航拍图像中绝缘子的提取算法

提出了一种基于阈值分割与分步定位的绝缘子提取算法,可以从航拍巡线图像中分离出绝缘子部分．算例结果表明：该算法能够有效滤除复杂背景的干扰,得到准确的绝缘子图像．     

室内复杂背景下人体骨架的提取

人体骨架的提取对人体运动分析研究具有很重要的意义.本文提出了一种人体骨架模型的建立方法,该方法是通过对ZS并行细化算法进行改进,并结合最大正方形像素个数法来提取骨架图像,在骨架提取方向有较强的上噪和抗干扰能力,有很好的鲁棒性,可提取有效的骨架图像,然后以人体解剖学为基础,建立人体骨架模型.通过室内实验,验证了所提出方案的有效性.     

基于不变矩的椭圆(圆)识别方法

为了能快速识别椭圆(圆)曲线,给出了利用不变矩的识别方法,根据曲线离散点的坐标,求出椭圆(圆)曲线的形心和归一化的中心矩,并利用这些中心矩,计算了椭圆(圆)曲线的特征参数,然后再根据这些特征参数和识别准则对曲线进行识别,该识别方法不需要施加任何条件和限制,能快速识别曲线中所有大小和摆向各异的椭圆,实验结果表明这种方法是有效的。     

基于最大类间方差法的天空图像云空识别模型

准确的云空辨识对提高光伏发电功率超短期预测精度具有重要意义。首先针对由全天空成像仪采集的一系列天空图像进行预处理,然后提取样本图像的灰度矩阵,最后根据所提取的灰度矩阵建立基于最大类间方差法的天空图像云空识别模型。为验证本文提出的云空辨识模型的有效性,利用云南地区光伏电站中全天空成像仪(Total Sky Imager,TSI)采集的图像进行测试验证,与固定阈值法处理效果对比的结果表明,在复杂天气情况下面对不同分布特性的云团,本文提出的基于最大类间方差法的云空辨识模型更为准确、高效。     

不变矩在药品包装质量检测中的应用

为了有效地控制药品包装质量 ,利用不变矩理论的平移、缩放和旋转不变性 ,对分离后的每个药品利用不变矩理论对其进行检测 ,从而判断药品包装是否合格。实验证明 ,此方法是一种高效精确的检测方法 ,精确率达 96%。     

不变矩在药品包装质量检测中的应用

为了有效地控制药品包装质量，利用不变矩理论的平移、缩放和旋转不变性，对分离后的每个药品利用不变矩理论对其进行检测，从而判断药品包装是否合格。实验证明，此方法是一种高效精确的检测方法，精确率达96％。     

火灾探测中火焰图像分割方法研究

在分析现有图像分割方法特点的基础上,针对最大类间方差法(Otsu法)易受图像直方图形状的限制以及分割效果不稳定等问题,提出一种火焰图像分割的综合方法,即利用HSI颜色空间参数对火焰图像建立彩色空间模型,根据火焰图像的S(饱和度)、H(颜色)等特征参数对图像进行预处理,以确定火焰疑似区域,再用最大类间方差法进行阈值分割.通过实例仿真,得到了轮廓清晰的分割图像.研究结果表明,该方法能够弥补最大类间方差法的局限性,可扩展该方法的适用范围.     

一种新的航拍玻璃绝缘子图像分割方法

针对直升机巡检输电线路所拍摄的彩色图像,提出一种新的航拍玻璃绝缘子图像分割方法.该方法首先利用彩色图像中玻璃绝缘子的颜色呈现聚类的特性,通过K均值聚类算法将绝缘子从复杂的背景图像中大致分割出来;然后利用绝缘子的形状特性,采用基于主成分分析的连通区域判决方法定位出绝缘子的具体位置.实验结果表明了此方法的有效性,而且与现有的一些玻璃绝缘子图像分割算法相比,该方法受不同光线和复杂背景影响较小,提高了绝缘子分割的准确性和鲁棒性.     

