基于Radon变换特征提取的步态识别

提出了一种基于Radon变换特征提取的步态识别算法.该算法根据步态轮廓图下肢的宽度信息确定步态运动准周期性,对二进制准周期步态轮廓序列进行Radon变换构造特征向量模板.对特征向量进行主成分分析,并采用k-近邻法进行步态特征分类.在CASIA步态数据库上和CAS识别算法进行了详细的比较,实验结果表明,该算法在性能上有较大程度的提高,是一种有效的步态识别方法.     

基于PCNN的声纳图像纹理特征提取

对声纳图像的纹理特性进行了研究,根据相同灰度值的空间分布具有唯一性这个特点,将其作为图像纹理的表征.利用脉冲耦合神经网络(PCNN)简化模型得到对应于不同灰度值的二值图像序列,计算序列中每幅图像的方差,使其转化为一维的特征矢量用于侧扫声纳图像的识别,取得了很高的识别率.随后大量的自然纹理图像样本对该算法加以验证.实验结果表明,该方法提取的图像特征具有旋转不变性,能够获得高识别率,适用于实时的声纳系统.     

基于Radon变换的水声图像矩特征提取与分类

成像声纳采集的水声图像分析是自动水下潜器研究中的一个重要课题,该文提出了一种基于图像边缘Radon变换的水声图像矩特征提取和分类方法。使用一种形态学边缘提取算子和细化算法提取二维图像中目标的轮廓,构造目标轮廓在 Radon变换空间的平移、比例和旋转矩不变量,应用于3类水下物体的分类中,实验仿真结果表明该方法在运算速度上优于Hu’s不变矩和图像目标面Radon投影空间不变矩,具有很好的性能和较高的实用价值。     

一种基于非线性特征提取的被动声纳目标识别方法研究

目标噪声特征提取是被动声纳目标识别系统的关键技术。首先提出了一种利用从噪声极限环中提取的非线性特征来分析舰船噪声信号的新方法,然后采用基于自适应遗传BP算法的神经网络对提取的特征进行分类。实验结果表明,该系统具有较好的分类效果。     

基于调制连续谱特征提取的被动声纳目标识别技术研究

目标噪声特征提取和目标分类器设计是被动声纳目标识别系统的关键技术.本文针对被动声纳目标识别,提出了一种新的调制连续谱特征提取方法.此外,为训练神经网络目标分类器,本文将遗传算法和BP算法相结合,提出了一种新的自适应遗传BP算法.最后,对海上实录的三类目标噪声进行了分类识别,实验结果表明本文设计的被动声纳目标识别系统具有很好的分类效果.     

基于前视声纳的成像与多目标特征提取

针对水下目标图像的几何特性,提出了一种基于弦中点的改进Hough变换椭圆检测方法,实现了水下多目标的特征提取。单波束机械扫描前视声纳的图像数据为二维极坐标形式,采用波束内插方法和坐标变换方法生成图像,并对其进行图像预处理和轮廓跟踪,据此再进行多目标特征提取。通过水池实验结果表明,该方法对于水下多目标的特征描述更简明准确,为多目标识别与定位提供了有用信息。     

基于图像哈希签名的数字水印

提出一种新的图像哈希函数,这种函数可以为不同图像内容的输入提供唯一的一个哈希值.通过使用特殊的图像HASH函数来完成签名信息的简化,并最终形成水印比特嵌入到图像中.结合数字签名和数字水印的特点,为进行图像认证提供了一种全新的途径.     

基于Finite Ridgelet变换的图像线性特征提取

线性特征是图像的一种重要局部特征,它常常决定图像中目标的形状。线性特征的提取在图像匹配、目标描述与识别以及运动估计、目标跟踪等领域具有十分重要的意义。常用的线性特征检测方法有Radon变换和Hough变换,但检测曲线复杂度会很高。本文提出一种多尺度几何分析的线性特征检测方法,该方法以finite ridgelet理论为基础,结合正交小波变换对线性特征进行提取。Finite ridgelet变换对于含有直线奇异的多变量函数具有良好的逼近特性,能够获得连续空间函数的稀疏表达,同时具有区域平滑性、很好的可逆性和去冗余性。实验结果表明,本方法即使在背景复杂的环境下也具有良好的检测效果。     

基于Curvelet的人脸特征提取及识别研究

人脸特征点定位与提取的精确性在很大程度上影响着最终人脸识别结果的准确率。在明确人脸特征提取及识别重要性的基础上,将Curvelet变换应用于人脸特征提取及识别中,详细研究了人脸特征提取的预处理实现过程,并进一步分析了基于Curvelet变换的截取处理、判别处理以及分层处理。     

