雷达信号包络特征的检测与分析

雷达信号的分类识别是电子对抗的一个重要方面，而雷达信号包络分析是识别它的一种重要方法，它利用检测设备截获敌方雷达信号，通过分析它的包络特征来识别雷达信号以便于干扰或反干扰，采用平滑、微分的方法对包络进行处理，获得它的各项参数信息，从而达到对雷达信号识别的目的。     

基于图像显著性特征的舰船目标检测识别方法

针对可见光图像中的舰船目标检测与识别问题,提出了一种基于图像显著性特征(Visual Saliency Features,VSF)的舰船目标检测识别方法.该方法包括3个主要内容:计算图像各通道全局对比度特征值,融合并进行分块压缩后得到显著图;采用Otsu算法自适应分割图像,获取舰船目标待识别区域;使用HOG特征+SVM...     

一种基于目标红外特征的目标分类识别方法

基于目标的红外选择性,提出了目标的９个特征量,并以它们为分量组成目标的特征向量,以此来进行目标的分类识别。由于特征量单位不统一,提出了一种近邻分类法。文中用３类飞机的红外图像进行实验。实验表明,用这种方法把提出的红外特征量用于目标的分类识别效果很好。     

基于特征区域匹配的运动物体检测

提出了一种利用特征区域的匹配实现运动目标提取的检测方法。特点是能通过背景图像与当前图像的特征区域中心位置偏差，确定运动目标在背景图像中的确切位置。实验证明，这种方法运算量小，适应性强，并且能在复杂的背景环境下有较好的检测效果。     

基于OpenCV的目标物体颜色及轮廓的识别方法

针对机器人视觉中对目标物体的拾取问题,提出一种基于Open CV函数对从摄像头输入的目标物体的颜色及轮廓进行有效识别的方法。首先利用摄像头读取目标物体及周围环境,经一系列图像处理后进行目标物体的颜色识别,在此基础上进行Canny边缘检测并查找轮廓,最后将轮廓显示。结果表明,该实验程序可以很好地完成对目标物体的颜色及轮廓提取,且有效地避免了目标物体周围相近颜色的干扰。     

基于茶叶红外光谱的特征识别方法

通过对识别理论的研究分析,建立了特征基理论,选择合适样品建立的光谱特征基,能反映样品的综合特征信息,从而对多组分物质进行识别研究;以茶叶样品为分析对象,进行了特征基理论的应用研究,实现了对重度发酵茶和普洱熟茶的识别;以普洱熟茶识别为例,通过比较特征提取前后茶叶的识别效果,分析了光谱分辨率问题,结果显示:特征提取后茶叶类内平均距离减小为原来的2×10-3倍,类间相对平均距离增大为原来的4~66倍,类间最小最大距离比值增大为原来的34~156倍,所以类内聚集度增大,类间分散度增大,即特征基理论使光谱分辨率大幅度提高.     

一种直扩通信信号快速检测识别方法

本文提出和论述了一种直接序列扩频通信信号的快速检测识别方法,用该方法可以对直接序列扩频通信信号的频率和相位,扩频周期,扩频码长及扩频码型进行检测和识别,最后,给出了把提案方法用于完整实验系统的测试结果。     

一种基于星点特征不变原理的快速星图识别方法

星图识别算法是星敏感器输出姿态的关键技术。根据星图从天球坐标系转换到星敏感器坐标系过程中存在特征值不变的原理,结合视场和星等需求建立了导航星表。并根据星图识别要求设计了对应的快速识别算法。针对特征表维数多的特点,采用K向量法提高搜索效率,同时采用并行计算的思想进一步提高搜索速度。采用Matlab编程实现了算法,并进行了仿真。结果表明,算法的识别效率可达97.8%,平均搜索时间可达14.4ms,能够满足准确率高、识别速度快的要求。     

一种基于CIS的快速字符识别算法

字符识别目前广泛用于文献资料的检索等场合。目前大多数字符识别使用摄像头采集图像,预处理后,进行字符校正,字符分割,字符识别。传统算法主要存在运行速度慢,耗时长,内存占用多等问题。同时,用摄像头采集图像,其本身也有一定的缺陷,例如对光线敏感等。因此,文中提出使用一种改进过的FPA字符细化算法结合SWT文本检测算法对文本进行预处理,使用HOG特征向量提取以及SVM分类等算法进行字符识别。同时,给出一种新型的基于CIS(接触式图像传感器)图像采集和处理系统,CIS自带光源,具有一些摄像头所不及的优点。文中方案经过测试,识别率较高,运行速率较快,内存占用率和处理时间较传统的字符识别方式都有一定的改善和提高。     

一种非组合的电磁目标快速识别算法

针对电磁目标识别算法中辐射源组合的本质是避免同一辐射源的多个可能识别结果同时参与一个目标识别模板的匹配置信度计算的问题,提出了一种非组合的快速电磁目标识别方法。依据目标平台与辐射源的搭载关系,建立辐射源识别和平台识别的两级识别体系,基于两点和三点模板匹配法对辐射源进行识别,然后使用非组合的快速模板匹配法对目标平台属性进行识别。仿真实验表明使用该方法计算目标的识别置信度简单易行,可用于实际工程中电磁目标的识别。     

A fast method for moving object detection in video surveillance image

Moving object detection and extraction are widely used in video surveillance and image processing. In this paper, we present a fast method for moving object detection. We use weights of the Gaussian distribution as decision factors, update parameters of the Gaussian mixture model if its values are smaller than that of those not belonging to the background; otherwise, no updates are done. It improves the existing methods by updating the Gaussian mixture model selectively. Experimental results on various scenes of video surveillance show that computation time of the proposed method is reduced.     

