一种改进区域能量融合规则的光子计数图像增强算法

为了得到融合效果更好的光子计数图像,提出一种改进区域能量融合规则的图像融合算法。由多像素光子计数器（Multi-piexl photon counter,MPPC）单一探测器在不同照度条件下扫描得到光子计数图像,并对其进行小波变换,得到高频图像和低频图像;然后计算两幅源图像高频部分的对应区域能量、邻域均方差、匹配度以及阈值,其中阈值是由局部图像的像素值和均值计算得到。如果匹配度大于或等于阈值,采用加权区域能量法确定融合图像;如果匹配度小于阈值,选取局部区域能量较大的源图像像素点的增强值作为相应融合图像中的像素点值。采用不同融合规则进行图像增强,结果证明在本文改进的融合规则下得到的光子计数图像细节更清晰,目标更易识别,评价指标中的信息熵、平均梯度以及空间频率的数值分别提高了约20%,25%和30%。     

几种拐点不变量及其在目标识别中的应用

拐点不变量是局部不变量的一种,广泛应用于缺损目标识别。介绍了三种拐点提取方法,分割融合算法,Ｈｏｕｇｈ变换和广义拐点方法。它们具有旋转,平移,尺度不变形,利用它们对４类缺损目标图象进行识别,取得了较好的结果。     

基于全局和局部特征的目标识别研究

为提高目标识别的准确性和快速性,提出了基于全局和局部特征对目标识别的方法。基于颜色直方图提取全局颜色特征,利用多尺度空间来表达目标的局部特征,最后将全局和局部特征进行数据融合得到图像的识别结果。实验结果表明,该方法很好地结合了目标的整体和局部信息,能有效地识别目标,且识别效果优于单一的全局特征和局部特征的识别效果。     

基于目标检测的多源遥感图像特征融合方法研究

提出了一种基于目标检测的多源遥感图像特征融合方法.首先,在单源图像上检测目标,利用图像的大地坐标信息,自动截取包含目标的同一地区的局部遥感图像,再分别提取多源遥感图像上目标的特征信息,根据其中冗余的特征信息对提取的目标区域进行关联,再由关联检验确保特征关联的正确性,最后对目标特征进行融合决策得到特征融合结果.实验结果表明,方法能有效地利用多源遥感图像的信息,提高所获取目标特征的准确度.     

基于双流对称特征融合网络模型的海洋船舶目标识别

海洋船舶目标识别在民用和军事领域有着重要的战略意义, 本文针对可见光图像和红外图像提出了一种 基于注意力机制的双流对称特征融合网络模型, 以提升复杂感知环境下船舶目标综合识别性能. 该模型利用双流对 称网络并行提取可见光和红外图像特征, 通过构建基于级联平均融合的多级融合层, 有效地利用可见光和红外两种 模态的互补信息获取更加全面的船舶特征描述. 同时将空间注意力机制引入特征融合模块, 增强融合特征图中关 键区域的响应, 进一步提升模型整体识别性能. 在VAIS实际数据集上进行系列实验证明了该模型的有效性, 其识别 精确度能达到87.24%, 综合性能显著优于现有方法.     

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%.     

局部鉴别分析驱动的红外与可见光图像协同目标跟踪

针对红外图像所含信息量少、可见光图像易受环境影响的问题,提出一种基于局部鉴别分析的红外与可见光图像多源信息协同跟踪的目标跟踪方法.从评估图像信息对目标和背景间的可区分性能角度出发引入线性鉴别分析理论,建立了局部区域目标背景间的可区分度函数;以此为基础实现了多源图像在特征层次上的自适应融合;最后将该融合理论嵌入到粒子滤波跟踪框架中,实现对目标的跟踪.实验结果表明,与采用单一图像信息的目标跟踪系统相比,该方法可对红外和可见光图像进行有效融合,实现对目标的稳健跟踪.     

