基于Gabor函数的图像纹理识别

提出了一种改进的Gabor变换的图像纹理增强算法,该算法将纹理图像频率分为连续和离散频域,然后把频域进行能量合成,最后Gabor滤波器以能量分布进行连续频域和离散频域滤波,给出了程序代码.实验仿真表明了该方法的有效性和实用性.     

基于图像纹理特征的炮膛疵病检测方法

为实现炮膛疵病的自动识别,提出提取炮膛疵病图像的纹理特征的方法。对若干类炮膛疵病特点进行分析,引用灰度共生三角阵的概念和灰度共生矩阵的熵、能量、对比度、相关度4个特征参量,提取图像的纹理特征。实验结果表明,该方法是有效的,能缩短计算时间,并充分反映图像的灰度空间信息。     

基于时频图像纹理特征的雷达辐射源信号识别

为了解决低信噪比条件下雷达辐射源信号识别率低的问题,提出了一种提取时频图像纹理特征的脉内调制方式识别方法.该算法首先对信号进行Choi-Williams变换,在对时频图进行预处理后提取其改进的局部二值模式纹理特征(LBPV),并用支持向量机进行分类判别.使用6种典型雷达信号进行仿真实验,仿真结果表明在-2 dB的低信噪比条件下该方法的平均识别率可达95％以上,局部二值模式算子在低信噪比下的识别能力得到大的提高.     

复杂场景下的SAR图像水域边缘特征提取

合成孔径雷达(SAR)图像中的水域具有极高的遥感应用及地理应用价值;针对SAR图像固有的相干斑以及复杂场景下SAR图像水域边缘检测算法受到建筑物等人造地物强散射点干扰造成虚假边缘的问题,提出了复杂场景下SAR图像水域边缘特征提取方法;该方法通过构建SAR图像的二维灰度直方图对SAR图像进行预处理,一定程度抑制了相干斑噪声对边缘检测的影响,并在分析SAR图像中建筑物等人造地物与水域散射特性差异基础上利用二维灰度直方图对SAR图像进行分割,抑制强散射点;通过实验验证,该方法有效抑制了相干斑以及建筑物等人造地物强散射点的干扰,实现了复杂场景下的SAR图像水域边缘特征自动提取.     

基于边缘与区域特征的无人机图像地平线检测

针对基于视觉的无人机自动定姿中的地平线检测问题,分析了图像中地平线的边缘特征和区域特征,提出了基于单向边缘和灰度分布特征的地平线归属点识别准则和检测方法,利用改进的多模型输出RANSAC估计算法实现了边界点中候选地平线提取,最后利用地平线的识别准则完成了地平线的快速、可靠鲁棒性检测.实验结果证明了该算法的有效性.     

一种基于目标边缘灰度的图像模糊增强算法

通过对现有Pal模糊增强算法的分析,指出其在隶属度函数定义与进行增强处理时渡越点选取时的两个缺陷．针对缺陷分别进行了改进性研究,提出了一种基于目标边缘灰度值的图像模糊增强算法（OEFEA）,定义了以目标边缘灰度为均值的正态分布函数为隶属度函数。提出了可根据处理需要自由选取渡越点的处理方法,并最终通过实例将其成功地应用于图像增强处理。     

基于纹理感知的目标检测方法

利用人造物体与背景景物存在的纹理差异提出一种基于纹理感知的目标检测方法。该方法利用灰度共生矩阵计算景物的纹理特征,对物体的强度、方向和纹理特征进行非线性融合,突出纹理粗糙度弱的人造物体并抑制纹理粗糙度强的背景。理论分析和实验结果表明,该模型融入了纹理粗糙度和相似性等特征来组织目标,提高了目标检测性能。     

基于轮廓小波变换的多尺度图像融合

本文提出了一种基于轮廓小波算法的图像融合方法,并将该算法与小波算法进行比较,仿真结果表明,该方法能够得到很好的图像融合结果,结果具有很好的视觉效果,其信噪比要高于基于小波算法的方法.     

基于非下采样轮廓波变换与引导滤波器的红外及可见光图像融合

为克服传统融合方法对灰度相关性较弱的红外与可见光图像融合存在的不足,提出一种基于 非下采样轮廓波变换（NSCT）与引导滤波器的融合方法。利用NSCT对源图像进行多尺度多方向分解,分离出包含在不同频带内的特征信息,得到一个低频近似图像和多个高频方向细节图像;局域窗口加权平均能量和改进拉普拉斯能量分别作为低频近似图像的活性测度,构造显著特征图对近似图像进行加权平均,以解决能量保持和细节提取两个关键问题;在方向细节图像中,基于活性测度取大规则获得决策映射图,将源图像作为引导图、决策映射图作为输入图像进行引导滤波,得到权重分配图,对方向细节图像进行加权平均,降低噪声的敏感度。对融合后的近似图像和方向细节图像进行NSCT逆变换,得到最后的融合图像。采用多组红外与可见光图像进行融合实验,并对融合结果进行客观评价。实验结果表明,该融合方法在主观和客观评价上均优于已有文献的一些典型融合方法,如基于两尺度分解的引导滤波融合方法、NSCT域内稀疏表示融合方法、基于像素显著性的交叉双边滤波融合方法、基于深度学习的卷积神经网络融合方法、基于显著性检测的双尺度融合方法,可获得更好的融合效果。     

基于脉冲耦合神经网络提取图像边缘的新方法

基于脉冲耦合神经网络(PCNN,PuIsc Coupled Neural Network)是一种依据动物大脑视觉皮层上的同步脉冲发放现象而提出的新型神经网络,提出了一种实用的用PCNN直接提取灰度图像边缘的新方法,从而可直接对256色灰度图像进行边缘提取,解决了文献[4]只能提取二值图像边缘的局限,扩大了该方法的应用范围.仿真结果表明,该方法是行之有效的.     

