基于矩特征的三维飞机目标识别

本文介绍了利用矩特征从二维数字图像识别三维物体的方法。利用不变矩和标准矩对五种不同的飞机目标进行了识别，比较了这二种特征的性能，并且分析了特征数目对识别正确率的影响和矩特征在离散情况下的尺度拉伸不变性。研究结果表明利用三阶标准矩并结合方差平衡的特征处理技术可有效地实现对目标的识别。     

融合轮廓矩和Fourier描述子特征的压印字符识别

提出了一种基于混合轮廓特征的压印字符识别新方法.首先提取字符轮廓的矩不变量和Fourier描述子,然后将2种特征融合构成混合特征,最后将新特征输入BP网络进行识别.实验证明,混合轮廓特征不仅克服了2种特征单独使用时的缺点,提高了识别率,而且可以提高特征的平移、缩放以及旋转不变性.     

基于区域矩的舰船图像目标特征融合方法研究

为了增强特征对图像目标的描述能力,一类重要的方法是将不同类型的特征融合。面向舰船图像目标识别,研究了基于区域矩的特征融合方法。区域矩不是计算原始图像像素的矩,而是计算图像特征的矩,具体是首先设计合适的目标特征,然后利用中心矩、Hu氏不变矩和径向矩实现特征融合,并基于KNN分类实现目标识别。仿真实验表明,与区域协方差相比,区域矩可以更好地融合舰船可见光图像或红外图像的目标特征,而且没有随机初始化问题,所以实用性和有效性更高。     

SAR图像矩特征分析

图像的矩特征对图像所表示物体的特征有很独特的表示意义,在目标识别、图像分析等很多领域都有着广泛的应用。本文用MATLAB软件编程仿真分析了图像矩的特征。对经过预处理的一幅SAR图像,用编写的目标提取函数对图像进行目标提取,编程计算出目标的不高于三阶的七个几何矩特征的值,然后分析了图像旋转时几何矩特征的特性。在图像以每次5度进行旋转直至转360的过程中,使用双线性插值法和维纳滤波对旋转后的图像处理,然后分别计算出每个角度时目标的矩值,并作出矩值的变化曲线。     

轮廓不变特征在待机飞行器识别中的应用

飞行器拍摄到的待机飞行器图像常出现旋转、尺度、仿射等畸变,同时噪声等影响会使目标轮廓部分缺失。针对这个问题,提出了一种轮廓不变特征,并将其应用于待机飞行器识别当中,以分割出来的物体灰度图像为基础,利用椭圆拟合方法进行方向归一化,提取全局轮廓特征;根据轮廓中的关键点位置将轮廓划分为上下左右4部分局部轮廓,提取局部轮廓特征,将其当作神经网络的输入参数,利用神经网络作为分类器,达到识别物体的目的。设计了两组目标识别对比实验。实验结果证明此方法在噪声污染、轮廓提取不完整的情况下,仍能得到较高的识别率,优于传统的矩特征等方法。     

轮廓特征包在激光主动照明识别系统中的应用

提出了一种结合轮廓转动惯量和特征包(Bo F)算法的激光主动照明目标识别方法。介绍了转动惯量的定义,并提出了一种多尺度轮廓转动惯量特征区域检测方法和轮廓转动惯量局部不变特征提取方法。多尺度轮廓转动惯量特征区域检测方法能够提取出包含轮廓的最小特征区域,而轮廓转动惯量局部不变特征能够很好地描述轮廓的大小、位置、规则度等信息,对于各种图像变换具有不变性,并且计算效率较高。使用Bo F算法统计图像的轮廓转动惯量局部不变特征,生成归一化特征直方图作为整幅图像的特征向量,输入训练好的支持向量机分类器进行识别。实验结果表明与基于Hu矩和BP神经网络的目标识别方法相比,所提算法在旋转和仿射变换下的识别率分别提高7.33%和19.08%。     

