一种基于结构特征的虹膜识别方法

提出了一种基于特征点比对的虹膜识别方法。与现有利用纹理分析进行识别的方法相比,这一方法具有编码效率高,抗噪声能力强,识别准确性好等特点。该方法首先利用LOG(LaplacianofGaussian)滤波器提取特征区域,然后在特征区中确定特征点。在方法中提出了基于特征点的相似性度量方法和弹性特征点比对方法。试验结果表明:这种方法分类效果较好。     

基于结构特征的纸币号码识别方法

针对实际工程应用中对纸币号码识别在处理速度和识别率方面的高标准要求,提出了一种基于结构特征的纸币号码识别方法。该方法对采集到的图像先进行图像放大、二值化和字符分割等预处理操作,然后根据字符的结构特征,对字符进行分类、识别。该方法不需要图像去噪、倾斜校正和归一化等操作,节省大量时间。实验结果表明,该方法识别率可达98.13%,而识别时间仅为3.8 ms,显示出该方法具备识别率高和识别速度快的优势,能够满足实际需要,已经成功应用于清分机中。     

基于矩特征的三维飞机目标识别

利用矩特征可以从二维图像识别三维目标,４阶矩的图像峰值反映了目标的形状,为了使它具有平移、比例和旋转不变性,作者对其进行了归一化处理。文中将未修正的不变矩、修正的不变矩及归一化的４阶矩用于三维飞机目标识别,仿真结果表明归一化的４阶矩和修正的正的不变矩可有效地用于三维目标的识别。     

一种飞机图像目标多特征信息融合识别方法

提出了一种基于概率神经网络(Probabilistic neural networks, PNN)和DSmT推理 (Dezert-Smarandache theory)的飞机图像目标多特征融合识别算法. 针对提取的多个图像特征量,利用数据融合的思想对来自图像目标各个特征量提供的信息进行融合处理.首先,对图像进行二值化预处理,并提取Hu矩、归一化转动惯量、 仿射不变矩、轮廓离散化参数和奇异值特征5个特征量;其次, 针对DSmT理论中信度赋值构造困难的问题,利用PNN网络,构造目标识别率矩阵,通过目标识别率矩阵对证据源进行信度赋值;然后,用DSmT组合规则在决策级层进行融合,从而完成对飞机目标的识别;最后,在目标图像小畸变情形下, 将本文提出的图像多特征信息融合方法和单一特征方法进行了对比测试实验,结果表明本文方法在同等条件下正确识别率得到了很大提高,同时达到实时性要求,而且具有有效拒判能力和目标图像尺寸不敏感性. 即使在大畸变情况下,识别率也能达到89.3%.     

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.     

基于结构特征的高分辨率TerraSAR-X图像 船舶识别方法研究

针对高分辨率TerraSAR-X船舶图像,提出一种基于结构特征的两阶段船舶识别方法。所识别船舶包括油船和货船两大类,根据船舶结构的不同将油船分为显示油管油船和不显示油管油船,货船分为闭合货船和不闭合货船。识别第1阶段根据船体内是否有孔洞将闭合货船与显示油管油船分为一类,不闭合货船和不显示油管分为另一类;识别第2阶段根据船体内最长直线是否在船体中部将闭合货船与显示油管油船分开,根据船体内是否可以截断直线将不闭合货船和不显示油管油船分开。实验结果表明,采用本文方法进行船舶识别能够得到较好的识别结果。     

基于信息熵的目标平台识别方法

目标平台识别是雷达对抗侦察任务中的一项重要内容。现有的目标平台与辐射源识别结果关联方法未对目标配属辐射源的特征信息进行利用,存在着一定的模糊性。利用信息熵提取目标平台配属辐射源的特征信息,并以此对目标平台进行关联和可信度赋值。方法实现简单,获得的结果可以直接参与多传感器融合的目标识别处理,具有较强的实用性。     