基于形态学和直方图分析的多源图像目标分割算法

提出了一种兼具形态学和直方图分析方法优势的多传感器图像目标分割算法。首先根据图像内在属性用指定直方图方法进行图像增强,利用图像区域直方图统计描述子特征进行目标区域检测;然后分别对红外图像应用形态学重构,对激光雷达图像应用局部阈值法进行目标轮廓估计,再将各传感器图像获得的兴趣区域进行交叉验证,排除背景干扰;应用动态边缘演化技术最终确定目标边缘。对复杂场景的多传感器图像测试表明,该算法较好地保留了目标的形状特征,是一种有效的多目标分割算法。     

SAR图像与可见光图像融合的建筑物提取算法

提出了一种基于SAR图像和可见光图像融合的建筑物提取算法,由SAR图像提供建筑物的可能方位信息,由可见光图像提供建筑物提取所需的视觉特征。该算法充分利用建筑物在2幅已配准的SAR图像和可见光图像中所表现的共性和互补特征,采用边缘匹配和感知组合的方法提取建筑物的轮廓,在可见光图像中采用屋顶灰度均匀性特征进行建筑物验证。实验结果表明,本文算法具有较好的检测效果。     

基于DSP的低分辨率红外目标特征提取及识别

针对末敏子弹试验样机在某试验靶场的高塔上扫描，所获得的低分辨率红外目标图像，介绍了目标特征提取及识别方法。研究指出目标波形携带了与目标密切相关的信息，利用参数方法对目标波形进行分析并选取某些参数作为目标特征向量，可对目标进行粗略分类和识别。在对目标波形进行特征分析的基础上，用抽驭的特征向量构造了目标模板。用以DSP为图像微处理器的试验样机进行现场试验表明：该方法对低分辨率红外目标的识别有好的效果。     

一种基于特征匹配的目标识别跟踪方法

针对复杂背景下的动态目标跟踪问题,提出了一种基于边缘检测,综合多图像特征与伺服机构位置信息进行匹配的目标识别跟踪方法。利用SUSAN算法检测边缘,提取出单帧图像中的可疑目标,依次选用灰度、目标几何、伺服机构位置信息和边界不变矩信息匹配,完成目标的识别。采用kalman预测滤波对脱靶量滞后时间进行补偿,选用目标空间位置进行多步预测,引导伺服机构跟踪。外场实验表明,该方法能有效她匹配识别出目标,并保持连续稳定的跟踪。     

基于图样文件的非几何特征识别与提取模块设计

零件的非几何特征与加工直接相关,对衡量设计方案的可行性至关重要.由于表面粗糙度和加工精度等非几何特征参数并不能从通用的工程图纸设计平台 AutoCAD 中直接识别和提取,因此采用 ObjectARX进行二次开发.实验证明,定义的非几何特征可以从 AutoCAD 图样文件中有效识别,相应的参数能正确提取.     

基于小波和神经网络的红外目标特征提取与识别

研究了小波和神经网络相结合进行目标识别的方法.利用目标信息主要集中在低频部分的特点,对信号进行小波分解,提取在不同频带信号的多尺度空间能量和不变矩作为特征量,再用BP神经网络进行识别.实验结果表明,该方法具有很高的识别率,充分说明了红外图像信号在小波子带上的不变矩及能量分布具有表征目标类别的信息.该方法对于精确制导武器的目标识别研究具有一定的实用价值.     

基于GLC-KSVD的稀疏表示人脸识别算法

稀疏编码中的字典学习是基于稀疏表示图像分类的核心内容,为此提出了一种基于Gabor特征和标签一致K-SVD(GLC-KSVD)字典学习的稀疏表示人脸识别算法;由于Gabor特征对光照、表情和姿态等具有一定的鲁棒性,首先对图像进行Gabor特征提取,用增广的Gabor特征矩阵来构建初始字典,然后通过字典学习得到原子与类别标签相对应的判别性字典和线性分类器,字典学习模型综合了重建误差、分类误差和稀疏编码误差,通过字典的标签一致约束,同一类别的样本得到相似的编码系数;实验结果表明:该算法具有良好的识别精度和较高的识别效率。     

基于小波变换和神经网络的毫米波一维距离像识别

将小波和神经网络理论结合，并将小波神经网络用于毫米波频率步进雷达目标一维距离像识别，提出了基于小波分析的能量特征矢量法，分类识别效果有了很大的提高．     

基于Brushlet 和自适应脊波网络的SAR 图像分类

针对BP神经网络分类模型网络训练时间长的缺陷,结合小波网络模型缺少对方向信息描述的情况,提出一种基于Brushlet和自适应脊波网络的SAR图像分类方法。该方法利用Brushlet变换提取SAR图像纹理的能量和相位特征,并将描述能量和相位的特征向量输入到自适应脊波网络中进行训练和分类,最后通过实验对比分析各分类方法的分类性能。实验结果表明,该方法快速、准确,其性能优于传统方法。