采用投影轮廓特征的激光雷达快速目标识别

激光雷达可以获得目标的三维形状信息,已成为目标识别领域新的研究热点。针对传统匹配识别算法计算量大的问题,提出了一种快速的激光雷达目标识别方法。采用由粗到精的策略,提出了一种新的点云正交投影轮廓特征(PCF)实现模型的快速预选,在此基础上利用迭代最近点(ICP)算法将目标与模型点云精确匹配,并综合利用特征匹配和点云匹配信息构建相似性度量实现目标识别。采用25类地面装甲目标在96个不同视角下的点云数据进行实验,结果表明该算法的运算效率远优于逐一匹配法,且对目标姿态估计误差和目标遮挡具有很强的稳健性,具有较好的综合性能和应用推广价值。     

基于光斑轮廓特征的目标快速识别算法研究

大视场的视觉着陆引导系统在引导无人机自主着陆过程中,需要快速检测出安装在无人机上的合作目标.该合作目标在图像上是以光斑形式存在,因此为了满足系统的实时性要求,本文提出了基于轮廓特征的快速检测光斑算法.该算法是根据光斑在图像中的特征,采用了 目标裁剪方法,将原始图像中的光斑部分裁剪出来,从而降低算法运算量;再通过图像预处理,消除背景的无关信息与噪声干扰,增强光斑的清晰度;最后利用最小二乘算法进行椭圆拟合定位出光斑的中心位置.将本实验算法与其他光斑检测算法进行实验对比,从而验证系统的实时性.结果表明:利用本文算法可以在保证精度的同时将运行时间缩减到36 ms.     

基于轮廓像的舰船目标识别方法研究

研究了舰船目标轮廓像形成原理,基于轮廓像的舰船目标识别方法不仅利用了雷达一维回波信息,还利用了回波序列间的相关性信息。建立了3种舰船模型,仿真获取回波序列形成的轮廓像数据,转化为二维灰度图像,提取多种特征进行描述。采用类间距离和类内距离作为依据讨论了特征选择的问题。仿真分析了信噪比、目标姿态角对识别结果的影响,给出了符合识别要求的信噪比范围以及建立模板库需要考虑的目标姿态角情况,结果表明采用轮廓像技术识别舰船目标具有良好的效果。     

离散不变矩算法及其在目标识别中的应用

该文分析了在离散状态下不变矩特征受比例因子变化的影响,提出了一种修正归一化中心矩的方法,保证了不变矩特征具有平移、旋转和比例因子的不变性,并将此用于目标识别,最后通过仿真实验,比较了修正前后的识别率,表明本文采用的方法是行之有效的方法。     

基于修正不变矩和范数的物体特征识别方法

为了快速而准确地识别出不同类的物体,提出基于修正不变矩和最小范数的物体识别方法,提取物体的不变矩和圆形度特征,利用泛函分析中的范数理论对不同形状的物体进行识别,方法简单,识别速度快,并且识别率较高.仿真结果表明该方法对物体的平移、旋转、缩放都具有不变性,从而验证了该方法的有效性.     

基于Zernike矩及支持向量机的猪的姿态识别

为监控猪的行为,提出了基于Zernike矩及支持向量机的猪的行走姿态识别方法。首先对原始图像进行预处理,提取出原始图像中猪的轮廓图像。然后,根据标准矩对上述图像进行归一化,再对归一化后的二值轮廓图提取Zernike矩特征。在此基础上,利用支持向量机理论设计了多种姿态分类器,实现对猪的正常行走、低头行走、抬头行走、躺卧等四种姿态进行识别。实验结果表明,此方法对猪的姿态分类识别的准确度达到了95%以上。该项研究对猪的姿态识别方面具有显著价值。     

基于轮廓分层描述的目标识别算法研究

有效的目标轮廓分段是描述目标局部特征的关键环节.针对现有轮廓描述算法存在轮廓分段不合理的问题,本文基于认知心理学,提出了分层描述的轮廓描述算法.算法思想是首先根据角点特征将整个轮廓划分成一些轮廓分段,接着对轮廓分段的分布特点提出价值尺度,然后将多级轮廓分段按照价值尺度原则合并得到有限个能够完整描述目标轮廓的特征分段,最后将特征分段综合考虑长度尺度应用到Shape Context相似度检测模型中进行目标识别.通过对MPEG-7图像数据库中的图像进行实验分析表明该算法能够完整描述目标图像的形状特征,提高了目标识别率和形状检索率,并对部分遮挡的目标也具有良好的鲁棒性.基本满足目标识别识别和形状检索对准确率、稳定性、抗遮挡能力等方面的要求.     