基于GA-BP神经网络的目标识别方法

针对单一特征识别算法泛化能力差、识别准确率低的问题,本文深入分析了典型目标地震波信号的时域特征,融合多个特征构建训练样本,采用BP神经网络算法对目标进行识别;针对BP神经网络收敛速度慢、泛化能力差的缺点,通过遗传算法对BP神经网络优化。最终形成基于GA-BP神经网络的目标识别方法,并进行实验验证。结果表明:基于GA-BP神经网络算法无论是在收敛性、准确性还是计算速度上都优于传统算法。     

基于闭合轮廓提取和部分特征匹配的飞机识别

飞机识别在军事遥感中具有重大意义。该文针对以往飞机识别方法的不足,为更准确地对高分辨率可见光机场区域图像进行飞机目标的定位和型号判别,提出了一种基于闭合轮廓提取,并通过部分特征匹配进行机型识别的疗法。首先对图像进行各向异性扩散处理,提取闭合轮廓并进行儿何特征分析,定位飞机目标,提取目标的关键特征参数,实现机型判别。实验证明,该方法具定位准确、识别率高,可准确识别飞机型号,能得到比较精确的飞机外形描述,可有效对抗阴影、遮挡等干扰,具有很好的稳健性。随着遥感成像技术不断发展,图像分辨率越来越高,能够获得更准确、更完整的飞机轮廓,因此,这种方法具有很好的发展趋势．     

模糊图像中的飞机识别方法

针对模糊图像中飞机识别问题,提出一种基于角点和核聚类的飞机识别方法。该方法提取图像的角点特征,对角点进行核聚类,根据聚类结果识别飞机的角点,完成飞机的定位识别。在核聚类算法中,引入有效性函数,能自适应的确定聚类数目,解决了现有核聚类算法需要事先确定聚类数的弱点。实验表明,角点特征具有位移、旋转、尺度不变性,自适应核聚类算法能准确识别模糊图像中的飞机,具有较好的鲁棒性。     

综合结构和纹理特征的场景识别

当前在计算机视觉领域,场景识别尽管取得了较大进展,但其对于计算机视觉而言,仍然是一个极具挑战的问题.此前的场景识别方法,有些需要预先手动地对训练图像进行语义标注,并且大部分场景识别方法均基于"特征袋"模型,需要对提取的大量特征进行聚类,计算量和内存消耗均很大,且初始聚类中心及聚类数目的选择对识别效果有较大影响.为此本文提出一种不基于"特征袋"模型的无监督场景识别方法.先通过亚采样构建多幅不同分辨率的图像,在多级分辨率图像上,分别提取结构和纹理特征,用本文提出的梯度方向直方图描述方法表示图像的结构特征,用Gabor滤波器组和Schmid滤波集对图像的滤波响应表示图像的纹理特征,并将结构和纹理特征作为相互独立的两个特征通道,最后综合这两个特征通道,通过SVM分类,实现对场景的自动识别.分别在Oliva,Li Fei-Fei和Lazebnik等的8类、13类和15类场景图像库上进行测试实验,实验结果表明,梯度方向直方图描述方法比经典的SIFT描述方法,有着更好的场景识别性能;综合结构和纹理特征的场景识别方法,在通用的三个场景图像库上取得了很好的识别效果.     

结构特征下的可撤销人脸识别

目的 相对于其他生物特征识别技术,人脸识别具有非接触、不易察觉和易于推广等特点,在公共安全和日常生活中得到广泛应用。在移动互联网时代,云端人脸识别可以有效地提高识别精度,但是需要将大量的人脸数据上传到第三方服务器。由于人的面部特征是唯一的,一旦数据库泄露就会面临模板攻击和假冒攻击等安全威胁。为了保证人脸识别系统的安全性并提高其识别率,本文提出一种融合人脸结构特征的可撤销人脸识别算法。方法 首先,对原始人脸图像提取结构特征作为虚部分量,与原始人脸图像联合构建复数矩阵并通过随机二值矩阵进行置乱操作。然后,使用2维主成分分析方法将置乱的复数矩阵映射到新的特征空间。最后,采用基于曼哈顿距离的最近邻分类器计算识别率。结果 在4个不同人脸数据库上的实验结果表明,原始人脸图像和结构特征图像经过随机二值矩阵置乱后,人眼无法察觉出有用的信息且可以重新生成,而且融合方差特征后,在GT （Georgia Tech）、NIR （Near Infrared）、VIS （Visible Light）和YMU （YouTuBe Makeup）人脸数据库上,平均人脸识别率分别提高了4.9%、2.25%、2.25%和1.98%,且平均测试时间均在1.0 ms之内,表明该算法实时性强,能够满足实际应用场景的需求。结论 本文算法可在不影响识别率的情况下保证系统的安全性,满足可撤销性。同时,融合结构特征丰富了人脸信息的表征,提高了人脸识别系统的识别率。     