一种RS码快速盲识别方法

提出了一种RS码的快速盲识别方法.该方法基于RS码的等效二进制分组码的循环移位特性,通过欧几里德算法计算循环移位前后码字的最大公约式,根据最大公约式指数的相关性来估计码长,并快速剔除含错码字,进而利用伽罗华域的傅里叶变换(Galois Field Fourier Transform,GFFT)实现RS码的本原多项式和生...     

识别联机手写体汉字的多级分类方法

本文提出了一种基于笔划的联机手写体汉字多级识别方法，包括拐折码笔划识别方法和笔划位置的模糊匹配方法，拐折码法具有笔划识别率高，对笔划变形的容忍度大，计算简单等特点，笔划位置匹配法不要求笔顺，对书写者的限制比较少，本方法对国标二级汉字的识别率为95％，不要求笔顺，识别速度达到实时要求。     

PixelHop: A successive subspace learning (SSL) method for object recognition

A new machine learning methodology, called successive subspace learning (SSL), is introduced in this work. SSL contains four key ingredients: (1) successive near-to-far neighborhood expansion; (2) unsupervised dimension reduction via subspace approximation; (3) supervised dimension reduction via label-assisted regression (LAG); and (4) feature concatenation and decision making. An image-based object classification method, called PixelHop, is proposed to illustrate the SSL design. It is shown by experimental results that the PixelHop method outperforms the classic CNN model of similar model complexity in three benchmarking datasets (MNIST, Fashion MNIST and CIFAR-10). Although SSL and deep learning (DL) have some high-level concept in common, they are fundamentally different in model formulation, the training process and training complexity. Extensive discussion on the comparison of SSL and DL is made to provide further insights into the potential of SSL.     

一种快速张量分解算法及其在人脸识别中的应用

基于张量代数的人脸识别技术对姿态、光照和表情的变化具有很好的鲁棒性.本文在高阶奇异值分解的基础上,提出了一种基于特征空间的快速张量分解算法.首先使用传统的子空间学习方法对观测图像进行降维,然后在低维的特征空间对训练数据进行张量分解.通过在Weizmann人脸数据库上进行人脸识别实验,验证了本文方法的有效性.     

A clustering-based color model and integral images for fast object tracking

The paper presents a clustering-based color model and develops a fast algorithm for object tracking. The color model is built upon K-means clustering, by which the color space of the object can be partitioned adaptively and the histogram bins can be determined accordingly. In addition, in each bin the multi-channel gray level is modelled as Gaussian distribution. Defined in this way the color model can describe accurately the color distribution with very little bins. To evaluate similarity between the reference model and the candidate model, a similarity measure based on Bhattacharrya distance is introduced and its simplified form is derived under assumption that in each bin distribution of gray level in different channel is independent of each other. Motivated by the paper of Viola and Jones, the Integral Images for computation of histogram, mean and variance are proposed, with which the similarity measure can be evaluated at negligible computational cost. Thus, exhaustive search is made efficiently for object localization which guarantees the global maximum be achieved. Comparisons with the well-known mean shift algorithm demonstrate that the proposed algorithm has better performance while having the same (or less) computational cost.     

A fast online incremental learning method for object detection and pose classification using voting and combined appearance modeling

This paper presents a novel and rapid object detection method that identifies object positions and classifies object views. To overcome the limitations of appearance-based object recognition, we integrate a spatial relationship between local key points and object center position. A voting technique is applied to estimate the object area and then construct a bounding box to capture the object. A combined appearance model is introduced by a recall image to help deal with false detection problems. Experimental results show that our method can improve the object detection time while still preserving the average precision results. Moreover, our method can improve the accuracy of view classification.     

一种视觉导航用路标及快速识别方法研究

为解决视觉导航数据量大,计算周期长,与其他导航方式进行组合导航时存在信息滞后的问题,借鉴矩阵式二维码设计思想设计了一种可用于视觉导航快速识别的路标,并基于此路标特征提出一套快速识别方法。进行动态识别实验验证该快速识别方法,实验结果表明,所设计路标及提出的快速识别方法可以实现快速识别,满足视觉导航实时性要求,在采集图像畸变严重或路标只是部分进入视场等导致无法解码的情况下,系统依然可以输出部分导航信息。