一种有效的SAR图像目标识别方法

根据不变矩特征提取和支撑矢量机分类的优势,提出了一种有效的SAR图像目标识别方法.首先对样本SAR图像进行预处理。然后提取目标区域的不变矩特征并计算灰度均值,将其组成特征向量训练SVM分类器,最后用训练好的SVM分类器对要识别的SAR图像进行目标识别.采用该方法对一些含有桥梁和坦克的SAR图像进行目标识别实验,取得了较好的识别结果.     

基于改进型类间方差分割的红外目标提取算法

文章对最大类间方差法进行了改进,利用计算图像类间方差的约束条件,通过构造罚函数,把求最大类间方差问题转换为求带约束条件的函数最优解问题,再用迭代法对图像进行分割,从而有效地弥补了最大类间方差法对图像噪音和目标大小敏感不足。仿真实验结果表明,该方法效果良好。     

骨架提取中的毛刺去除方法

基于骨架提取中经常遇到产生毛刺的问题,根据毛刺的各种特点,通过对毛刺进行特征提取,从而设定剔除毛刺的条件,结合结构元素细化方法,对毛刺进行剔除.实验结果表明,该方法能有效解决一般毛刺去除方法中易将骨架主体误判为毛刺去除的问题,解决纤维尾端被误判为毛刺去除的问题,使骨架主体信息尽可能的保留,具有一定的可行性与实用性.     

Novel and Comprehensive Approach for the Feature Extraction and Recognition Method Based on ISAR Images of Ship Target

一种舰船目标实测数据ISAR像的特征提取与识别新方法

王勇,朱鹏凯

（哈尔滨工业大学 电子工程技术研究所,哈尔滨 150001）

创新点说明：

本文基于舰船目标实测数据ISAR成像结果,提出一种新的二维ISAR像特征提取与分类识别方法,具体创新性可说明如下：

1） 舰船目标ISAR像特征提取新方法。包括ISAR像的图像预处理方法,同时给出六种不同特征的提取方法,包括一阶不变矩、二阶不变矩、舰船目标面积、距离单元最大均方偏差、舰船目标长度和桅杆高度。

2） 针对提取出的舰船目标ISAR像特征,文中采用Fisher线性分类器来进行舰船目标的分类识别。以两种不同类型的舰船目标为例,其正确的识别率已超过90%。

研究目的：

为解决基于实测数据ISAR成像结果的舰船目标特征提取与分类识别问题。与仿真数据相比,依据实测数据成像结果进行特征提取与分类识别难度很大,因此本文首先提出有效的图像特征提取方法,进而采用线性分类器完成对舰船目标的分类识别。

研究方法：

1） 舰船目标ISAR像的预处理,包括抑制条纹干扰、中值滤波、数学形态学等,使ISAR像的质量得到进一步提高,便于特征提取。

2） 舰船目标ISAR像的特征提取。分别提取了图像的一阶不变矩、二阶不变矩、舰船目标面积、距离单元最大均方偏差、舰船目标长度和桅杆高度。

3） 舰船目标分类识别。采用Fisher线性分类器来进行舰船目标的分类识别。以两种不同类型的舰船目标为例,其正确的识别率已超过90%。

结果：

1） 文中给出了舰船目标ISAR像的预处理流程,如正文中图3和图4所示。此时ISAR像的质量得到进一步提高。

2） 文中给出了舰船目标ISAR像的特征提取结果,如正文中图5、图6和图7所示。根据这些特征提取结果,可完成对舰船目标的分类识别。

3） 文中选取两种不同类型舰船目标的外场实测数据,并给出相应的识别结果,如正文中表2所示。相应的结果验证了所提特征的有效性。

结论：

对于舰船目标实测数据的ISAR成像结果来说,可通过图像预处理的方法进一步提高图像质量,进而可对舰船目标进行特征提取,并采用分类器完成对不同类型舰船目标的分类识别。本文的研究结果对ISAR成像技术的实际应用奠定了良好的理论和实验基础。

关键词：ISAR图像,特征提取,识别,舰船目标

     

