基于形态成分稀疏表示的红外小弱目标检测

信号稀疏表示的超完备字典可有效感知信号的各种结构特征。针对红外小弱目标检测问题,文中提出了一种基于图像形态成分分析(morphological component analysis,MCA)理论的自适应信号稀疏表示的小弱目标检测方法。该方法根据红外图像信号自适应的训练和构造超完备字典,并进一步分为反映目标信号特征的目标子字典和表示背景噪声的背景子字典。然后求取待检测图像块在超完备字典的稀疏表示系数,挖掘目标和背景的稀疏表示系数差异,最后通过量化和比较信号在目标子字典的表示系数检测小弱目标。实验结果证明了该方法的有效性。     

一种信号稀疏表示及其在气象传真图增强中的应用

舰艇在进行鱼雷试验和作战使用过程中,需要以气象传真图作为鱼雷航行和作战的水文气象保障,如何使气象传真图更加清晰可读成为急需解决的现实问题。提出了一种基于信号稀疏表示的针对海上气象传真图增强的新方法。该方法以气象传真图底图和固定的气象符号作为字典函数,充分利用气象传真图的稀疏特性,采用匹配追踪算法进行气象传真图稀疏表示,并利用气象传真图的稀疏系数有效分离噪声。试验结果表明,在气象传真图增强中,该方法明显优于目前的图像增强方法。     

基于空时稀疏表示的红外小目标检测算法

提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。     

基于稀疏信号表示的SAR地面运动目标成像

针对传统成像方法受瑞利分辨率的限制,提出了基于稀疏信号表示的地面运动目标成像方法。地面动目标回波可建模为稀疏线性调频信号,可将其在线性调频信号超完备基上稀疏表示。相对于距离-多普勒(RD)算法,基于稀疏信号表示的成像方法具有超分辨特性,有利于对运动目标检测。仿真与实测数据验证了该方法的有效性。     

互耦效应下一种基于实值稀疏表示的波达方向估计算法

针对未知互耦条件下的波达方向（DOA）估计问题,提出了一种未知互耦条件下基于实值稀疏表示的加权子空间DOA估计算法。新算法利用一个特定的酉变换矩阵,将一个复杂的复值优化问题转化为一个实值优化问题,从而有效地将原问题的计算复杂度减少4倍以上。此外,为了进一步提高稀疏表示的估计算法估计精度,在原有l1 范数优化模型基础上引入一个能使得DOA估计方差取得最小值的最优子空间加权矩阵。仿真实验表明,在低信噪比情况下,新算法能进一步提高稀疏表示的估计算法抗噪能力,获得更好的估计精度。     

基于人脸亮度特征的人脸识别

8位灰度图、24位彩色图的人脸识别,采用基于人脸亮度特征的人脸识别方法-亮度曲线匹配块数法.8位灰度图像的人脸识别步骤包含人脸图像质量判断及图像预处理、人脸图像特征提取及人脸识别模型建立.24位彩色图像的人脸识别关键步骤为肤色过滤、人脸定位,将YIQ和KL色系结合进行肤色过滤以实现人脸的定位.实验中全部图像以BMP格式存储,并采用130×90归一化图像,得到了较好的识别效果.     

人脸识别算法

分析了PCA、LDA人脸识别方法的原理,对PCA及LDA在应用过程中遇到的特征值选择和距离准则问题进行了研究,实现了基于PCA、LDA算法的人脸识别。针对PCA、LDA的不足和缺点,采用了一种解决方法——PCA＋LDA。该方法用PCA方法对特征空间进行降维,利用F isher线性辨别分析方法分类,实现人脸的识别。实验证明,该方法不仅提高了特征提取的速度,而且识别率也比单独的PCA方法和LDA方法高。     

基于非下采样Contourlet 变换和稀疏表示的红外与可见光图像融合方法

针对非下采样Contourlet 变换( NSCT) 中低频子带系数稀疏度较低不利于融合的问题,提出基于NSCT 和稀疏表示的图像融合方法。对红外与可见光图进行NSCT 变换;对稀疏度较低的低频子带系数提取共有和特有系数,并按照特有系数的活动水平自适应调整权重融合;对稀疏度较高的高频方向子带系数,采用同一尺度下系数绝对值之和最大的方法进行融合。经NSCT 逆变换后得到融合图像。实验结果表明,与传统基于变换的DWT、NSCT 融合方法以及基于稀疏表示的SOMP、JSR 算法比较,文中方法可以获得更好的融合效果。     

基于联合投影字典学习的辐射源调制识别

针对字典学习用于辐射源识别时原子表征能力有限和复杂环境适应性不足问题,提出一种基于联合投影字典学习的辐射源识别方法。利用时频变换提取辐射源信号初始特征,并通过降维、降噪实现特征预处理;采用核空间投影和降维投影学习方式优化字典原子结构,基于数据集训练获取联合投影字典;通过分类测试完成了有效性验证。仿真结果表明：该方法所提取字典原子具备较强表征能力,能够适应参数多变的复杂环境;较常规有监督字典学习方式更易区分多类型、高相似度信号,-6 dB时单载频信号、线性调频信号、非线性调频信号、二相编码信号、四相编码信号、Frank信号、二相频率编码信号、四相频率编码信号、非线性调频-二相编码复合调制信号、二相频率编码-二相编码复合调制信号10类辐射源信号的整体平均识别率为94.4%.     