MET1证据理论在不变矩目标识别中的应用研究

分析了简化的证据理论识别方法,并将其用于目标识别中傅里叶-梅林矩和小波矩的特征融合。在证据理论的具体应用中,运用相关系数法和相对距离度量法构造出了两种新的基本支持函数并证明了其合理性。实验结果表明,证据理论的识别方法既可以提取图像全局信息,也可以很好地提取局部信息,比单独使用的傅里叶-梅林矩或小波矩识别效果更好。     

基于多特征空间的三维目标离面旋转识别

基于识别目标真假和空间位置的需要,将180幅训练图像分成了4个训练集,分别计算每个训练集的特征向量,分析结果表明每个训练集可以用3个特征向量来表示,这样用12个特征向量就可以建立目标的4个特征空间,使目标分解与重构过程大大简化。利用待识别目标向量与重构向量之间的关系,不仅可以判别目标的真假,还可以确定目标所在的空间位置。模拟结果表明,提出的目标多特征空间的建立方法和目标识别准则是有效的,能够实现离面旋转条件下三维目标真假和空间位置的识别。     

一种基于改进BP神经网络的物体识别方法

提出基于自适应学习速率动量梯度下降的BP算法进行物体识别,并以修正的Hu不变矩特征作为BP神经网络的输入,通过训练对网络的权值和阈值进行调整.该算法使BP神经网络在学习速率和稳定性上有了进一步的提高.仿真结果表明该方法对物体的平移、旋转、缩放都具有不变性,从而验证了该方法的有效性.     

基于不变矩的掌纹识别方法

特征提取是掌纹识别研究中最基本的问题之一,对于掌纹图像识别而言,提取有效的分类特征是完成掌纹识别任务的一个关键问题。掌纹特征提取的本质就是把原始的高维掌纹图像样本数据投影到一个更有利于掌纹分类的低维特征子空间中。利用不变矩,对掌纹图像进行特征提取,采用最近邻分类器进行掌纹识别,在公共掌纹数据库上的实验结果表明,该方法是可行的。     

利用支持向量机的飞机目标检测

为了在有干扰弹和飞机机型不定的情况下检测出天空背景中的飞机,通过自动阈值分割和腐蚀膨胀运算找出图像中的疑似区,提取其灰度方差、不变矩特征和像素比组成特征向量,应用支持向量机作为分类器对疑似区进行判别,判断其是否为飞机,选取典型的飞机图像作为正样本,选取干扰弹图像作为负样本.用不同背景和飞机机型的图像进行试验,证明该方法能很好地提出疑似区并有效地对疑似区进行检测识别出飞机目标.     

基于支持向量机的交通视频人车识别研究

提出一种静止摄像机条件下车辆和行人的支持向量机(SVM)识别方法。首先根据背景差分法对监控视频中的运动目标进行检测,提取出运动目标的基本轮廓,然后利用数学形态学方法对目标进一步检测处理。用星形向量表示法对运动目标提取8个特征,以及高度、宽度和高宽比作为另外3个特征,通过构造SVM分类器,实现了基于SVM的图像分类和识别。实验结果表明,该方法能够在视频监控中快速准确地对运动的车辆和行人进行检测和分类,平均识别率达到96.97%。     

基于无人机的输电线路设备识别方法研究

利用无人机进行输电线路巡检是近几年国内外研究的热点技术之一,其优点是在无需拉闸断电的情况下,即可对输电线路进行检测,对其故障进行判别。根据输电线路设备的特征,应用图像处理与模式识别技术,提出了一种识别绝缘子、防震锤和输电塔的方法。该方法先采用中值滤波、膨胀和腐蚀等方法对灰度化后的航拍图像进行预处理,然后提取预处理后图像的小波特征值,最后采用AP（Affinity Propagation）聚类方法对目标图像进行分类与识别。实验结果表明,所提出的方法能够有效的识别绝缘子、防震锤和输电塔等目标,具有较好的鲁棒性和准确性。