基于多源信息融合的水上桥梁目标识别算法

目前的算法基本上都是针对单一图像源进行目标识别,方法的复杂度一般较高,运行速度慢,不能满足实际应用的需求.基于多源信息融合的水上桥梁目标识别方法将图像融合技术和目标识别技术有效结合起来,提出了一种新的目标识别方法.该方法主要分为3步:感兴趣目标区域提取,可疑桥梁目标提取,去除虚假目标.该方法综合利用了多源图像信息具有互补作用的特点,可准确地识别出目标.此外,该方法运行速度很快,具有在大图像上搜查可能存在目标的能力.     

非负矩阵分解和新轮廓波变换的图像融合

为提高融合图像保留源图像的信息量和边缘特征,提出了非负矩阵分解和新轮廓波变换的图像融合算法。以具有尖锐频率局部化特征的新轮廓波对循环平移后的源图像进行分解;运用非负矩阵分解实现低通子带融合,采用能量方差测度函数和匹配度函数实现带通子带融合;对各子带信号重构并逆循环平移,得到融合图像。实验结果分析表明,该方法保留了更多的信息量和边缘细节特征,应用效果较好。     

采用MSBN多智能体协同推理的智能农业车辆环境识别

为了解决智能农业车辆对所处复杂农田环境的识别信度定量分析困难的问题,提出了基于多连片贝叶斯网(MSBN)多智能体协同推理的目标识别算法.该方法把多智能体图像采集系统的局部信息表征在MSBN模型中,在观测不完备条件下,虽然单个智能体仅拥有目标的局部观测信息,但利用重叠子域信息的更新可以进行子网间消息的传播.利用MSBN局部推理和子网间信度通信的全局推理对多源信息进行融合,以提高识别性能.实验结果表明,与传统神经网络或BN方法相比,基于MSBN目标识别算法有效地对多源信息进行了补充,可以提高农业车辆在复杂环境进行识别的准确性.     

基于区域划分的角点检测

本文主要研究角点检测中全局/局部的搜索算法,针对该算法效率较低的情况提出了改进的角点检测算法. 该算法采用相似金字塔计算原理构造多层图像,同时采用多尺度Harris算子分层搜索并提取图像特征角点,经过分层图像、分区域图像的特征角点进行融合计算,实现了目标特征点寻找. 该算法主要在角点检测上考虑不同层次的图像和单张图像区域关系,并且通过特征点周围像素的变化参数来实现目标的定位. 实验结果表明,本文提出的改进算法提高了总体定位的速度,降低了误定位的概率.     

改进Harris特征的印刷体图像检索

目的 文档图像检索过程中，传统的光学字符识别（OCR）技术因易受文档图像质量和字体等相关因素的影响，难以达到有效检索的目的。关键词识别技术作为OCR技术的替代方案，不需经过繁琐的OCR识别，可直接对关键词进行检索。本文针对Harris算法聚簇现象严重和运算速度慢等问题，在关键词识别技术的框架下提出了改进Harris的图像匹配算法。方法 基于Fast进行特征点检测，利用Harris进行特征描述，并采用非极大值抑制的方法，最后利用暴力匹配中的汉明距离进行特征的相似性度量，输出最终的匹配结果。结果 实验结果表明本文算法在特征提取上的时间为0.101 s，相对于原始Harris算法的0.664 s和SIFT算法的1.066 s，实时性方面有了明显提高，改善了原始算法的聚簇现象，并且在无噪声的情况下，准确率达到98%，高于Sift算法的90%，召回率达到87.5%，而且在固定均值，不断提高方差的高斯噪声条件下，与Sift算法相比，准确率也高于后者，取得了较好的实验效果。结论 本文提出的方法满足了快速、精确的查找需求，在印刷体图像的文档图像检索中有效提高了检索率，具有较好的实验效果。     

基于特征分析的军用电子装备仿真训练软件开发环境建模

针对军用电子装备仿真训练软件目前开发中存在的复用率不高、开发效率低等问题,采用领域特征分析的方法,对该类软件的开发领域进行了服务、功能、行为三个层次的活动分析,并建立了该领域仿真对象管理、仿真模型驱动、运行支撑管理等服务的特征模型。实践证明,以此特征模型作为输入建立的集成开发环境,能够较好地解决该领域内软件开发过程中存在的构件重用问题,同时能使软件系统的开发效率得到显著提高。     

