基于彩色图像分割的高温辐射体识别方法

准确识别待测目标是利用CCD图像传感器进行高温测量的关键.本文在对高温辐射体彩色图像的噪声特点进行分析的基础上,提出一种基于彩色图像分割的高温辐射体识别方法,通过对红、绿基色图像分别进行分割来减小甚至消除高温辐射体图像的各种噪声,然后综合红、绿基色图像分割结果实现高温辐射体的准确识别,并运用数学形态学方法对分割结果进行后处理以消除游离点和孔洞,使图像边缘平滑;实验表明,该方法可以有效地实现高温辐射体的正确识别,具有较强的实用性.     

高温辐射体目标图像的组合识别方法

针对工业现场所拍摄的高温熔体表面覆盖有大量烟雾且难以有效分割的状况,提出一种目标图像的组合识别方法,即先采用分色分割算法去除杂散光、光晕和雾状、点状噪声等干扰,然后用改进的最大类间方差算法分割高温目标图像,并运用数学形态学方法对分割结果进行后处理以消除游离点和孔洞,使图像边缘平滑。实验结果表明,该方法能够有效地分割出目标图像,并减小目标图像所受的噪声干扰,有较强的实用性。     

基于K-L变换的水下目标声图像识别方法研究

研究准确识别水下目标问题,由于水下存在多种目标,根据目标信号的特点,提出了一种基于K-L(Karhunen-Loeve)变换的水下目标声图像识别方法.首先利用K-L变换对水下目标声图像进行降维处理,并求出其特征声图像,然后计算出待识别的水下目标声图像在特征声图像上的投影系数并进行判别.仿真结果表明,提出的方法在20dB信噪比条件下,对潜艇、尺度目标和点目标声图像的识别率分别为80％、100％和100％,可以有效的对水下目标声图像进行识别,为水下目标识别提供了一种简单可行的新思想和新方法.     

多干扰高温辐射体图像目标的分类识别方法

在基于CCD图像传感器的非接触高温温度场软测量中,为了计算高温图像目标的温度,必须先从辐射图像中准确识别待测目标。由于工业现场采集的高温熔体图像中存在多种噪声,导致图像目标难以准确识别。提出一种目标图像分类识别方法,即先利用多光谱图像分割方法来减少甚至消除各种高温噪声;然后运用改进的最大类间方差法进一步分割以去除烟雾干扰;最后运用数学形态学方法消除分割图像中的游离点和孔洞,使目标边缘光滑。实验结果表明,该方法能够从多种干扰图像中准确识别出高温辐射体图像目标,有较强的实用性。     

一种基于小波特征的红外图像识别方法

本文首先对原始红外图像进行适当的预处理,然后用由Gabor小波滤波器的线性组合所构成的复合滤波器提取红外图像的特征,并且用神经网络获取最佳复合滤波器参数,从而得到最佳的目标特征矢量.本文用两类方向相反(左向和右向)的低对比度红外坦克图像进行计算机仿真实验,取得了较好的识别结果.     

基于迁移学习的弹道目标ISAR图像识别方法

在反导作战预警阶段,需要尽快对敌方弹道导弹目标完成识别,ISAR图像是弹道目标识别的重要特征来源。传统ISAR成像识别方法包含特征提取和分类器设计等步骤,存在样本量少、识别准确率低等问题。鉴于此,提出了一种基于迁移学习的ISAR图像识别方法。首先基于转台成像模型生成假想目标在不同角度下得到的ISAR像,再利用三种预训练网络对已分组的数据进行训练,最后微调训练参数,获得最好的训练效果。实验结果表明,迁移学习能在样本量较少的情况下快速完成训练且具备较高的准确率,为弹道目标识别问题提供了新的解决方法。     

基于目标识别的光电多传感器信息融合技术

依靠多个光电传感器采集目标数据,需要解决各类数据信息的融合分析问题。基于这种认识,从特征提取、融合和识别等方面,对基于目标识别的光电多传感器信息融合技术展开分析,介绍了技术应用前景,指出需要采用不同算法完成不同光电传感器特征信号提取,同时,通过融合计算得到融合特征量,为目标识别提供信息数据支撑,确保准确识别目标。     

基于TMS32OC6713图像识别系统在汽车防追尾检测装置中的应用

为了减少汽车防追尾过程中障碍物的误判断，我们可以先确定本车前面的目标物是车，然后再对其进行跟踪测距、判断其安全性，并对不安全状况进行预警。本文介绍了一种基于汽车防追尾的图像识别系统软硬件设计。该系统由CCD摄取图像，经视频解码器处理后再传给车辆识别系统进行图像的车辆识别判断。     

利用图像识别的车速测量系统

介绍了一种基于CCD牌照识别的车速测量系统．该系统主要依据CCD抓拍同一车牌不同时刻的两幅图片,将它们的位置、大小及像素等信息送入车速计算模块,此模块充分应用图片中车牌大小变化、CCD成像系统的车牌与CCD空间位置间关系的几何特征,得出速度计算的实用公式,该车速讣算模块完全可以用软件实现,不依附额外硬件,误差在5％左右。     