一种基于二值图像的鲁棒字符特征提取方法

随着自动识别的应用与发展,光学字符识别被广泛应用到各种领域,而特征提取是字符识别的关键一步。本文对汽车牌照自动识别系统进行了论述,针对二值图像的字符特征提取,提出了一种基于距离变换的字符点阵特征提取算法。该算法通过距离变换方法来增加二值图像的前景与背景像素之间的距离,降低笔画边界的影响。从而提高车牌字符点阵特征的鲁棒性。实验结果表明我们的算法是有效的。     

基于一维傅里叶变换特征提取的纸币识别

纸币识别系统包括纸币图像采集、图像预处理、特征提取及分类器设计等几个步骤。其中特征提取的有效性直接影响到整个系统的识别效果,是至关重要的环节。本文针对不同面值长宽、图案相近的纸币,提出一种局部区域一维傅里叶变换特征提取的新方法。实验结果表明,该方法取得了很高的识别率,有较大的实际应用价值。     

用于图象识别的图象代数特征抽取

本文证明了图象的奇异值特征具有一系列代数和几何上的不变性以及对噪音的不敏感性,它是识别图象的有效特征.本文将奇异值特征用于人象识别问题.根据图象奇异值特征向量样本建立了Sammon最佳鉴别平面上的正态模式Bayes分类模型.实验结果表明,奇异值特征向量具有良好的鉴别分离能力.     

叶片图像特征提取与识别技术的研究

文章介绍了一种基于叶片图像的形状特征对叶片进行识别的方法。首先对叶片图像进行预处理并且提取出叶片的轮廓,然后利用轮廓计算得到叶片的矩形度、圆形度、偏心率等8项几何特征和7个图像不变矩,同时在文中提出了一种新的移动中心超球分类器,利用其对得到的形状特征进行分类从而实现了对20多种植物叶片的快速识别,并且平均识别率达到了92%。     

基于Gabor滤波器和特征加权的红外图像识别

针对红外图像边缘模糊、噪声较多的特点,文中提出一种新的基于Gabor滤波器和特征加权的红外图像识别方法。该方法利用Gabor滤波器的多尺度特性对红外图像进行特征抽取,然后根据Gabor特征矢量中邻近分量的离散程度对其自身进行加权。通过对三种不同类型的红外车辆进行识别测试以及与传统的方法进行比较,结果表明Gabor特征矢量经过加权处理后,能够有效降低红外图像识别的错误率,增强鲁棒性。     

一种基于正交投影的特征抽取方法

本文结合Fisher鉴别准则给出了一组正交投影矢量，并引入了一种度量投影矢量相关性的简捷方法，与经典的Foley-Sammon鉴别分别法相比，所提出的正交投影法具有较强的消除样本特征之间相关性的能力和良好的鉴别能力，最后，在CENPARMI手写体阿拉伯数字库的试验结果证实了该特征抽取方法明显优于Foley-Sammon鉴别分析法。     

基于QNN的图像特征提取字符识别系统设计

为提高字符识别的正确率与可靠性,将图像处理技术与量子神经网络（QNN）相结合,对基于QNN的字符识别系统进行了研究。采用粗网格特征法对图像的特征量进行提取,同时,为了增强粗网格特征法抗位置变化的能力,在特征提取前,对字符图像进行了定位,并将其平移至模板中心,再进行特征提取,然后采用基于多层激励函数的量子神经网络对字符进行识别。采用matlab进行仿真实验,结果表明量子神经网络具有较好的识别效率,准确率可达90%以上,抗噪能力强,可以更好的分类。这说明系统的确可以从一定程度上达到提高识别正确率的效果,达到了预期效果。     

用于虹膜识别的轮廓波特征提取

为获得高品质的虹膜纹理特征,针对小波变换方向选择性差的局限和虹膜图像纹理丰富的特点,本文提出了一种基于轮廓波(Contourlet)变换的虹膜特征提取方法.首先对预处理后的虹膜图像进行Contourlet分解,然后根据高低频子带所表征的信息,采用不同特征提取策略,提取其低频分量的均值及标准差和不同尺度、不同方向上高频子...     

基于主灰度的声纳图像识别

声纳图像是一种灰度图像．所以将灰度信息作为特征参与匹配和识别,具有重要意义。针对声纳图像识别系统实时性要求高、存储空间小的特点,提出一种基于主灰度的提取和识别方法,从而降低了特征维数．提高了声纳图像的识别效率。将该方法应用于水下声纳图像的识别中,实验结果表明它是有效的,具有一定的实用价值。