基于最小平均相关能量滤波器的畸变目标识别

通过对多种畸变目标识别算法的研究, 对用于匹配滤波器的最小平均相关能量(MACE)滤波器进行了改进。利用MACE滤波器算法的基本思想构造滤波器函数, 在合成参考图像前对训练图像进行边缘提取, 并对联合图像的功率谱进行了拉普拉斯锐化, 成功实现了在联合变换相关器中对旋转目标图像的探测和识别, 提高了畸变图像相关峰的亮度, 拓展了联合变换相关器的探测和识别的范围。作为实例, 对旋转战机目标图像进行了计算机模拟实验和光学实验, 验证了该算法的可行性。     

基于最小平均相关能量滤波器的目标识别技术

把用于匹配滤波器的最小平均相关能量(MACE)算法进行改进,成功应用于实时联合变换相关器。训练系列图像的谱按MACE综合后,经傅里叶逆变换在物面合成参考图像,同时在合成参考图像前对训练图像进行边缘提取,并对目标与参考图像的联合功率谱进行拉普拉斯锐化,提高相关峰对比度。给出了存在旋转变化的目标图像和光学实验。实验表明,改进后的MACE方法可大大减少训练图像的数目,减小运算量,很好地解决联合变换相关器对目标存在旋转变化的识别问题,可扩大目标识别的范围,提高识别率。     

基于相关输出相似性度量的目标识别算法

为了提高光学联合变换相关器(JTC)的目标识别能力,基于相似性度量原理,提出了一种新颖的相关输出图像数字处理算法。实验结果表明,该算法能够准确地识别旋转畸变-4°到+10°及缩放比例畸变70%到140%范围内的待识别目标,极大地提高了光学联合变换相关器的畸变不变容忍度。     

基于小波多尺度综合的低对比度目标识别

光电混合联合变换相关器能够对目标进行自动探测识别和跟踪。为使联合变换相关器对低对比度目标进行有效探测与识别,提出了一种基于小波多尺度综合的边缘提取新方法,对输入图像进行预处理。计算机模拟实验和光学实验证明,该方法使相关器在输入图像对比度低、信噪比较低时仍然能够产生较强的相关峰输出,扩展了光电混合联合变换相关器的应用范围。     

梅林变换在光电混合目标探测技术中的应用

利用透镜的傅里叶变换性质,并采用电寻址液晶等关键器件,研制成功光电混合联合变换相关器,实现了对复杂背景目标的准实时探测和精确定位.相对于传统的4f系统,具有识别精度高、识别速度快等特点.由于从图像传感器采集到的运动目标图像信息含有各种畸变形式(如位移、旋转、比例等),使得运动目标实时自动识别与跟踪变得困难.提出了梅林(Mellin)变换的方法,对梅林变换的原理及算法进行了深入研究,并进行了光学实验,得到了较好的实验效果,解决了目标尺寸不变问题.作为实例,给出了高空拍摄的航空图片的实验结果.目标的大小是模板的150%,经梅林变换处理后得到了较强的相关输出,该算法在光电混合目标探测领域具有一定的实际应用意义.     

用二元小波滤波器作图像相关识别

本文提出用二元小波滤波器作图像相关识别的技术。利用小波变换对图像处理的优越性,对小波滤波函数进行二元化处理,成为二元带通滤波器,并应用于旋转图像的识别,本文进行了理论阐述和计算机模拟实验,结果证实了设计的可行性,与经典的联合变换相关器相比输出功能大为提高。     

基于群体智能边缘提取算法的联合变换相关器

为提取联合变换相关器输入面图像的边缘,改善相关器的识别效果,提出了一种基于群体智能的图像特征提取方法,并将其应用于联合变换相关器的输入面图像预处理中.实验结果表明该算法有效提取了图像的边缘,锐化了相关峰,提高了联合变换相关器的目标识别能力.群体智能计算机并行算法与联合变换相关器光学并行系统相结合,为实现实时高效的光电混合目标识别系统奠定了坚实的理论基础.     