基于人工智能的缺陷图像识别算法

为了提高实际场景图像的缺陷识别准确度,基于人工智能、图像识别和深度学习技术,设计一种新的图像缺陷识别算法。采集缺陷图像,为缺陷目标识别做好检测分析和学习训练准备。联合分水岭分割和颜色特征分割方法,提取缺陷图像的有效特征。基于卷积网络,充分借助其中的学习模型,采用Python开源框架,设计新的缺陷识别方法。将人工智能算法集成于开发的软件系统中,该系统功能包括相机采集、视频导入、HDMI导入、脚踏板控制等。仿真数据表明,与已有分割技术相比,所提算法具有更理想的识别准确性与鲁棒性。     

图象传感信号温度漂移的补偿方法

本文通过温漂分析和系统建模,提出一种图象传感信号的综合温度补偿方法。该方法避开了难于检测的温漂参量,借助易测的相关参量的在线估值,适时给出误差补偿量．该方法用于大温差测试现场,结果令人满意。     

一种基于漫水填充法的实时彩色目标识别方法

漫水填充法需要人工选择初始种子点.基于漫水填充法的实时彩色目标识别方法,首先通过直方图阈值法实现了初始种子点的自动选取,并设置了去噪邻域窗,以防止不属于目标区域的像素点被选为初始种子点.从初始种子点出发,使用漫水填充法,得到一组互无交集的连通区域及其外接矩形.然后,利用各连通区域外接矩形几何中心之间的距离,对连通区域进行归类.合并属于同一类的所有区域即得到完整的目标区域.实验表明:改进算法能很好地识别颜色特征突出的目标,对光照变化具有较强的鲁棒性,能完成实时彩色目标识别任务,与使用广泛的直方图阈值分割法相比,它能更加准确地对目标进行识别.     

基于张量分解融合RGB-D图像的物体识别

为了充分利用RGB-D图像的深度图像信息，提出了基于张量分解的物体识别方法。首先将RGB-D图像构造成一个四阶张量，然后将该四阶张量分解为一个核心张量和四个因子矩阵，再利用相应的因子矩阵将原张量进行投影，获得融合后的RGB-D数据，最后输入到卷积神经网络中进行识别。RGB-D数据集中三组相似物体的识别结果表明，利用张量分解融合RGB-D图像的物体识别准确率高于未采用张量分解的物体识别准确率，并且单一错分实例的准确率最高可提升99%。     

Statistical Image Object Recognition using Mixture Densities

In this paper, we present a mixture density based approach to invariant image object recognition. To allow for a reliable estimation of the mixture parameters, the dimensionality of the feature space is optionally reduced by applying a robust variant of linear discriminant analysis. Invariance to affine transformations is achieved by incorporating invariant distance measures such as tangent distance. We propose an approach to estimating covariance matrices with respect to image variabilities as well as a new approach to combined classification, called the virtual test sample method. Application of the proposed classifier to the well known US Postal Service handwritten digits recognition task (USPS) yields an excellent error rate of 2.2%. We also propose a simple, but effective approach to compensate for local image transformations, which significantly increases the performance of tangent distance on a database of 1,617 medical radiographs taken from clinical daily routine.     

一种基于模糊融合的遥感图像目标识别方法

数据融合利用多传感器的信息,克服了单一传感器信息不完整、不精确、不确定的缺点,因此广泛应用于目标识别中,该文提出了一种基于模糊融合的遥感图像目标识别的新方法。首先在单源图像上提取可疑目标,然后根据目标在不同类型图像上的成像特点,选择合适的目标特征,充分考虑到各特征的重要程度,把模糊隶属度函数和模糊密度结合起来,最后利用特征层模糊融合对目标的身份进行判定。此方法应用在实际目标的识别中,取得了很好的效果。     

运动目标图像识别与跟踪系统的研究

研究了在简单背景下实现对运动目标的识别与跟踪,给出了目标跟踪的原理图和结构框图。整个系统主要由图像采集模块、图像信号处理单元、监视器和伺服机构组成,重点论述了图像信号处理单元的实现过程和算法分析,包括图像预处理,图像分割,特征提取,目标识别与跟踪算法,充分考虑系统的实时性,稳定性。实验结果表明,该系统能在简单场景下对运动目标进行实时跟踪,达到预想效果。     

基于熵权优属度的模糊传感器目标识别方法

针对具有多个特征指标的模糊多传感器目标识别问题,提出一种新的模糊多传感器数据融合方法。该方法根据信息熵理论,引入不均衡度定义熵权矢量,通过求解数学规划问题,得到各目标类别的优属度,并给出目标识另0规则。实验结果表明,该方法能提高目标识别结果的客观性和可信度,具有可操作性。     

一种PSO改进的颜色注意目标识别算法

颜色注意的目标识别算法有效提高了目标识别性能,但参数设置正确与否对识别性能有重要的影响,如何有效设计并搜索参数空间确定合适的参数成为该算法有待解决的问题.本研究设计关于颜色注意识别算法参数空间的粒子个体结构,以识别率为适应度衡量指标,应用PSO算法自动搜索参数空间.实验结果表明:应用PSO算法可以得到比原颜色注意识别算法更优的参数,有效地提高了目标识别率.本研究对仿生优化算法在目标识别中的应用有参考作用.     

基于凸型模板的目标形态图像识别算法

针对视频图像中目标形态的检测识别问题,提出了一种基于凸型模板修正算法对条形目标的检测、识别和定位技术。通过分析凸型模板识别条形目标的基本原理,提出引入倾斜角度因子的凸型模板改进算法,提高了条形目标识别的准确度,并以单人个体作为研究对象进行实验,结果表明这种方法运算复杂度低,对条形目标的识别率高,跟踪特性良好。