一种基于边缘匹配的前视红外目标识别算法

红外目标识别是影响精确制导武器命中精度的重要因素。针对因基准图与实时图存在差异导致模板匹配性能下降的问题,提出了一种基于边缘匹配的前视红外（FLIR）目标识别算法。在模板匹配的基础上,利用目标的邻域信息排除虚警,计算基于匹配代价矩阵的匹配置信度对候选匹配点进行排序,利用前面连续多帧图像的识别结果为当前帧识别提供信息,从而提高目标识别的准确性和鲁棒性。在2组不同目标类型的红外视频序列上所做的实验表明,该算法具有较好的识别性能。     

基于轮廓片段匹配和图搜索的红外目标识别方法

针对前视红外（FLIR）目标识别中复杂背景干扰和目标轮廓片段缺失的问题,提出了一种 基于轮廓片段匹配和图搜索的目标识别方法。提取基准图和实时图的轮廓特征并进行分段,利用片段的方位和朝向特征进行匹配并构建匹配图;在基准图轮廓片段间的空间关系约束下,利用图搜索策略遍历匹配图得到候选目标轮廓片段组合;结合全局相似性度量实现目标的匹配识别。仿真实验结果表明,该方法对复杂背景干扰和轮廓片段缺失的情况具有较好的适应性和鲁棒性。     

前视红外目标的鲁棒分层跟踪算法

针对前视红外序列图像中目标与背景对比度低、灰度级动态范围小以及目标边缘模糊的特点,提出了一种基于均值漂移和特征匹配的红外目标鲁棒分层跟踪算法。首先利用均值漂移算法来快速搜索局部最优候选目标。然后,通过特征匹配对跟踪误差进行有效修正。采用Harris算子对模板目标与候选目标进行特征点提取,利用改进的Hausdorff测度对特征点进行有效的匹配度量,最终实现红外目标的精确定位。实验结果表明该算法简单有效,能准确跟踪前视红外目标。     

一种基于显著性的红外弱小目标检测方法

红外弱小目标检测是目标识别等领域的研究热点。考虑到红外弱小图像中目标信噪比较低,且成像目标的尺度变化较大,构建一种同时考虑局部显著性特征和全局显著性特征的红外弱小目标检测框架。构建一种基于多尺度卷积核的显著性目标检测算法,将该算法与谱残差算法分别进行显著图计算;在得到局部和全局显著图后,采用形态学方法进行显著图的融合以及自适应阈值方法进行二值分割。在给定的公开数据集上的实验结果表明,该方法相对于基准的显著性算法,在目标检测的准确性和虚警率上均有明显优势。     

利用改进遗传算法的可靠性匹配方法

提出了一种基于改进遗传算法的可靠性匹配方法。首先采用四阶中心B样条小波对实时图和基准图进行小波分解和边缘增强。然后．在粗尺度上利用改进的遗传算法对小波边缘增强图进行匹配,快速搜索并保留局部极值点作为候选匹配点．保证正确匹配点可以包含在候选匹配点中。对实时图进行旋转校正．利用候选匹配点处的局部灰度特征提取二值边缘图,再进行相关匹配,筛选出正确匹配点。最后在细尺度上获得精确的定位点。实验结果表明．其匹配概率比基于小波二值边缘提取的相关匹配算法提高了9．5％。     

一种复杂地面背景的目标跟踪算法

实时跟踪算法将提供的原始目标作为基准图像进行序列跟踪，在跟踪过程中根据一定的判据对基准图像的更换、目标丢失的判断等状态进行控制．通过对各种实时跟踪算法的研究，提出了一种基于图像相关的多模板跟踪算法，并给出了多模板相关算法中的判断准则：模板更换准则、目标丢失判断．试验证明，对地面复杂背景的目标实时跟踪有效可行。     

一种红外运动车辆识别的新方法

针对红外图像的特点,文中提出了一种识别运动车辆的新方法。首先,多尺度形态滤波器对原始图像进行滤波,消除噪声,并对梯度图像进行平滑;其后用改进的分水岭算法对运动车辆的红外图像进行分割并对分割的结果进行区域融合;最后提出了一种基于模板匹配的方法对融合后的图像进行识别。实验证明,本算法对运动车辆有较好的识别效果。     

光电混合的目标检测与识别系统

基于晶体体全息存储技术的军事目标识别系统：利用光折变晶体的海量存储能力,在晶体中预先存储目标的模板图像。对于待识别的输入图像先检测出一些疑似目标,并提取出来。提取出的疑似目标与模板图像相关,通过对相关峰值的处理,获得对目标的实时检测与识别。     

一种基于复合匹配的目标识别算法

模板匹配技术一直是图像目标识别的重要方法之一,采用基于矩参数的粗匹配与基于非均匀采样的精匹配相结合的复合匹配方案,避免了对目标模板的全局逐像素匹配,消除了图像数学相似性与信息相似性的偏差,大大提高了识别的速度和精度。经仿真实验,与传统模板匹配方法进行了比较分析,取得了比较理想的结果。     

基于离散模板精匹配的人脸识别算法

通过离散多模板算法可实现人脸图像识别的精匹配.先检测人脸图像边缘,并对边缘所有点进行最小平方椭圆拟合.根据嘴部的宽度和高度比例,给定域值,确定嘴部候选区域.然后运用训练过的支持向量机(SVM)分类器验证嘴部区域并进行嘴角定位.再采用离散多模板方法对嘴部进行匹配识别.在自建库和ORL库上试验表明,在验证率为91.2%、95.3%情况下,该方法可获得92%、97%的识别准确率.     

