基于矩和自适应阈值的迭代分割算法研究

基于自适应阈值的图像分割算法具有算法简单、易于实现且计算量小等优点.但对于有较复杂背景的小目标图像,单一运用此方法不能将目标从背景中分割出来.为了解决这个问题,提出了一种基于矩特征、角点特征以及自适应阈值的迭代分割方法.首先利用角点特征和矩特征选择目标区域,进而在该区域内计算自适应阈值,利用迭代的思想克服先前图像分割算法中阈值只选取一次的问题,从而得到较为满意的图像分割效果.仿真结果证明,提出的算法在飞机图像分割方面的优越性.     

特征点和不变矩结合的遥感图像飞机目标识别

传统的飞机目标识别算法一般是通过目标分割,然后提取不变特征进行训练来完成目标的识别。但是,对于实际情况比较复杂的遥感图像飞机目标,至今没有一种适合多种机型的分割和识别算法。针对现有识别算法的不足,本研究提出一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的遥感图像飞机目标识别算法。方法：首先,对预处理后的遥感图像和模板图像进行小波变换,在低分辨率图像下采用圆投影特征进行粗匹配,确定候选目标;粗匹配结束后,提取高分辨率图像的多尺度Harris-laplace角点,并画出Delaunay三角网,同时提取出颜色不变矩和Zernike不变矩;然后使用欧氏距离作为这三种特征的相似性度量,并和样本图像进行加权匹配;最后选取欧式距离最小的图像作为最终的识别目标。结果：实验表明,本文算法飞机检测精度比现有算法高2.2%,飞机识别精度比现有算法高1.4%-10.4%。该算法能从遥感图像中精确识别出十大飞机目标,并对背景、噪声、视角变化等多种干扰具有良好的鲁棒性。结论：提出了一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的飞机识别算法,该算法使用了图像的多种信息,包括特征点和不变矩,有效地克服了使用单一特征无法描述多种信息的不足。实验结果表明,本文采用基于特征点和不变矩的飞机识别算法比其他算法具有更强的抗干扰能力和识别精度。     

基于Hausdorff距离的飞机定位方法

为了更快、更准确地识别出遥感图像中的飞机目标,用角点与Hausdorff距离相结合的方法来定位飞机目标.首先对图像进行Harris角点提取,由于传统的Harris角点提取方法对尺度比较敏感,所以采用Harris-Laplacian角点提取方法,由于在尺度空间的每层图像上计算Harris角点的计算量比较大,结合机场图像背景单一且飞机的灰度值比较高的特殊性,提高角点检测的速度和准确性;然后利用改进的Hausdorff距离即基于平均距离值的Hausdorff距离对两个特征点集进行匹配来定位飞机目标.该方法只需要一个模板就能对飞机目标进行定位.通过对机场图像的试验结果表明,该方法能很好地定位出飞机目标,具有较好的鲁棒性和实用性.     

基于改进的阶次规正不变矩小目标识别新方法

提出了一种基于改进的阶次规正不变矩卫星图像小目标识别方法。首先将卫星图像分割成子块,以图像灰度方差描述子块图像特征,应用所提出的子块合并理论进行分类,减少了卫星图像识别的计算量,大大降低了误判率。提出了改进的阶次规正不变矩理论,并将其应用于小目标物体识别中。以改进的阶次规正不变矩特征作为检测模板和待识别小目标图像相似度的测度,有效区分了小目标物体间的较小差别并解决了由噪声所造成的不封闭性问题;同时将GA理论引入图像匹配识别中。实验结果表明：所提方法识别率可达96．67％,该方法的提出对于图像自动识别具有非常重要的现实意义。     

水平集分割方法在合成孔径雷达图像目标识别中的应用

正确分割目标、提取目标的有效特征是合成孔径雷达图像目标识别中的一个关键问题。将水平集图像分割方法应用于合成孔径雷达图像目标识别,将目标图像中的目标区和阴影区从背景杂波中分割出来,其中目标区的形状作为目标的有效特征用于基于模板匹配的目标识别中。用MSTAR数据库中的3类目标的图像数据对该方法进行验证和分析,实验结果表明,在基于模板匹配的目标识别中,该分割方法可提取出有效的目标形状特征,实现目标的正确识别。      

