列测量图像目标匹配方法

为提高序列测量图像目标匹配的速度和稳定性,依据序列测量图像的具体特性,将遗传算法应用到目标匹配中,并根据测量图像的具体情况对染色体的交叉和变异方式进行了改进.提出了一种新的目标匹配方法,从而减少了目标匹配次数.实验证明:在保证匹配精度的前提下,该方法可有效地提高测量图像的目标匹配速度.     

基于相关性的测量图像评估方法

针对经纬仪测量图像评估的特殊性,根据序列测量图像目标识别一般采用模板匹配的原理,提出了一种基于相关系数的测量图像评估方法.该方法采用对背景区域和目标区域的相关系数分别评估的方式,建立了主次波峰比评估指标,并引入了平均梯度和散度指标.实验证明:本方法能够真实地反映测量图像质量对目标识别算法的适应能力,其评估结果准确、可靠.     

基于自适应模糊加权指数的FCM聚类测量图像分割方法

针对采用FCM聚类进行测量图像分割时,模糊加权指数难以确定的问题,通过分析FCM聚类原理,依据测量图像分割的具体要求,根据加权指数对不同模糊聚类过程的作用程度,提出了一种基于自适应模糊加权指数的 FCM 聚类测量图像分割方法.实验结果表明:该算法可以减少聚类迭代次数,确保分类的准确性,提高图像分割质量.     

基于模糊聚类遗传算法的图像分割方法研究

图像分割是图像处理和图像分析的关键步骤,在图像工程中占据重要地位.模糊C均值聚类(FCM)算法是一种经典的模糊聚类分析方法,但其算法初始聚类原型是随机选取的,从而造成算法性能强烈地依赖聚类原型的初始化,将遗传算法强大的通用性应用于模糊聚类算法,对模糊聚类中心进行编码,然后依据FCM算法的目标函数建立适应度函数,选择适当的交叉率和变异率,最终实现基于模糊聚类遗传算法的图像分割.采用这种方法一方面能较好地解决模糊聚类对初始化敏感的问题,又能在一定程度上提高了分割速度.实验结果表明,该算法具有良好的分割效果.     

基于近邻传播聚类与核匹配追踪的遥感图像目标识别方法

核匹配追踪算法在生成函数字典的过程中常采用贪婪算法进行全局最优搜索,导致算法学习时间过长。该文针对这一缺陷,提出一种基于近邻传播(Affinity Propagation, AP)聚类与核匹配追踪相结合的分类方法(AP-Kernel Matching Pursuit, AP-KMP),该方法利用聚类算法来优化核匹配追踪算法中的字典划分过程,使用近邻传播聚类将目标数据集划分为若干小型字典空间,随后KMP算法在小型字典空间进行局部搜索,从而缩短学习时间。针对部分UCI数据集和遥感图像数据集,分别采用AP-KMP算法与另4种经典算法进行分类比较实验,结果表明该文算法在时间开销和分类性能上均有一定的优越性。     

基于图像中心矩和特征向量的目标识别方法

单独使用中心矩进行目标识别,不仅算法耗时,而且效果也不理想。针对这个问题,提出了一种基于图像中心矩和特征向量相结合的目标识别方法,该方法具备了中心矩和可见光图像特征量各自的优点,降低了特征空间维数。通过引入匹配模板特征向量之间的欧式距离,进一步降低了算法的复杂度,提高了系统识别的速度,算例仿真验证了本方法的有效性和实时性。     

基于模糊聚类视区划分的SAR目标识别方法

 现有基于模板匹配的SAR目标识别技术,多通过姿态遍历来构建和存储基础模板库.为降低计算消耗和存储开销,借鉴计算机视觉中视区概念,提出了一种基于非均匀视区划分的模板库精简方法.结合关键特征矢量,基于Gustafson-Kessel(GK)算法对视区作模糊聚类,以识别概率最优控制视区划分策略并提炼原型模板.采用典型舰船目标的SAR仿真图像集,验证了方法在精简模板库、实现高效SAR自动目标识别方面具有可行性.     

基于模糊神经网络聚类模型的雷达目标识别方法

准确识别雷达目标类型和性质对于有效实施雷达对抗意义重大。分析了模糊Hopfield神经网络原理,构建了雷达目标识别的模糊Hopfield神经网络聚类模型,并结合实例进行了具体验证。     

基于模糊聚类的国画图像分割研究

国画图像分割是图像理解、计算机视觉等研究领域的重要内容。文章根据国画颜色有限性的特点以及视觉的颜色聚类特性,提出了一种基于模糊C均值聚类(FCM)的国画图像分割算法,实现对国画图像的分割。算法根据中国国画颜色以墨色为主,以墨破色的特点,通过选取国画图像每个像素点的灰度颜色特征,计算各像素点到各个聚类中心之间的欧式距离,并利用模糊C均值聚类的方法更新聚类中心,聚类结束后得到分类后的图像;再利用分类图像标识出分割图像,从而实现国画图像的分割。通过实验得出,算法有效地保证了各区域图像的完整,提高了分割的精确度。     