基于空间关联特征分布的目标跟踪

通过利用特征全局分布信息,提出一种以网格为数据单元的Mean Shift的目标跟踪算法(grid mean shift,GRIMSHIFT).针对传统Mean Shift目标跟踪算法的不足,GRIMSHIFT算法在m*n个像素的网格小区域内提取如颜色、角点量等局部区域特征值.在此基础上结合整幅图像进行约束Delaunay三角剖分得到图像像素间全局空间关联信息.在网格级上把局部特征信息和全局分布信息加权混合,使特征分布数据集具有了更高的目标辨识度;在视频序列中对动态网格特征分布连续运用Mean Shift便实现了对目标的跟踪.实验结果表明GRIMSHIFT拥有良好的实时性和准确性.     

Evaluation of salient point techniques

In image retrieval, global features related to color or texture are commonly used to describe the image content. The problem with this approach is that these global features cannot capture all parts of the image having different characteristics. Therefore, local computation of image information is necessary. By using salient points to represent local information, more discriminative features can be computed. In this paper, we compare a wavelet-based salient point extraction algorithm with two corner detectors using the criteria: repeatability rate and information content. We also show that extracting color and texture information in the locations given by our salient points provides significantly improved results in terms of retrieval accuracy, computational complexity, and storage space of feature vectors as compared to global feature approaches.     

基于SVD局部数字水印算法

本文将水印嵌入和局部不易发生变化的特征点结合,首先利用多尺度Harris角点检测算法检测出图像的特征点;其次以局部最稳定的特征点为中心选取局部特征区域;最后对特征区域分块,利用奇异值分解后最大奇异值的稳定性,将水印嵌入在最大的奇异值上。实验证明,该算法不仅具有很好的不可见性,而且对一些图像攻击具有很好的鲁棒性,尤其是局部攻击。     

加强军事信息安全建设的研究

在未来的信息化战争中,如果想夺取信息优势,抢占军事信息战略制高点,必须要加强信息安全的防护工作。本文首先简要介绍了信息安全的基本概念;然后浅析了军事信息安全面临的威胁;最后从建立五道屏障入手,分析了维护我军事信息安全的措施。     

A new approach to vision-based unsupervised learning of unexplored indoor environment for autonomous land vehicle navigation

A vision-based approach to unsupervised learning of the indoor environment for autonomous land vehicle (ALV) navigation is proposed. The ALV may, without human's involvement, self-navigate systematically in an unexplored closed environment, collect the information of the environment features, and then build a top-view map of the environment for later planned navigation or other applications. The learning system consists of three subsystems: a feature location subsystem, a model management subsystem, and an environment exploration subsystem. The feature location subsystem processes input images, and calculates the locations of the local features and the ALV by model matching techniques. To facilitate feature collection, two laser markers are mounted on the vehicle which project laser light on the corridor walls to form easily detectable line and corner features. The model management subsystem attaches the local model into a global one by merging matched corner pairs as well as line segment pairs. The environment exploration subsystem guides the ALV to explore the entire navigation environment by using the information of the learned model and the current ALV location. The guidance scheme is based on the use of a pushdown transducer derived from automata theory. A prototype learning system was implemented on a real vehicle, and simulations and experimental results in real environments show the feasibility of the proposed approach.     

三角网格曲面角点的鲁棒性检测算法

为有效检测三角网格曲面上的角点特征,提出一种基于最小主曲率的角点检测算法.首先通过计算网格顶点处的最小主曲率,利用加权最小主曲率定义角点特征函数,并计算角点特征值;然后利用迭代阈值法自动产生检测阈值,以去除噪声和特征不明显的角点;最后采用非极大值抑制法消除局部邻域内的角点聚簇获取特征明显的角点.在此基础上,在多个尺度下分别计算每个网格顶点处的角点特征值,并通过加权将其合并成多尺度角点特征值,新的角点特征值使得角点检测算法具有较高的稳定性和鲁棒性.通过重复检测率实验和部分重叠曲面的配准实验,验证了文中算法的有效性与实用性.