基于自适应圆边际的深度人脸识别算法

人脸识别是计算机视觉的一个重要研究方向,其中有效的损失函数在人脸识别中起着至关重要的作用。针对现有损失函数没有考虑边际情况,导致模型收敛有限,且在不均衡样本中泛化能力不强的问题,提出自适应圆边际损失函数方法,对边际自身进行研究。通过对边际进行自适应学习,为不同类别学习独有的边际,产生自适应圆边际。为少量样本学习更大边际,从而对少量样本数据类内压缩更紧凑,使模型泛化能力更强,对5种常见的人脸识别基准Megaface、IJB-C、LFW、LFW BLUFR和YTF进行广泛分析和实验验证。结果表明,该方法在不均衡数据集中对现有方法的精确度整体提高了0.5%,有效提高了模型泛化能力,具有明确的收敛状态。     

基于Fisher判别字典学习的辐射源调制特征识别

针对基于字典的信号调制类型识别方法中解析字典原子形态单一、无法与复杂辐射源信号最优匹配的问题,提出一种基于Fisher判别准则的字典学习方法。对辐射源信号进行时频分析,借鉴图像处理的方法提取信号时频特征列向量,在字典训练过程中加入信号调制类型信息,根据Fisher准则训练字典,使字典原子类间距离最大同时类内距离最小,以增强字典的识别性能;通过仿真分析Fisher判别字典的识别性能以及原子个数对字典性能的影响。研究结果表明：该方法相比于解析字典法和无监督字典法,具有更好的识别性能,在低信噪比时识别性能突出、抗噪声干扰性能好;综合考虑识别性能和计算量,当字典原子数取20时该方法性能最优。     

基于标记矫正的目标特征提取算法

提出一种基于标记矫正的目标特征提取算法。在目标标记过程中,使用尽量少的标记号标识二值像,同时统计各个标记的面积、灰度以及其他特征信息,并将相邻标记写入邻接表。在对邻接表整合后,将相邻标记的特征信息合并,从而获得视场中各目标的特征。仿真结果表明,该算法具有很好的效果。     

基于Gabor原子变换和支持向量机的毫米波雷达目标识别方法

为提高毫米波雷达目标识别能力,提出一种基于Gabor原子变换和支持向量机(SVM)的雷达目标识别方法。该方法充分利用了Gabor原子变换在信号表示方面的有效性以及SVM在分类方面的优越性,首先将雷达回波信号进行Gabor原子变换,获得信号的特征量,然后利用SVM网络进行分类识别。实验结果表明：该方法可行且具有较高的识别率。     

基于Gabor滤波的掌纹图像线特征提取技术

利用Gabor滤波器增强掌纹线特征方法,将掌纹图像分割成若干子块并将子块变换到频率域.利用Gobar滤波器在频域内对子块在其主方向上进行滤波,增强特征纹线信息.然后对增强后的图像进行形态学Bot-Hat变换提取出掌纹特征纹线.实验证明,该方法可有效提取掌纹图像特征纹线信息.     

人脸识别常用方法及其发展现状

人脸识别的研究历史分为人脸面部特征人工识别、人脸人机交互识别、人脸机器自动识别3个阶段.人脸识别系统包括人脸特征检测与分割、人脸特征规范化、人脸表征和人脸识别4部分.根据表征方式的不同,人脸识别方法有:基于层次聚类的几何特征矢量模式识别法、基于代数特征矢量的特征矢量识别法、基于神经网络的人脸特征提取和分类器设计法.并详述了代数特征矢量法中经典的特征脸法的识别过程.近年国外采用小波分析的变换特征识别法,利用模式识别的最佳分割超平面分类识别法等是当前研究热点.     

融合卷积特征与判别字典学习的低截获概率雷达信号识别

针对低截获雷达信号通常采用人工特征选择,且在低信噪比、样本数量少情况下识别率低的问题,提出一种融合雷达信号时频图像的卷积特征与字典学习识别算法。该算法以表征信号调制方式的时频图像为基础,通过时频变换获得信号的二维时频数据,输入到LeNet-5卷积神经网络中。网络通过美国MNIST数据库手写数据集进行预训练,将预训练后网络中的2～6层网络参数迁移到新的LeNet-5中,取出第6卷积层的数据作为提取的卷积特征。使用判别字典学习方法进行识别。仿真结果表明：通过预训练处理能够加快网络的收敛与优化,有效提取到每类信号的卷积特征;与文献［4］、文献［24］、文献［25］、文献［26］中4种算法相比,利用判别字典学习能够在样本少、低信噪比情况下取得较高的识别率。