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。     

一个高性能的自动目标识别算法

提出了一个高性能的自动目标识别算法,该算法基于遗传算法,在算法中需要提取目标的位移、旋转和比例不变特征,算法具有较强的容错性和抗干扰能力,不仅能够对各类形状有一这差异的目标进行分类,而且对部分缺损或有噪声污染的目标也能够正确进行分类,实验结果证明了算法的有效性。     

基于深度卷积神经网络的航空器检测与识别

针对军用机场大尺寸卫星图像中航空器检测识别的具体应用场景,建立了一套实时目标检测识别框架,将深度卷积神经网络应用到大尺寸图像中的航空器目标检测与识别任务中。首先,将目标检测的任务看成空间上独立的bounding-box的回归问题,用一个24层卷积神经网络模型来完成bounding-box的预测;然后,利用图像分类网络来完成目标切片的分类任务。大尺寸图像上的传统目标检测识别算法通常在时间效率上很难突破,而基于卷积神经网络的航空器目标检测识别算法充分利用了计算硬件的优势,大大缩短了任务耗时。在符合应用场景的自采数据集上进行测试,所提算法目标检测实时性达到平均每张5.765 s,在召回率65.1%的工作点上达到了79.2%的精确率,分类网络的实时性达到平均每张0.972 s,Top-1错误率为13%。所提框架在军用机场大尺寸卫星图像中航空器检测识别的具体应用问题上提出了新的解决思路,同时保证了实时性和算法精度。     

基于特征识别的3维人脸动画模型自动构造

针对3维人脸动画应用中,需要手工事先标定肌肉模型的控制点、工作区域和设置各种计算参数,造成工作量大、修改困难、移植性差等弊端,提出自动构造各种肌肉模型及确定它们计算参数的方法。研究工作包括:综合运用法向量变化率、高斯曲率、高斯纹理模型等参数研究3维人脸几何及纹理特征的快速检测方法;设计基于邻域生长和候选点聚类分析的识别算法来识别人脸五官部位的特征点;在此基础上,自动确定各种肌肉模型的位置结构、工作区域和计算参数,实现人脸动画所需的肌肉模型构造和装配的自动化。应用工作结果表明,基于特征识别的3维人脸动画肌肉模型自动构造方法移植性好、精度较高,提高了动画建模工作的效率。     

基于尺度不变特征的目标识别与跟踪方法

针对复杂电磁环境下目标实时识别追踪的复杂性和多样性, 利用图像配准技术提出了一种基于尺度不变特征的目标识别与跟踪方法, 有效地反映了目标图像的特征分布, 提高了跟踪与识别系统的可靠性。实验表明, 当目标进行较大角度改变和背景发生剧烈变化时, 该方法能有效减小目标跟踪误差, 精确识别目标位置, 提高目标跟踪精度。     

组合结构特征的自由手写体数字识别算法研究

自由手写体因其书写风格差异大、上下文无关及识别准确度要求高等原因导致其识别难度大的问题。针对手写体数字识别的特点及要求,提出一种新的基于组合结构特征的自由手写体数字识别算法。通过扩展的字符结构特征识别算法自动、鲁棒地提取手写体数字字符端点、分叉点、横线等多种结构特征,并组合应用这些结构特征构造决策树完成手写体字符的自动识别。实验结果表明基于组合结构特征的自由手写体数字识别算法的鲁棒性和识别率明显优于传统方法。