一种新的分形特征方法及其在目标检测中的应用

文中提出了一种新的求解分形维数的方法,并利用目标分形特征和背景相比突变较大的特点把这种方法用到了目标检测当中,实验结果表明该方法简单易行、检测结果精确.     

一种新的基于分形特征的人造目标快速检测算法

从分形布朗模型出发,通过对自然背景和人造目标图像不同的灰度相关性分析,提出 一种新的分形特征提取算法,根据新算法得到的分形特征分布规律,进而形成一种简单有效的自然背景中人造目标的检测算法。实验结果说明了该算法的性能。     

高阶分形特征在目标特征提取中的应用

将分形理论用于空中人造目标红外图像的分析，提取出用于区分目标和干扰物的新的分形特征的缝隙特征，实验证明，此特征与传统特征相比具有较好和几何不变性，是一种较可靠的识别特征。     

基于分形模型的人造目标检测技术

介绍一种在红外和可见光图像中，自动检测自然背景中人造目标的方法．该方法以分形结构做为自然背景的数学模型，利用自然背景和人造目标在分形模型上的固有差异检测人造目标．本文还介绍了自适应分形特征的增强及图像检测方法；并以实际图像的处理结果，说明人造目标检测方法的效果．     

分形模型在海上雷达目标检测中的应用

在海杂波背景下进行了有效的海上目标检测是相当困难的。本文研究了海上目标雷达问波与海杂波的分维特性，提出了一种基于海面散射分维特性的检测方法。该方法以处处连续而不可导的非平稳不规则信号模型－分数布朗运动作为数学模型，提取出海杂波与目标回波的多种分维参数，并利用其固的差异进行检测。该方法用于仿真的舰船雷达弱目标的回波，取得了较好的检测效果。     

高阶分形特征在雷达信号检测中的应用

本文将高阶分形特征用于雷达信号的分析,提取出用于区分目标和杂波的新的分形特征——缝隙尺度变化率.推导了缝隙值在加性分形噪声中的关系式.实验表明:利用缝隙特征进行海上雷达目标的检测,可以取得较分维值检测更高的准确率.     

基于分形特征的目标检测算法概述及仿真

对目前比较常用的基于分形特征的目标检测算法进行了概述,并给出了相应的仿真结果.从仿真结果我们看出基于多尺度分形参数的目标检测算法是一种比较精确的算法,但是计算量太大.从计算量和精确度双方面考虑快速的基于分维数和分形拟合误差的目标检测算法是一种不错的算法.     

基于高阶分形特征的海面运动目标检测方法

将高阶分形特征用于海面运动目标检测,提取出用于区分运动目标和海杂波的新的分形特征--缝隙特征.实验表明利用缝隙特征进行海面运动目标检测,可以取得较分形维检测更高的准确率.     

基于分形理论的红外图像机场跑道自动目标识别

针对红外机场跑道航空图像特点,提出一种新的基于纹理结构的机场目标自动识别方 法。根据红外图像中机场目标的灰度和分形几何特征,利用先假设后检验方法对感兴趣区域进行分割;然后利用形态学滤波完成机场跑道潜在目标的进一步分割;最后,根据机场跑道的几何特征,连接图像边缘点寻找机场跑道的两条平行直线;根据纹理图像直方图统计特征完成机场目标的自动识别。实验结果证明:该方法有较高的自动目标识别率和计算实时性。     

分形理论在空中目标识别中的应用

以分形理论为基础，为空中人造目标的外图像建立了一个新模型，提取出具有较好几何不变性的特征－目标和干扰物灰度曲面的分形维数随尺度的变化规律，并以这种规律作为识别特征，将分形特征与传统的特征作了比较，大量的实验及理论分析表明，该特征具有较高的识别能力和识别可靠性。     

IFS图像空间结构特征及自动目标检测

一个迭代函数系—IFS(Iterated Function System ) 由一组压缩映射组成, 它描述了研究对象“整体”和“局部”之间的变换构成关系.对于图像来讲,IFS描述了图像“整体”和“局部”之间的空间变换关系,因此,IFS可以视为图像的空间结构模型,而与IFS有关的参数可以视为反映图像空间结构的特征.IFS的提出起源于分形图像压缩的研究,因此IFS与分形之间存在着密切的和内在的联系.IFS的理论中有两个重要的结论: 一是如果IFS中的压缩映射均为仿射变换,则IFS的吸引子将是一个分形集合;二是实际中所遇到的图像都可以用IFS的吸引子逼近.根据这两个结论,如果限定IFS中的压缩变换均为仿射变换,又图像本身具有分形结构,即图像“整体”和“细节”之间存在仿射变换关系,则用IFS的吸引子逼近图像所产生的误差很小(理论误差值= 0);如果图像本身不具有分形结构,则逼近误差很大.所以,根据IFS逼近误差的大小,即可判定被研究的图像是否具有分形结构特征.大量的理论研究和实验数据分析表明,自然背景的图像符合分形模型,而人造目标的图像不符合分形模型.因此,可以根据IFS逼近误差的大小实现对自然背景中人造目标的检测.提取图像IFS的算法有多种.本文采用Bath FractalTransform (BFT)算法,它是一个原理简单、实现方便、运算速度快的     

