基于BP神经网络分类器的多目标识别方法研究

文章对多目标进行特征提取,数据作为神经网络分类器的输入,采用不同的算法对多输出型BP神经网络分类器和单输出型BP神经网络联合分类器进行训练,实现多目标的识别。仿真试验结果表明,基于BP神经网络分类器的识别方法具有较高的识别率。     

基于多神经网络分类器的汽车车型识别方法研究

首先对三种车型进行特征提取,以提取的数据作为神经网络的输入,并且采取了感知机识别,BP网络识别,径向基网络识别,最后采用多神经网络进行识别。仿真实验结果表明:采用多神经网络分类器融合的方法比单一神经网络识别率高,这对提高目标识别的准确性是十分重要的。     

基于神经网络的气体目标识别方法

研究神经网络在战场气体特征目标识别应用中的有效算法.通过建立战场目标气体特性探测与分析系统,针对战场上不确定背景条件下气体目标的自动识别问题,在总结目标特性规律,分析BP算法的基础上,采用BP算法对分类器进行训练,改善系统对信号的探测能力.典型战场目标信号样本检验表明:利用基于神经网络的分类器来实现对战场气体目标的识别分类是可行的.     

基于神经网络的气体目标识别方法

研究神经网络在战场气体特征目标识别应用中的有效算法．通过建立战场目标气体特性探测与分析系统，针对战场上不确定背景条件下气体目标的自动识别问题，在总结目标特性规律，分析BP算法的基础上，采用BP算法对分类器进行训练，改善系统对信号的探测能力．典型战场目标信号样本检验表明：利用基于神经网络的分类器来实现对战场气体目标的识别分类是可行的．     

基于目标形状卷积神经网络在舰船分类中的应用

针对传统卷积神经网络采用通用卷积核提取目标特征造成更高的时间和空间开销的问题,提出一种适应目标几何形状的卷积核结构以替代通用卷积核,可使单个卷积核充分提取目标特征,简化目标提取过程,减少冗余计算。实验以网上收集的舰船可见光图像数据集为研究对象,实验结果表明:本方法在舰船目标识别任务中达到了99.7%的分类准确率,与目前通用的分类模型进行对比要高出约1%,训练速度是通用模型中收敛速度最快的模型的3倍。     

基于神经网络融合的目标识别技术研究

采用人工神经网络和数据融合技术设计了一种图像识别分类器.采用单层感知机网络、BP网络、径向基网络对汽车目标的特征数据进行识别,最后分别运用多数投票、平均Bayes、专家委员会三种融合算法把对各网络识别结果进行融合,得出最终判别结果.仿真结果证明了融合分类器用于图像目标识别/分类的有效性和可行性.     

自然景物中桥梁目标识别方法的研究

本文描述了一个基于知识的桥染目标识别方法，重点介绍识别过程中的中、高层处理算法，并给出了两幅图片的实验结果。     

基于无线电波纹图的雷达目标识别方法

基于雷达回波调制效应了一种常规低分辨雷达目标识别方法，这种方法是先对回波数据进行预处理，构造出目标的无线电波纺图像，再利用纹理特征撮的方法进行纹量特征抽取，然后采用神经网络对目标进行分类，某型号雷达６类目标实录数据的处理结果表明，该方法是成功的。     

基于特征融合的水下目标识别方法

针对传统Hu氏不变矩易受摄像头径向畸变影响造成水下目标识别率低的问题,提出一种基于改进的Hu氏不变矩提取形状特征的方法,该方法依据摄像头的径向畸变模型重新恢复目标像素坐标与其灰度值的映射关系,构造出新的具有平移、缩放和旋转不变形的形状特征向量.同时为消除形状特征向量信息间的冗余问题,根据相关向量线性组合不改变向量自身性...     

基于Hopfield网络的衰变目标识别研究

人工神经网络是对人脑功能的某种程度的反映，具有自适应，自学习的能力，可通过对模式样本的自学习，从中获取特征，并能将学习获得的知识应用到后来的识别中。本文采用单层离散Hopfield网络来实现衰变目标的识别，提出了选取Hopfield网络三个记忆模式方法。     

基于核规范主元分析法的雷达目标识别

线性子空间法作为高分辨雷达目标识别方法的特征提取只是利用距离单元的二阶统计量，为了充分利用距离像的高阶统计量，给出了一种核规范主元分析的特征提取法，对雷达目标进行了识别．通过核主成分分析，核分辨分析与核规范主元分析3种方法的外场实测数据实验，表明本文给出的雷达目标识别方法具有良好的稳健性．     

基于神经网络方法的手写体数字识别

利用神经网络技术对无限制手写体数字进行识别。在选取合适的特征基础上，对图像进行分域处理，每一小域对应输入层的一个神经元。测试结果表明，该识别方案具有很强的抗畸变、抗旋转能力。     

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

     

基于小波变换和径向基神经网络的签名识别

主要研究利用小波变换和径向基神经网络进行签名图像的分类识别.它包括不同签名图像和相似签名图像的分类识别.所提出的方法包括小波域的图像特征提取和利用径向基神经网络的模式分类.采用小波的多分辨分析方法对签名图像进行时频分析特别有效.熵和能量相关特征的概念用于小波域.径向基神经网络具有快速的收敛速度和分类能力.实验仿真证实了...     

结合RSTC不变矩和LVQ神经网络的红外图像目标识别方法

通过分析比较红外图像的目标特征,为了达到理想的识别效果,在Maitra不变矩的基础上进行优化,选取RSTC不变矩作为目标识别的特征向量.采用LVQ神经网络建立识别模型,充分发挥神经网络的智能优势.对采集到的红外图像进行了测试实验,结果表明该方法可以提高识别效率.