基于连续小波变换和RBF神经网络的气液两相流流型识别方法

针对气液两相流压差波动信号的非平稳特征,提出了以多尺度连续小波变换值矩阵的奇异值为特征矢量的流型识别方法。首先对气液两相流压差波动信号进行连续小波变换,得到初始特征向量矩阵。然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值,将其作为流型的特征向量,再结合RBF神经网络形成流型的智能识别方法。对水平管内空气-水两相流4种流型的识别结果表明该方法能够有效地识别流型。     

基于图像处理的气液两相流流型识别

提出了一种计算机自动准确识别流型的新方法。该方法利用高速电荷耦合器件（CCD）获取
管道内气液两相流的流动图像,经过图像处理后,提取二值化图像中气泡的面积、宽度、高度和中心坐标
,结合模糊推理方法对流动图像进行流型识别。实验结果表明,该方法能够自动有效地识别水平管道内的
多种基本流型,识别准确率分别为：气泡流93.3％,塞状流85.3％,分层流97.3％,弹状流98.6％,雾环
状流92.7％,识别图像速度约为22帧/s.     

基于Gabor变换和不变矩的掌纹识别研究

提出了一种将二维Gabor变换和不变矩特征相结合对掌纹图像进行特征提取,并采用多层前向反馈神经网络进行掌纹图像训练识别的方法。该方法首先对掌纹图像进行预处理,获得掌纹感兴趣区域(ROI),然后构造一组Ga-bor滤波器从而得到ROI的特征向量,结合掌纹图像的不变矩特征共同作为神经网络的输入进行训练识别。实验表明该方法的有效性。     

一种有效的SAR图像目标识别方法

根据不变矩特征提取和支撑矢量机分类的优势,提出了一种有效的SAR图像目标识别方法.首先对样本SAR图像进行预处理。然后提取目标区域的不变矩特征并计算灰度均值,将其组成特征向量训练SVM分类器,最后用训练好的SVM分类器对要识别的SAR图像进行目标识别.采用该方法对一些含有桥梁和坦克的SAR图像进行目标识别实验,取得了较好的识别结果.     

基于改进的PSO神经网络的手写体汉字识别

为了克服手写体汉字识别中传统神经网络训练算法存在网络易于过早收敛的缺陷,本文提出采用自适应惯性权值的粒子群优化算法训练神经网络,即利用粒子更新迭代训练神经网络最优的权值和阈值,其中对粒子更新的惯性权值进行了自适应性的改进.试验中提取了大量汉字样本的笔画数量信息和分布信息作为特征向量,利用改进的粒子群神经网络对汉字进行分类,并与BP神经网络的识别效果做了比较.结果表明:自适应惯性权值的粒子群优化算法能有效避免网络"早熟",大大提高了网络训练精度,网络对汉字的识别正确率明显提高.     

不变矩算法的改进与人耳识别技术

由于人耳识别具有不受表情、化妆等影响的独特优势,研究了人耳识别特征技术,对不变矩算法进行了改进,获得6个改进的高阶不变矩特征向量。分别用两种算法对人耳图像进行识别处理,比较两种识别结果。改进后不变矩算法的高阶不变矩具有平移、旋转不变和尺度缩放不变的特性。采用BP人工神经网络对60只人耳图像进行识别验证,正确识别率达到91．8％。     

小波包主成分分析在气液两相流流型识别中的应用

针对气液两相流特征参数与流型之间复杂的非线性关系,提出了一种基于小波包主成分分析和最小二乘支持向量机(LS-SVM)的气液两相流流型识别方法。该方法首先对采集的3个不同取压间距差压波动信号进行4层小波包分解,形成小波包特征向量矩阵,然后运用主成分分析方法降低特征向量矩阵的输入维数,并用于LS-SVM训练和识别。试验结果表明,融合3个传感器信息的主成分特征可有效地识别流型,与单一传感器的特征相比,具有更高的识别率。     

结合RSTC不变矩和LVQ神经网络的红外图像目标识别方法

通过分析比较红外图像的目标特征,为了达到理想的识别效果,在Maitra不变矩的基础上进行优化,选取RSTC不变矩作为目标识别的特征向量.采用LVQ神经网络建立识别模型,充分发挥神经网络的智能优势.对采集到的红外图像进行了测试实验,结果表明该方法可以提高识别效率.     

基于多神经网络分类器的军事目标识别方法研究

对军事目标类型的识别是军事信息处理中的一个重要环节.本文首先对军事目标进行特征提取,以矩和圆度两种不变矩特征向量作为神经网络的输入,分别采用了BP神经网络、自组织竞争网络、Hopfield网络对军事目标进行识别,最后采用了分类器多数投票法对识别结果进行融合,仿真实验结果表明采用多神经网络分类器融合的方法比单一神经网络识别率高,这对提高军事信息处理的准确性具有重要意义.     

LVQ神经网络在三维物体识别中的应用

三维物体识别已经广泛应用于工业、医疗及军事等领域,是近年来的研究热点之一.传统的识别方法是根据二维图像来识别三维物体.但摄像机从不同角度拍摄三维物体,引起三维物体的图像变化,使图像特征发生改变,这会严重影响三维物体识别的准确性.针对这个问题,本文采用矩不变量作为图像的特征向量,并且应用LVQ神经网络进行训练,实现识别三...     

