基于支持向量机的坦克识别算法

本文提出了一种基于支持向量机的坦克识别算法。在对图像预处理之后，运用颜色和纹理信息进行分割，采用基于数学形态学的算法求得边缘像素，提取具有RST不变性的轮廓特征向量，输入支持向量机进行训练和识别。将支持向量机与传统的人工神经网络的算法进行了对比实验，实验表明基于支持向量机的坦克识别算法具有更好的性能。     

基于计算机视觉的珍珠形状分级识别技术研究

 为了解决人工分选珍珠效率低、精度不高等问题,提出了一种基于计算机视觉的珍珠形状分级方法.首先根据珍珠图像的灰度直方图对图像进行分割,并使用闭操作去除图像中噪点,接着用八邻域法搜索珍珠图像的边界,提取珍珠轮廓曲线的傅立叶描述子,再计算被测珍珠与标准模板库珍珠的傅立叶描述子的欧氏距离,根据欧氏距离实现珍珠形状的分级识别.最后实验验证了本方法的有效性和实用性.     

基于图像边缘特征的零件分类与定位算法

本论文提出了一种基于图像边缘特征的零件分类与定位算法。算法首先对图像腐蚀膨胀等预处理,然后通过边缘检测得零件的完整边缘轮廓,然后对零件边缘轮廓图像使用方向梯度直方图(HOG)构造训练数据,并采用支持向量机(SVM)在训练数据上训练分类识别模型,最后进行检测。根据检测结果获得图像中零件的种类和位置信息,然后使用棋盘格标定的方法来确定深度。标定时,取标定板上的两个点来计算深度,根据已知的深度,获取实际抓取点的两个图像坐标系的x,y值,计算世界坐标系坐标。此系统能解决零件分类、定位问题,能广泛运用于生产线引导工业机器人进行零件抓取。     

轮廓特征与神经网络相结合的行人检测

传统的基于方向梯度直方图与支持向量机的行人检测方法运算量大,针对这一问题,本文从轮廓特征的角度出发,提出了头肩轮廓特征与神经网络相结合的检测方法。该方法根据人体头肩模型具有相对稳定性,且轮廓特征可以作为人体识别的依据,采用边缘检测与均值漂移相结合的方式提取人体轮廓,采用经PCA降维的傅里叶描述子提取轮廓特征,结合神经网络分类器完成初次人体识别。采用RGB头发模型和均值漂移方法,对遮挡情况下被判别为非人体的目标图像做进一步处理,聚类出多个人体头肩模型,重新参与分类。实验结果表明,本方法人体检测的准确率和检测速度与现有的算法相比都有所提高,且克服了遮挡情况下人体头肩模型提取错误的弊端,提高了人体检测的识别率和应用范围。     

基于系数关系共生矩阵和SVM的纹理分析

纹理是图像中非常重要的特征.提出了一种新的纹理特征提取算法,即对纹理图像进行离散小渡框架变换后,利用同一变换尺度下的小波高频系数与低频系数之间的依存关系信息,构造系数共生矩阵,在此基础上进行纹理特征提取,而不是独立地提取各子带系数特征.考虑支撑向量机(SVM)在小样本数据库和泛化能力方面的优势,在分类实验中采用支撑向量机分类器,实验结果表明,基于这种共生矩阵特征提取分类算法能得到很好的分类结果.     

基于粒子群最小二乘支持向量机的前视声呐目标识别

随着声成像技术的日益发展和广泛应用,利用图像声呐进行水下目标识别逐渐成为水声探测领域的重要研究方向之一。根据前视声呐图像的特性,提出了一种水下目标识别的方法。对声呐图像进行去噪和增强处理并分割图像,来获取目标所在区域、提取目标的区域形状特征;利用粒子群算法优化最小二乘支持向量机的正则化参数和核参数,构造出高性能的多分类器;输入待识别目标的特征实现分类。实验表明:优化后的最小二乘支持向量机能够准确、有效地识别出水下目标,并且具有较高的精度。     

基于 SVM 的模糊图像识别

目的研究如何准确识别清晰图像与不同程度的模糊失真图像。方法首先对图像进行特征提取,主要从离散余弦变换域内的频率系数统计特征、峰度值、颜色饱和度三方面进行。然后在不同程度的模糊图像库中,利用支持向量机分辨出模糊图像。结果基于上述3种图像特征的组合,非常适合用于描述图像模糊现象,并且运用支持向量机分类器可以较为准确快速地区分出高斯模糊图像和清晰图像。结论提取模糊图像具有表征性的特征,可应用于不同程度模糊图像的识别,且运用支持向量机分类结果准确度也较高。此方法可应用于图像处理前期,剔除有碍信息表达的模糊图像。     

基于形状匹配的刀具在机监测方法研究

针对精密加工过程中对刀具切削刃形状监测的需求,本文对基于形状匹配技术的刀具在机监测方法进行了研究.设计并搭建了刀具在机图像采集系统;利用改进的Brenner自动对焦算法实现刀具图像的高质量采集;通过改进的Canny算法计算边缘点位置和梯度方向向量,实现刀具切削刃的轮廓描述;最后根据计算在机获取的刀具切削刃和原始切削刃形状的匹配度来判定刀具是否磨损.实验表明,本文算法得到的刀具监测系统的监测结果与后刀面磨损量VB具有很强的相关性,且具有稳定性好、效率高等优点,因此形状模板匹配算法的匹配度可以作为刀具磨损的判断依据.     

基于边缘识别的虹膜定位算法

为了提高虹膜定位算法的抗干扰能力,本文提出了一种基于虹膜边缘识别的虹膜定位算法.该算法应用图像几何矩函数提取虹膜内外边缘的特征,通过由支持向量机(SVM)训练的分类器进行虹膜边缘点的识别.最后由Hough变换对识别的结果进行参数求解并实现虹膜的定位.本算法经过了CASIA虹膜图形库的实验验证,仿真实验数据表明所提算法不仅具有较快的定位速度和较高的定位成功率,而且性能稳定.     

基于支持向量机与改进分水岭的红细胞识别算法研究

针对因红细胞重叠以及细胞试剂里含有杂质而造成红细胞识别不准确的问题,提出了一种基于支持向量机(Support Vector Machines,SVM)与改进分水岭算法的红细胞识别算法.算法首先提取原始图像的二值化图像中每个连通区域的形状特征;利用SVM识别单个连通区域与重叠连通区域;利用改进分水岭算法将重叠区域分割为单...