INS／Vision组合导航中地标识别算法研究

以陆用车辆的惯性导航地标修正为背景,研究地标的图像识别算法。针对地标在摄像机中的成像存在旋转变换和尺度变换,首先利用INS输出的姿态数据,解决旋转变换问题,并提出2种解决尺度变化的方法——基于连续边缘特征值和基于尺度变化无关性的特征值。最后根据地标识别过程中出现误判率的问题,提出相应的解决方案,实验结果表明该算法较好地解决了实际问题,满足了修正惯导系统的需求。     

基于模板匹配的数字图像识别算法

针对传统的模板匹配法只能识别简单的数字、字符等不足,故用矢量加权匹配法、矢量化特征提取法和中心不变矩法等几种新算法对其进行了改进。改进后的数字图像识别算法在数字图像识别方面具有很大优势。     

基于Relief算法的故障图像识别与匹配方法

针对图像识别与匹配问题,提出一种基于Relief算法的新方案。利用k最近邻的Relief算法选择表达图像的最优特征子集,再利用基于最小距离分类器的模板匹配技术,实现故障图像的识别。在特征提取时,改进了对传统的灰度共生矩阵的选取。实验证明,该算法正确识别图像故障与否的概率能到达90%左右,提高了特征选择的有效性,完全满足实际应用中的需要。     

模板图像尺寸可变的相关跟踪方法

相关跟踪过程中,序列图像中的实时图像与模板图像间存在灰度差异和几何形变,当前工程中采用相关匹配算法中的模板图像为矩形结构,为了在模板中尽可能的包含目标,模板中就不可避免的含有背景数据,但传统相关匹配算法中模板图像中的每一个像素都要参与计算,而且模板尺寸是固定的,这样就使得算法跟踪不稳定、容易丢失目标。为此提出一种变模板图像尺寸的相关跟踪方法,该方法实现了对模板图像尺寸的实时修正和非矩形模板相关匹配,试验证明此方法具有较强的抗几何变形的能力以及对复杂背景环境的适应能力。     

一种改进的运动目标检测算法

提出一种改进的运动目标检测算法,首先将视频序列中的一整幅画面进行分割,对分割产生的每块图像进行连续检测,一旦检测到有变化,即提取运动目标。接着将连续2帧差图像和背景差图像直接相乘,再将相乘的结果进行二值化处理得到运动检测结果,从而将运动目标从背景图像中分离出来,最终得到视频序列图像中运动存在与否的一个二值运动模板,由此提高运动目标检测的效果。     

基于可重用文本配置模板的设计文档生成方法

为解决设计文档特定内容格式要求与载体文档格式差异性问题以及实现知识重用的目的,提出一种基于可重用文本配置模板的设计文档自动生成方法。将知识模块转化为便于存储的可重用文本配置模板,根据设计需求对文本配置模板进行选配,生成模板视图集,对模板视图集进行标识符解析、插入辅助文档等处理,生成满足不同设计需求的设计文档。并以冷弯薄壁型钢结构文本配置模板生成相关的设计文档为例,进行了应用验证。结果表明：该方法效率较高,能生成满足不同需求的设计文档。     

基于逆向视域与图像识别的可视性分析

为克服传统的可视性分析方法的缺点,提出基于逆向视域与图像识别的可视性分析技术。通过图像识别技术中的颜色识别检测逆向视域生成的图片内是否包含眼部活动区域构成的包络体,分析维修人员能否看到操作部位,完成可视性分析。介绍其基本流程,根据研究思路对可视性分析过程中眼部活动区域的生成、逆向视域生成和颜色识别3个关键点进行研究,并进行技术实现。结果表明,基于逆向视域与图像识别的可视性分析技术能克服传统方法烦琐、耗时等不足。     

小波变换在光学相关目标识别中的应用

光电混合实时联合变换相关器能够实现目标的自动探测、识别和定位,但由于实际中从图像传感器采集到的目标图像对比度较低且存在大量背景噪音,因而目标识别率低且识别效果不佳。基于小波变换的多分辨率分析特点能够更大程度上体现图像的特征信息,将其应用于光学相关目标的自动探测与识别中。将小波变换与联合变换相关器结合起来,通过研究物面的小波图像增强来获取更加尖锐的相关峰,解决复杂背景、低对比度目标的识别问题,取得良好的实验结果,证实小波变换在光学相关领域中具有一定的优越性和良好的应用前景。     

基于决策树的海战场舰艇意图识别

通过对以往战场舰艇意图识别经验的学习,采用信息熵理论建立舰艇意图识别决策树。通过对舰艇意图识别历史数据的分析,将识别错误的元组更正后加入历史信息库,重新建立决策树,使该方法具有一定的自学能力,并通过实例进行仿真分析。结果表明,该方法具有一定的自学能力,意图识别的准确率会随着决策树的学习逐渐提高,在一定程度上克服战场目标意图的欺骗性。