小波变换在图像相关识别中的应用

光学图像识别具有广泛的实际应用价值,而联合变换相关器(JTC)是目前采用最多的一种进行图像相关识别的结构方式。将小波变换与联合变换相关技术有效地结合在一起,分析了如何采用小波变换来实现图像相关识别的理论方法,并提供了相应的结构框图,对采用小波变换用于图像目标识别的优点进行了概括及总结,并对该相关识别系统中所应采用的小波类型、滤波方式、滤波器的制作等多方面进行了介绍和分析。     

提高复杂背景目标探测与识别能力的研究

联合变换相关器在识别复杂背景中的低对比度目标时,由于背景噪声的干扰,相关峰的对比度明显降低,甚至得不到相关峰.将反色技术应用到联合变换相关器的物面图像处理中,可以使信号能量突出,同时抑制背景噪声,提高实时联合变换相关器物面的有用信息衍射光的能量,从而使得相关峰对比度增强,实现目标的自动探测、识别和定位.因此反色技术在复杂背景目标探测与识别中有着重要的作用.     

数字图像处理在光学相关识别中的应用

光学模式识别信息处理容量大,运算速度快,但精度不高,存储不灵活,不易判断控制和分析.联合变换相关器在光学图像相关识别中得到了广泛的应用.为提高联合变换相关器的性能,将数字图像处理技术引入光学相关识别中,主要体现在对联合图像进行预处理以及对联合功率谱的滤波处理.详细阐述了国内外常用的联合图像预处理算法和功率谱滤波算法,并对这些算法在光学相关识别中的应用效果进行了比较研究.     

光学相关多目标识别技术

光电混合实时联合变换相关器能够实现目标的自动识别和定位（方位角和俯仰角）,在复杂背景中,多目标动态测量一直是待解决的关键技术之一,由于背景复杂、目标多、噪声大,因而目标识别效果不佳。针对这一问题,提出了在光电混合联合变换相关器中应用高斯滤波和拉普拉斯算子相结合的新方法,并把其应用在目标图像的频谱面。即基于高斯滤波先对目标图像的频谱进行平滑、积分以滤掉噪声,再利用拉普拉斯算子进行边缘检测,使目标图像轮廓清晰,降低了噪声的影响,消除了双边缘现象,最大限度地保留了频谱图像的细节信息。该方法解决了多目标的识别问题,提高了光电联合变换相关器的目标识别率。给出了飞机多目标识别的实验结果。     

高斯拉普拉斯算子在联合相关变换器中的应用

提出将高斯拉普拉斯算子应用在光电联合相关变换器中进行谱面图像的增强处理.光电混合联合变换器可实现对目标的实时探测、识别及自动定位,但由于实际中采集到的图像的对比度较低,且存在大量背景噪音,影响了目标的识别率.根据高斯拉普拉斯变换对高斯噪声不敏感的特性,结合了自适应阈值、边界跟踪和细化技术,对图像噪声进行滤波的同时,对图像进行了增强处理,这样最大限度地保留了光谱图像的细节信息,提高了光电联合相关系统的目标识别率.     

基于灰关联的红外目标识别方法

针对红外目标类型识别问题,提出了一种基于灰关联分析的红外目标识别算法.该算法在对红外图像进行边缘检测后,提取目标的奇异值特征作为关联参数,通过比较特征参数的灰关联值实现目标识别.该算法根据目标各个特征指标稳定性的不同,采用了一种灰关联加权系数的方法,仿真实验验证了该方法在红外目标识别问题上的有效性,并对目标旋转和平移有一定的适应能力.     