基于Gabor变换和不变矩的掌纹识别研究

提出了一种将二维Gabor变换和不变矩特征相结合对掌纹图像进行特征提取,并采用多层前向反馈神经网络进行掌纹图像训练识别的方法。该方法首先对掌纹图像进行预处理,获得掌纹感兴趣区域(ROI),然后构造一组Ga-bor滤波器从而得到ROI的特征向量,结合掌纹图像的不变矩特征共同作为神经网络的输入进行训练识别。实验表明该方法的有效性。     

基于骨架提取的树木主枝干三维重建算法

为了实现树木主枝干的三维重建,提出了一种基于骨架提取的算法.首先,根据Dijkstra距离对点云数据进行分段.然后,提取出每个连通部分的骨架,并采用线性规划的优化模型求出距离与角度的权值,根据加权后的匹配度进行骨架的连接,得到整株树的完整骨架.最后利用圆柱体拟合出树木枝干的模型,对含笑树和樱花树分别进行了实验,得到了令人满意的实验结果.     

小波和仿射不变矩的目标特征提取方法研究

不变矩是目标识别中重要而有效的特征提取方法。利用小波矩具有的多尺度、平移和旋转不变性进行特征提取,有较高的识别率。但当拍摄角度不同,图像发生形变,识别效果降低。针对这一问题,提出了一种将小波矩和仿射不变矩相结合用于目标特征新的提取方法,并验证本方法的鲁棒性更高,识别效果更好。     

基于Radon变换的矩不变量及其应用

提出了一种基于Radon变换的新的图像识剐方法。首先构造了二维图像在Radon变换空间的平移和比例矩不变量，基于该矩不变量引入整体平均技术获得了更好的抗噪效果，并根据变换空间数据的特性，提出了利用奇异值分解得到一般意义下的旋转不变量。利用不同的图像库进行识别研究，实验结果指出了两种方法的不同应用条件。’     

基于不变矩的机器视觉车辆类型识别技术

针对智能交通领域汽车类型识别的应用背景，利用单目视觉开发了基于计算机视觉车辆类型识别系统；论述了单目视觉原理及特征提取的关键技术，利用不变矩及不变矩矢量在图像平移、旋转及比例变换时保持不变的特性，以其作为主要特征实现车辆类型有效识别。试验结果表明，该技术可以实现车辆类型的自动、快速和准确分类。     

一种基于小波矩的图像识别方法

研究了一种基于小波矩的图像目标平移、缩放和旋转不变特征提取算法,将不变特征提取算法与BP神经网络结合,组成一个图像识别系统.目的在于提高图像处理的质量,这种方法有更好的实用性.在这个系统中,利用小波矩不变量不仅可以得到图像的局部特征,还增加了对图像结构精细特征的把握能力强的优点,把提取的图像目标平移、缩放和旋转不变特征馈人BP神经网络,完成有监督的不变性模式识别.在实验中,利用该方法对无噪、有噪图像,特别是相似物体图像进行识别,可获得98％的正确识别率;并且将其与一般不变矩特征的算法获得的实验数据进行了对比分析.实验结果表明,该方法在图像识别准确率和抗噪性能上都有较大的提高.     

用谱矩进行不变特征识别

介绍的是一种基于矩不变特征进行识别的新方法。该方法首先消除部分数据的损失对矩的计算的影响，然后利用矩抽取出图象的不变特征，再利用该不变特征进行识别。最后给出了用该方法的对ＩＳＡＲ图象进行识别的模拟结果。     

基于不变矩特征的沥青路面破损图像识别

提出了一种减少沥青路面破损图像识别计算量的图像分割方法。将路面图像等分为64×64像素的子块图像,并用灰度方差值描述子块图像特征。设计了基于BP神经网络的子块图像模式分类器,利用子块图像模式分类结果所组成的矩阵作为路面破损图像分割结果。并将路面破损图像子块模式矩阵的不变矩作为路面破损图像的整体特征,在此基础上设计了基于全局优化算法的路面破损前馈神经网络分类器。最后进行了路面破损图像识别试验,识别率达到83 3%。