一种基于小波矩的图像识别方法

研究了一种基于小波矩的图像目标平移、缩放和旋转不变特征提取算法,将不变特征提取算法与BP神经网络结合,组成一个图像识别系统.目的在于提高图像处理的质量,这种方法有更好的实用性.在这个系统中,利用小波矩不变量不仅可以得到图像的局部特征,还增加了对图像结构精细特征的把握能力强的优点,把提取的图像目标平移、缩放和旋转不变特征馈人BP神经网络,完成有监督的不变性模式识别.在实验中,利用该方法对无噪、有噪图像,特别是相似物体图像进行识别,可获得98％的正确识别率;并且将其与一般不变矩特征的算法获得的实验数据进行了对比分析.实验结果表明,该方法在图像识别准确率和抗噪性能上都有较大的提高.     

基于Zernike矩和BP网络的道路交通标志识别方法研究

道路交通标志的背景相当复杂,颜色失真严重并存在不同程度的几何失真现象。不变矩是图像的一种统计特征,具有平移不变性、旋转不变性和比例缩放不变性,被广泛的应用于图像识别中。在研究了Hu矩和Zerni—ke矩基础上,提出基于Zernike矩与BP网络相结合的道路交通标志识别方法。识别过程分别对图像进行了Hu矩和Zernike矩特征提取、BP网络训练与测试、对形变图像进行分类识别。结果表明：基于Zernike矩和BP网络的交通标志识别方法具有很强的抗图像平移、缩放和旋转识别能力,实现简单、训练速度快、识别率高等特点,且识别准确率优于Hu不变矩目标自动识别。     

基于Radon变换的矩不变量及其应用

提出了一种基于Radon变换的新的图像识剐方法。首先构造了二维图像在Radon变换空间的平移和比例矩不变量，基于该矩不变量引入整体平均技术获得了更好的抗噪效果，并根据变换空间数据的特性，提出了利用奇异值分解得到一般意义下的旋转不变量。利用不同的图像库进行识别研究，实验结果指出了两种方法的不同应用条件。’     

基于Pseudo-zernike不变矩的肺部图像特征提取及分类研究

为准确、快速地分析肺部图像的特征,提出了一种基于Pseudo-zernike不变矩的肺部特征分析方法.通过对肺部图像进行预处理和基于Pseudo-zernike不变矩的特征提取,利用具有良好识别性能的SVM分类器对提取的肺部图像特征值做分类研究.实验结果表明,该方法能够很好地表征肺部图像的特征,具有良好的分类准确率.     

基于不变矩的机器视觉车辆类型识别技术

针对智能交通领域汽车类型识别的应用背景，利用单目视觉开发了基于计算机视觉车辆类型识别系统；论述了单目视觉原理及特征提取的关键技术，利用不变矩及不变矩矢量在图像平移、旋转及比例变换时保持不变的特性，以其作为主要特征实现车辆类型有效识别。试验结果表明，该技术可以实现车辆类型的自动、快速和准确分类。     

基于Pseudo—zernike不变矩的肺部图像特征提取及分类研究

为准确、快速地分析肺部图像的特征,提出了一种基于Pseudo—zernike不变矩的肺部特征分析方法。通过对肺部图像进行预处理和基于Pseudo-zernike不变矩的特征提取,利用具有良好识别性能的SVM分类器对提取的肺部图像特征值做分类研究。实验结果表明,该方法能够很好地表征肺部图像的特征,具有良好的分类准确率。     

一种实用的不变矩计算方法

不变矩是图象的一种统计特征,满足平移、伸缩、旋转均不变的不变性,在图象识别领域得到了广泛应用。但是不变矩的计算是比较复杂的,计算工作量很大,特别是对于数字图象处理起来十分不便,例如由采样数据计算轴心轨迹图象的不变矩。本文提出了一种实用的计算二维图象不变矩的方法,并应用于轴心轨迹图的不变矩的计算。该方法充分利用了Ｗｉｎｄｏｗｓ内存位图功能,使得不变矩的计算不仅简单实用,而且精度较高。     

用不变矩方法解决汽车覆盖件投影轮廓线的分类问题

曲线类型识别是汽车覆盖件模具智能CAD中的一项关键技术。不变矩方法在图像识别领域应用非常广泛。本文将改造后的不变矩方法应用于汽车覆盖件投影轮廓线识别 ,并与神经网络结合起来识别曲线形状 ,取得了良好的效果     

小波和仿射不变矩的目标特征提取方法研究

不变矩是目标识别中重要而有效的特征提取方法。利用小波矩具有的多尺度、平移和旋转不变性进行特征提取,有较高的识别率。但当拍摄角度不同,图像发生形变,识别效果降低。针对这一问题,提出了一种将小波矩和仿射不变矩相结合用于目标特征新的提取方法,并验证本方法的鲁棒性更高,识别效果更好。     

形态梯度恒常的复值小波光流求解

为提高光流估计的鲁棒性,假设运动物体形态梯度为不变量,据此提出了一种基于形态梯度恒常性的小波光流求解方法,以形态梯度恒常假设构建形态光流基本方程,并将其映射至小波域,利用小波的多尺度多分辨率特性提高光流求解精度.引入复值小波以降低相位震荡的影响.通过最小二乘法求解超定的小波光流方程组以解得光流矢量,并用中值滤波去除光流场中的异常分量.实验表明,提出的方法在光流求解精度及算法稳定性方面优于传统光流求解方法.