基于改进MACH算法的畸变目标识别

由于观察距离和角度的不同,待识别的目标图像相对模板图像会存在一定程度的角度畸变和比例畸变,大大限制了光学相关模式识别的发展。将最大平均相关高度(MACH)滤波器用于畸变目标识别,通过优化该滤波器的控制参数,并根据多次的计算机仿真实验和光学实验,使该改进型MACH 滤波器具有畸变公差高、相关点明亮等特点。用改进后的MACH 滤波器对角度畸变目标和比例畸变目标实施频域滤波,能有效增强相关峰强度,扩大畸变目标识别范围。作为实例,给出了复杂背景下识别汽车的计算机仿真实验和光学实验,有效验证了该算法的可行性。     

UWBSAR图像中的点目标检测

针对超宽带合成孔径雷达(UWBSAR)图像的某些应用场合,研究了其中的点目标检测问题,提出了一种检测算法。该算法综合运用方向依赖滤波和子图像融合提取UWBSAR图像中点目标的各向同性特征,并通过恒虚警率检测最终实现UWBSAR图像中的点目标检测。对实验数据的处理验证了该方法的有效性。     

基于OpenCV的红外弱小运动目标检测与跟踪

针对信噪比低、背景和噪声干扰严重的红外图像,根据图像序列中运动目标的帧间相关特性以及噪声的不相关理论,基于OpenCV（Open Soure Computer Vision Library）计算机视觉库,提出了一种弱小目标的检测算法,并对检测到的目标进行了跟踪。采用能量累积的方法得到背景,然后从原始图像中去除背景,提高信噪比;利用目标的帧间相关特性以及运动信息去除噪声;最后通过Kalman滤波算法来对检测到的目标进行跟踪。实验结果表明:该检测算法能有效地从序列图像中提取出弱小运动目标,跟踪算法也能实时地进行跟踪并在目标被遮挡时准确地预测出目标位置。     

Correlation filters with controlled scale response.

Correlation filtering methods are becoming increasingly popular for image recognition and location. The recent introduction of optimal tradeoff circular harmonic function filters allowed the user to specify the response of a correlation filter to in-plane rotation distortion. In this paper we introduce a new correlation filter design that can provide a user-specified response to in-plane scale distortion. The design is based on the Mellin radial harmonic (MRH) transform and incorporates multiple harmonics into the correlation filter for improved discrimination capability. Additionally, the filter design minimizes the average correlation energy in order to achieve sharp correlation peaks, and thus we refer to these filters as minimum average correlation energy Mellin radial harmonic (MACE-MRH) filters. We present underlying theory, a MACE-MRH filter design method, and numerical simulation results.     

Significance of image representation for face verification

In this paper we discuss the significance of representation of images for face verification. We consider three different representations, namely, edge gradient, edge orientation and potential field derived from the edge gradient. These representations are examined in the context of face verification using a specific type of correlation filter, called the minimum average correlation energy (MACE) filter. The different representations are derived using one-dimensional (1-D) processing of image. The 1-D processing provides multiple partial evidences for a given face image, one evidence for each direction of the 1-D processing. Separate MACE filters are used for deriving each partial evidence. We propose a method to combine the partial evidences obtained for each representation using an auto-associative neural network (AANN) model, to arrive at a decision for face verification. Results show that the performance of the system using potential field representation is better than that using the edge gradient representation or the edge orientation representation. Also, the potential field representation derived from the edge gradient is observed to be less sensitive to variation in illumination compared to the gray level representation of images.     

基于Gabor滤波器和ICA技术的SAR目标识别算法

提出了一种基于Gabor滤波器和独立分量分析(ICA)技术对合成孔径雷达(SAR)目标识别的算法.该方法提取预处理后SAR图像的低频子带图像,利用Gabor滤波器组对该低频子带图像在不同方向和尺度上滤波,再用主成分分析(PCA)+ICA方法对Gabor滤波后图像提取有效特征向量作为目标识别特征,最后用支持向量机(SVM)对该特征进行分类完成目标识别.使用MSTAR数据库中3类SAR目标数据对该方法进行目标识别的仿真实验,平均识别率最高可达96.56%.通过与其他识别方法对比实验,验证了文中方法的有效性.