基于SWBCT和投影特征的遥感目标识别

方向信息提取与小样本问题是遥感目标识别与应用的瓶颈,基于平稳小波的Contourlet变换(Stationary Wavelet Based Contourlet Transform,简称SWBCT)与投影特征相结合,本文提出了一种新的遥感目标特征提取与识别方法.首先采用改进的Contourlet变换SWBCT对遥感图像进行分解,然后对分解子带进行方向投影并求投影向量的统计特性作为目标特征,进而利用K近邻分类器进行目标识别.与小波、Contourlet等代表性方法进行比较,实验结果与分析表明,该方法不仅具有较高的识别率,而且在小样本情况下,依然可以得到较好的结果.     

基于分形压缩特征的雷达目标识别研究

利用分形构形的基本理论,对雷达目标散射回波信号进行分形压缩逼近,通过分析压缩,对原始散射信号波形数据进行压缩,从而有利于目标识别．有此基础上,利用散射回波信号的分形压缩特征进行了目标识别研究．实验仿真结果证实本文方法行之有效     

基于红外多光谱图像相关性的自动目标识别算法

提出了一种基于红外多光谱图像相关性的自动目标识别新算法．根据目标、背景和干扰物的红外多光谱特征信息(辐射强度、光谱分布)构造出目标场景的红外多光谱特征矩阵；采用最大距离法分割图像，融合空间和光谱信息重构出研判目标的红外多光谱特征矩阵；根据研判目标的光谱辐射差异特性建立了红外多光谱图像相关识别准则．实验表明，该识别算法正确可行．     

一种新的适合于目标识别的仿射不变量

针对仿射变换所造成的某些特征点提取不稳定,提出一种新的适合于目标识别的仿射不变量,它是基于特征点和几乎不受仿射变换影响的目标轮廓线．当目标无遮挡时,新不变量仅依赖于当前特征点和整个轮廓线;当目标有遮挡时,新不变量依赖于当前特征点、与它直接相邻的两个特征点以及它们之间的轮廓线．在已有的基于特征点的仿射不变量中,新不变量所依赖的特征点是最少的,可以很好地应用于特征点提取不稳定场合的目标识别．     

基于极化不变量的飞机目标识别

基于宽带毫米波极化雷达体制背影，通过极化不变量之一的去极化系数，研究了飞机目标的极化散射特性，并提取了极化特征，设计了飞机目标的分类或识别器结构，它能对五种飞机目标进行有效的分类或识别。     

基于邻域统计特性的概率神经网络及其在自动目标识别中的应用

在概率神经的一种改进模型－ＦＤＯ网络的基础上，提出在设计网络收敛域时进一步考虑每一像素点周围８邻域的影响，对网络的作用函数加以修，使改进后的网络具有稳定性好且收敛速度快的优点。通过实验对改进前后网络的识别性能加以比较，证明改进后的网络特别适用于噪声图像的识别。     

智能型目标识别系统

介绍了图像目标识别技术中的图像分割，不变性参数提取和目标分类，利用图像目标的均匀性和相应知识自适应地分割和提取图像目标，被提取的每个图像目标的不变性参数由归一化过程和Ｚｅｒｎｉｋｅ矩提取，并利用ＭＰＮＮ模型将图像目标分类，实验结果该识别系统能识别光照不均匀或复杂背景下的图像目标。     

基于三阶累积量的红外弱小运动目标检测新方法

为检测强杂波背景中的红外弱小运动目标,提出了一种基于三阶累积量的检测新方法.该方法利用图像中目标经过时像素点灰度值有起伏变化这一特点,将其看作是一种非高斯弱瞬态信号,通过构造三阶累积量对其进行检测.此三阶累积量估计中的去均值处理同时实现了背景杂波的抑制,较好地改善了信杂比(SCR),提高了单帧检测性能.实验表明,该方法能够有效地抑制强杂波背景,在SCR>1时,能可靠检测目标.