基于不变矩与证据理论的飞机序列图像识别

D—S证据理论是一种决策级信息融合方法,能够综合各信息源。为了提高对飞机序列图像进行识别的能力,增加信息可信度,提高系统容错能力,提出一种不变矩与D—S证据理论相结合的方法,对飞机序列图像进行了识别。通过构造飞机图像的模板库,对于待识别的图像提取不变矩特征,提出了两种通过不变矩特征构造基本置信函数,然后运用D—S证据理论进行融合,得到图像的识别结果。通过实验,比较了两种不变矩特征和三种构造函数对识别结果的影响,并将其结果与支持向量机、神经网络的仿真结果相比较。实验结果表明方法是有效且可行的,识别概率优于其它的方法。     

采用独立分量分析Zernike矩的遥感图像飞机目标识别

为了提高遥感图像目标自动识别系统的准确性,提出了一种新的采用独立分量分析(ICA)Zern ike矩的飞机目标识别方法.首先对分割后的目标区域进行独立分量分析处理,将待识别目标形状转换到标准形式,然后对标准化后的图像目标提取Zern ike矩作为特征向量进行识别.通过实验表明此方法具有鲁棒性,能有效地消除遥感图像目标尺度、旋转、平移、反转和扭曲影响,能够有效地识别遥感图像飞机目标.     

基于红外图像的飞机目标关键攻击部位识别

针对红外成像制导空空导弹增强攻击毁伤效果的要求,提出了一种基于红外图像的飞机飞行姿态识别和飞机目标几何轮廓分析的关键攻击部位识别方法。该方法利用模糊C均值聚类算法将经过降噪处理的红外飞机图像分割成背景、飞机机身和尾焰三部分;分别计算飞机目标的Hu矩和归一化转动惯量来构成组合不变矩,同时结合分割图像的面积比特征来实现飞机飞行姿态的识别;通过对飞机机头、机轴、机翼或尾翼的提取并依照相应的比例关系,来实现对飞机关键攻击部位如驾驶舱的识别。为了提高关键攻击部位的识别速度和精度,利用当前帧获得的稳定判别参数来指导后续帧图像的处理。试验结果表明,提出的方法能够准确有效地识别红外飞机目标的关键部位,可为空空导弹的精确打击提供必要的支持。     

基于特征匹配的单目相机姿态解算

本文采用了一种基于AKAZE特征检测和PnP算法的单目视觉测量方法对相机的相对姿态进行解算,用于快速准确地确定空间中两个目标间的位姿关系.采集合作目标的模板图像,提取附加到合作目标上的4个特征点的像素坐标,利用AKAZE关键点对模板图像和待测图像进行匹配并计算映射矩阵,通过映射矩阵得到4个特征点在待测图像中的像素坐标,然后结合合作目标的尺寸信息求解基于4个共面特征点的PnP问题,解算相机与合作目标的相对位置.实验分析表明该方法计算的实时图像相机位姿与真实结果接近,验证了本文方法的有效性.     

一种基于区域分割的地面飞机目标识别方法

针对遥感图像处理中的目标检测问题,根据具体应用要求,采用改进的图像分割方法对地面机场中的某些大型飞机进行型号识别.分析感兴趣的飞机参数,并在先验信息的基础上确定感兴趣区域(ROI),在待检区域和ROI匹配的基础上提取飞机目标,通过比较结构信息和不变矩信息实现地面飞机目标的检测与识别.实验结果表明,该方法的查全率为88.15％,查准率为80.67％,能达到预期目标.     

基于数学形态学的模糊集理论在车牌字符识别中的运用

为了更加高效地利用模板匹配的方法实现对车牌字符图像的识别,结合数学形态学和模糊集理论,提出基于数学形态学的模糊模板匹配方法。首先,对于二值图像的每个像素点及其8-邻域,以赋权的方式刻画中心像素点隶属于字符的程度;其次,加4×4窗口选取代表点,并有重叠地遍历整个字符图像,以构造字符图像的模糊隶属度矩阵;进而运用海明贴近度计算待识别字符的归类,实现对字符的识别;最后,使用Matlab对模糊模板匹配方法进行编程,并在实际字符图像中测试识别效果。与传统模板匹配方法相比较,测试的结果表明,车牌字符的识别准确率得到了显著的提高。     