基于直觉模糊c均值聚类核匹配追踪的弹道中段目标识别方法

针对核匹配追踪算法(KMP, kernel matching pursuit)进行全局最优搜索导致学习时间过长这一缺陷,汲取直觉模糊c均值聚类(IFCM, intuitionistic fuzzy c-means)算法的动态聚类特性优势,提出一种基于直觉模糊c均值聚类的核匹配追踪(IFCM-KMP, intuitionistic fuzzy c-means kernel matching pursuit)算法,且对UCI库中4组实际样本数据进行了分类实验及有效性测试.最后,选取高分辨距离像(HRRP)这一弹道中段目标识别常用的特征属性,对其进行特征提取获得子像,并分别采用FCM,KMP,IFCM-KMP 3种算法对真弹头进行目标识别仿真实验及结果对比分析,充分表明了IFCM-KMP算法用于弹道中段目标识别较之FCM、KMP的优越性及有效性.     

基于可见光图像模板匹配的目标识别算法

结合相关匹配算法特点提出了一种改进的基于可见光图像制备的参考模板进行二值匹配的目标检测识别算法,算法包括实时图像分辨率、同质变换、OTSU聚类、结构匹配定位等一系列处理过程.所提出的算法结构简单、计算量小、易于并行实现,在基于TMS320C6713的多DSP系统上处理一帧实时图像仅耗时14ms,可以应用于工程实际之中.     

地面红外目标图像识别方法研究

红外成像自动目标识别是精确制导武器的重要研究内容.针对地面复杂背景条件下,目标难以检测识别的问题,在分析地面目标红外图像场景的基础上,首先利用形态学技术对图像进行去噪和抑制背景,采用Otsu法对图像进行阈值分割并用形态学技术消除虚警目标点,用扩展像素标记法对图像进行区域标记,然后提取目标形状、矩和统计分布三类特征作为识别特征,并采用模糊综合评判方法识别目标.对实地拍摄的100幅坦克目标红外图像进行了识别实验,结果表明,该方法在坦克的典型作战环境下具有较强的抗噪性能和抑制背景结构干扰的能力,能有效识别出目标,并且易于用并行处理和硬件实现.     

一种基于遗传算法的多传感器目标分配方法

针对目前海上平台多传感器目标分配在信息融合中存在目标优先级函数构建因素没有具体量化的问题,提出一种利用目标战术重要性函数量化求解目标优先级的方法,从最大信息增益准则出发,通过合理转化并利用约束条件,建立一种基于遗传算法的多传感器优化分配模型。仿真结果表明,该算法稳定性强、收敛速度快,多传感器优化分配模型具有可行性。     

基于Hausdorff距离的自动目标识别算法的研究

红外自动目标识别是智能化图像处理及应用开发的方法.由于传统的图像匹配方法受到诸如景物的遮挡、背景和噪声的影响比较大,并且需要建立模板与图像间的对应关系,因而使实际图像的匹配变得困难.为了克服上述缺陷,以便快速地进行图像匹配,提出了一种基于Hausdorff距离的自动目标识别算法.该算法不仅加快了匹配过程,提高了抗噪性能,而且能准确匹配遮挡图像.实验结果证明,该方法是正确有效的.     

一种基于红外特性分析的目标识别方法

当目标所处背景与目标本身红外辐射相差不大时,目标不能被准确识别.为了能够准确定位目标并摧毁目标,提出了采用7元红外排列方法对目标进行扫描的想法.实验结果表明,通过目标的红外特性曲线可以很准确地实现发动机位置的识别.依据典型目标的发动机位置可判定目标类别,并能准确打击目标要害,从而摧毁目标.     

基于模糊聚类分析的目标识别效果评估

提出一种通用化的目标识别效果评估思路，给出评估参照信息以及计算方法，选取了评估指标及测度方法。并将模糊聚类分析引入到目标识别效果评估，建立了一种开放的评估模型，该模型可以将识别条件有机地纳入评估过程，给出客观的、定量化的评估结果。最后，结合实测数据和拟合数据完成了仿真。     

一种应用模糊聚类分析的目标识别效果评估方法

针对识别效果评估,选取了评估指标及测度方法,将模糊聚类分析引入识别效果评估,建立了一种开放的评估模型,该模型可以给出客观的、定量化的评估结果。最后,结合实测数据完成了仿真。     

基于目标分群与模糊匹配的态势评估技术

采用目标分群和部队编制模糊匹配技术实现了态势评估系统。介绍了数据融合发展概况与融合模型,在数据融合修正模型的基础上,提出了态势评估总体技术框架、功能模块和关键技术。介绍了目标分群处理流程,包括目标分群、群的分裂与合并,并进一步阐述了目标分群算法与模糊匹配算法。介绍了基于模糊匹配技术实现军事体系单元假设推理的方法,给出目标分群计算结果,说明了算法的有效性。