一种基于不变矩和SVM的图像目标识别方法

本文提出了一种利用不变矩和支持向量机(SVM)对图像目标进行识别的方法.该方法提取目标的6个不变矩作为特征矢量,应用SVM方法对其进行分类识别.结果表明,这一方法对仅含有目标和背景的图像具有很好的分类识别能力.此外,还发现图像二值化取值范围对识别结果有直接的影响.     

基于形态图的UVMS水下三维目标识别

水下机器人-机械手系统(UVMS)在对水下目标进行自主或半自主作业时,首要及关键的一步是进行目标识别.由于水下环境的特殊性,水下视距很小,光学成像具有噪声大、对比度差等特点;上述因素使得基于局部特征的目标识别对尺度、旋转、光线等变化的敏感度大大增加.借助立体视觉及航向传感器信息,利用水下三维目标的变尺度形态图方法可靠地实现了水下目标识别,并通过实验对该方法进行了验证.     

基于水平集和支持向量机的图像声呐目标识别

为了能实现水下遇险目标的精确定位,首先要对声呐所获取的图像进行目标识别。利用水平集法获得水下声呐图像中目标轮廓后,提取目标轮廓的7个不变矩作为特征矢量,并将获取的不变矩特征输入到已经训练好的支持向量机中进行识别,从而得到识别结果。所使用的识别方法综合了基于水平集提取轮廓的长处,不变矩的位移、尺度、旋转不变性的特点和支持向量机在小样本、非线性模式识别中的独特优势。实验结果表明:该方法对高分辨率图像声呐具有较高的识别率和较低的误判率,对原始声呐图像的目标识别率高达99%,对加入方差为0.09的高斯噪声的声呐图像的目标识别率可以达到97%。     

单源可见光遥感图像中的水域识别

水域识别是图像分类识别中的一个重要问题.不论是地形分类,还是水上目标的识别,都需要准确的水域识别予以辅助.但是以往的水域自动识别算法适应性不好,只适用于水域与背景灰度差异明显的图像,在实际应用中受到很大限制.本文针对这一问题,设计出了一种基于水域特征的水域自动识别方法,使得识别的适应性和准确性都有很大提高.本文的方法已经应用于相关工程.     

全局参数估计的水下目标偏振复原方法

水体介质对光的吸收和散射是导致水下成像退化的两大主要影响因素。针对水下目标成像,本文提出了一种全局参数估计的水下目标偏振复原方法,利用构建的精简水下目标偏振重构模型,通过自动估计全局最优偏振信息重构参数,复原出水下目标图像,降低水体对图像质量的影响。在估计重构参数的过程中,首先,采用偏振中值滤波方法和基于亮原色原理的方法,分别估算水下背景光偏振度信息和无穷远处水下背景光强值;再利用基于最小互信息原则对估计的背景光偏振度信息进行优化;然后采用水下目标偏振图像增强算法将得到的水下目标重构图进行细节增强处理,最终获得复原后的水下目标辐射信息图。实验结果表明,在性能评价指标方面,相较于水下原图和其他水下复原方法处理图,利用本文方法处理后所得的图像增强测量值EME平均提高了120%,图像质量得到了明显的改善。该方法解决了人工取景估计参数不佳的问题,提高了复原目标图像的对比度,可以用于浑浊水下的目标探测与识别。     

水下海参图像处理方法研究

由于海参养殖的水下环境相对复杂,导致水下拍摄得到的图像容易受到水源浑浊度、光照折射或水流速度等环境因素影响,造成图像质量低,更有海草、水下生物、人类垃圾等背景因素干扰,给图像中海参的检测造成了很大的困难。结合水下海参图像的实际情况,首先对采集到的图像进行灰度值范围调整使图像更加明亮,突出图像中的重要信息;选择高斯高通滤波器使图像得到锐化处理去除图像的低频部分,突出图像边缘;之后采用全局阈值分割方法将目标对象和背景较为明显的区分出来。通过上述方法实现海参图像的增强、分割处理,为水下海参图像的检测识别提供一种有效的图像处理方法。     

一种新的复值独立分量分析的特征融合识别方法

摘要：介绍了复值独立分量分析(Complex ICA)的基本原理和算法,并提出了基于复值独立分量分析的目标识别方法。该方法首先利用快速独立分量分析算法(FICA)对目标训练集图像进行ICA分解,然后分别提取基于独立分量的训练集和测试集目标特征,采用线性判据对训练集目标特征进行分类训练,找到合理的分类阈值,最后对测试集图像进行分类识别。本文的创新点在于把复数值独立分量分析的方法应用于多传感器融合的目标识别。实验结果表明,本文提出的方法是可行的,并能获得较高的目标识别准确率。     

基于纹理特征和支持向量机的葡萄病害的识别

针对葡萄病害彩色纹理图像的特点,提出一种将支持向量机和色度矩分析应用于葡萄病害识别的方法.首先利用色度矩提取葡萄病害叶片纹理图像的特征向量,然后将支持向量机分类方法应用于病害的识别.葡萄病害纹理图像识别实验结果表明,利用色度矩提取病害彩色纹理图像特征简便、快捷、分类效果好;支持向量机分类方法对于病害分类训练样本较少时,具有良好的分类能力和泛化能力,适合于葡萄病害的分类.不同分类核函数的相互比较分析表明,径向基核函数最适合于葡萄病害的分类识别.     

基于计算机视觉的玻璃制品在线分类识别

鉴于以往基于面积的目标(玻壳)分类识别方法应用有限,并且误判率比较高的问题,本文提出了基于模板匹配的分类识别方法.通过对电视机显示器的"玻屏"和"玻锥"的在线分类识别问题研究,解决了图像的采集、预处理、锐化、边缘检测等问题,并应用模板匹配方法实现了相关的分类识别.     

复杂场景下应用成像Ladar的自动目标识别

针对目标部分被树木遮挡时造成的识别困难,提出了基于成像激光雷达(Ladar)的自动目标识别算法.介绍了采用的数据分类、数据拼接、目标姿态调整和基于高度直方图的目标识别等方法的操作步骤.应用图像处理技术对场景数据进行分类,实现地面、目标和树木的分离;利用图像帧之间内在的相关性,采用"由粗到精"的方法求出数据变换矩阵并进行数据拼接;根据目标位置的法线方向进行目标姿态调整得到目标高度直方图.最后,将采集的目标高度直方图同存储的模型高度直方图进行匹配,识别出目标类型.实验结果表明:目标提取部分占目标总面积的90%以上,对目标的识别率高于99%,基本满足自动目标识别算法的稳定可靠、识别率高、抗干扰能力强等要求.