模板匹配技术在图像识别中的应用

在图像目标识别技术的研究应用中,模板匹配技术是其中一个重要的研究方向,它具有算法简单、计算量小以及识别率高的特点。介绍了几种改进的模板匹配技术在图像处理、模式识别等领域的应用,包括有条码识别、生物特征识别技术(人脸识别、指纹识别等)、车牌识别、字符识别、飞机识别等。     

计算机智能图像识别算法研究

复杂环境下，要做到对物体进行准确识别，要求计算机视觉系统具有智能化。文中将D-S证据推理与不变矩理论相结合，提出了智能图像识别算法，并应用于飞机图像的识别。首先构造了基本置信指派函数，建立了分类规则，然后针对Dempster组合规则只适用于高置信度、低冲突性的情况，应用可解决证据冲突的加权分配冲突法及吸收法，完成了计算机飞机图像识别的仿真，比较了三种组合规则的识别效果，结果表明吸收法识别率最高。     

一种新的车牌字符快速识别方法

针对车牌字符图像的特点,在研究各种特征提取方法适用场合的基础上提出了改进的特征提取方法和字符识别方法。对于英文和数字,使用一种基于模板匹配和神经网络的车牌字符识别方法。该方法采用两级识别,第一级采用模板匹配识别差别明显的字符,第二级采用BP神经网络识别第一级不能确定的相似字符。对于汉字采用小波变换和LDA提取特征。该方法利用小波变换的特性最大程度地提取了字符图像的特征信息。实验结果表明此算法具有较高的识别率和较快的识别速度。     

工程图中的模板识别和匹配方法

针对建筑结构图的规则和特征，提出了结构平面布置图和标准结构详图的识别及实例化方法。该方法分三个阶段：首先，通过表格识别和模板识别建立标准模板库；然后，利用规则引导识别结构平面图；最后，通过模板实例化实现构件到模板的对应。此方法可以大大提高工程图自动识别的正确性和系统的自适应能力。     

基于模板匹配算法的枪械编号识别研究

编号是枪械唯一的身份号码,枪械编号的数字识别有利于实现枪械的信息化管理和保障。论文将模板匹配法应用到枪械编号识别中,包括图像预处理、字符分割、归一化和字符识别等环节。根据枪械编号的特点采用聚类分析的方法实现分割字符,通过计算字符图像与模板图像的互相关函数得到号码。实验结果表明,该方法效果较好。     

基于几何特征的IC芯片字符分割与识别方法

针对IC芯片字符的分割与识别问题,提出了一种基于字符几何特征的分割方法和一种基于字符最小外接圆的归一化与重定位方法,使用基于像素差分的模板匹配完成识别。首先,对芯片图像进行直方图均衡化处理,并利用辅助圆进行中线定位和图像校正,定位得到ROI区域并进行均值二值化处理。随后,对二值化ROI图像进行字符分割,以字符的几何特征作为判断条件,从而完成了对缺陷字符的正确分割。之后,对单字符图像提取最大轮廓,利用其轮廓的最小外接圆进行字符的归一化与重定位。最后,对归一化的字符进行差分识别。通过采集4种芯片样本进行实验,结果表明,该方法能够实现芯片字符的准确分割,对于缺陷字符的分割准确率达90%;能够快速精准地识别芯片字符,单字符平均识别时间为4.6 ms,识别准确率达到99.4%。     

一种字符定位及识别技术在交通领域的应用

字符定位与识别技术在交通领域应用广泛.字符识别系统包括字符图像的拍摄、预先处理,将字符从图中截取出来,最后对字符对比甄别.采用灰阶处理、均值滤波等方法对图像预处理.在字符定位部分,采用边缘检测算法对字符图像在原始图中位置进行定位.在字符分割前,对字符进行二值化及倾斜校正.利用区域增长(region growing)方法...     

书写文字识别算法研究

介绍模式识别的基本原理和对书写文字字符的识别以及文字识别,阐述模式识别的过程、图像文件的格式,介绍基于住图技术的模式识别理论;讨论分类器设计过程中的特征空间优化设计问题、分类嚣设计准则、基本方法和判别函数的知识,给出模板匹配法识别图像的原理.