利用图像校正的快速目标识别算法

提出了一种基于图像校正的快速目标识别算法,特别适合于航拍照片中地面上面目标的识别。算法可以使目标模型单一化,在很大程度上克服了目标识别模型复杂、数据运算量大、计算实时性差等缺点,提高了目标识别的实时性和精确性。首先对图像进行感兴趣区域的检测;对检测出的区域进行图像的正视校正;然后对校正后的区域进行特征提取;最后进行目标识别,并输出目标信息,完成识别过程。实验表明,该算法用于大倾角航片目标识别是有发展潜力和前途的。     

基于背景约束机制的目标识别方法及图像语义抽取

多数图像目标识别过程只对主要目标物进行提取,再分类识别,造成图像背景信息丢失,为此提出一种背景约束机制(background restraint mechanism)下的目标识别方法。通过视觉注意模型分别提取图像的前景目标物和背景信息,实现图像的前景目标物与背景分离,通过对背景图像信息的提取识别形成对前景目标物的概率约束。将此约束机制引入分类器中形成一种BRM_GAM(background-restraint-mechanism_Gaussian ARTMAP)分类模型,对前景目标物进行分类识别。实验结果表明,该方法有较好识别效率和时效性,符合人类认知。此外,提出一种利用GAM模型提取图像语义字典直方图,进行图像语义抽取的方法。     

SAR图像中目标的自动检测与辨别

SAR图像自动目标识别(automatic target recognition,ATR)是当前的一大研究热点。典型的ATR系统分为检测、辨别和识别3个阶段。在检测和辨别过程中对图像进行预筛选,找出感兴趣区域,是进行目标识别前的一个重要步骤。高效的预筛选过程可以大大减少目标识别过程的计算量。目前,目标检测的方法有CFAR方法、多分辨率方法以及基于相位信息的检测方法3类。目标辨别的方法也有多种。本文就目标检测和辨别阶段的主要算法及其效果作了系统的介绍,并对该领域未来的发展方向进行了展望。     

一种基于对数极坐标变换的快速目标识别算法

在目标识别的过程中,观察目标图像相对于基准目标图像会存在尺度、方向和位置的变化,使得识别速度和准确率降低. 针对这一问题,提出了一种快速对数极坐标变换算法,加快了从笛卡儿坐标转换到对数极坐标的过程. 通过采用双轴投影相似度分析算法对目标图像进行匹配,进一步加快了识别速度,同时保证了匹配的可靠性. 理论分析和试验结果表明,该算法在计算效率和目标识别正确率方面具有较好的性能.     

一种建筑物目标识别方法

论文提出了一种在复杂场景图像中识别建筑物目标的方法。提取图像的短线段特征,将目标识别转化为最大后验概率估计问题,并利用贝叶斯理论将先验知识引入到识别过程中。利用概率分布表示模板特征在匹配过程的不确定性,反映了目标在被遮挡条件下,不匹配的模板特征分布聚集的现象。利用高斯分布表示图像特征的不确定性。最终给出一个评判分数判断图像中存在建筑物目标的区域。实验表明:给出的评判分数能在一定程度上排除图像中虚假目标,识别出真正目标。     

遥感图像目标多尺度特征分析

地面目标在不同尺度的遥感影像中表现出不同的特征,对自动目标识别的准确性有很大影响。基于多分辨率遥感影像,研究典型图像目标的识别技术,给出了多尺度图像目标识别框架。首先针对不同尺度的遥感影像,分析了每个尺度上目标识别的有效特征。然后在提取典型目标的多种特征基础上,对这些特征进行尺度相关性分析,并研究不同的尺度对目标形状结构等特征产生的影响。实验结果表明,基于多分辨率遥感影像的识别框架可以有效地实现图像目标的分析与识别。     

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。     

基于声呐图像的水下目标检测、识别与跟踪研究综述

水下目标检测、识别和跟踪是具有重要意义的热点研究问题,在军事和民用领域都有重要的应用.鉴于此,对基于声呐图像的水下目标检测、识别和跟踪原理、方法以及典型算法的研究进展进行全面阐述.首先论述基于声呐图像的水下目标检测、图像去噪、图像分割等方面的主要进展以及典型算法和算法扩展;然后对水下目标声呐图像识别中的特征提取、特征分类方法和主要技术难点进行讨论;最后阐述基于水声信号处理和声呐图像信息的水下目标跟踪方法和算法.通过对水下目标处理过程各个过程的深入讨论和对比分析,指出基于声呐图像的水下目标检测、识别和跟踪中急需解决的关键科学问题及可能的解决思路,并对该领域的未来发展方向做进一步的展望.     

基于卷积神经网络的遥感图像飞机目标识别

遥感图像的识别技术一直被广泛运用于民用和军事领域。针对采集到的遥感飞机图像存在大量干扰,如遮挡、噪声、视角变化等因素,提出一种改进的基于卷积神经网络的遥感图像目标识别算法。在复杂环境下,运用卷积神经网络对飞机目标进行识别,避免了在特征提取过程中信息的丢失,提高了识别率。实验结果证明了该算法在遥感图像飞机目标识别中的可行性,能克服尺度变化及目标姿态变化等因素的影响。同时提出的算法较传统CNN、BP神经网络和支持向量机(SVM)方法具有更好的识别效果,鲁棒性更强。     

机载高速视觉图像目标识别优化仿真研究

机载视觉采集器采集图像去噪的性能优劣,影响着目标识别的准确性.在机载高速视觉采集图像过程中,由于距离目标远,飞机速度快,图像采集的结果会包含大量的乘性噪声点,影响采集图像中目标像素可识别特征的质量.传统的图目标识别方法都是通过把这种乘性噪声模糊化,转换成加性噪声进行去噪处理然后加以识别,但是,在这种转换的过程中,会造成关键目标特征丢失,识别效果不好.提出基于改进多小波变换的机载高速视觉采集图像去噪识别方法.获取合适的基小波及小波分解层数目,对含有噪声的信号进行多小波变换操作,根据估计小波系数对信号进行重构操作,获取去噪后的机载高速视觉采集图像,优化识别过程.实验结果表明,利用改进算法进行机载高速视觉采集图像去噪,能够提高机载高速视觉采集图像的信噪比和图像质量.     

一种基于模板匹配的电路照片拼接方法

鉴于实际工作中,经常需要将多幅图象拼成一大幅大图象的问题,提出了一种针对显微照片的新拼接方法。该方法是应用模板匹配技术来实现图象的自动拼接,由于是通过利用图象信息来选择模板,从而为模板匹配的定位创造了条件,该方法分为模板选择、模板匹配和图象拼接3步。实际运用结果表明,该方法简单易行,在电路照片的拼接中,定位较准确,且拼接效果好。     

一种鲁棒型Hausdorff距离图像匹配方法

图像匹配是图像处理的一项关键技术,传统方法受光照、噪声和遮挡的影响,使匹配过程变得困难。为了提高图像匹配的鲁棒性,提出了一种基于方向信息的鲁棒型Hausdorff距离匹配方法。该方法采用方向信息提取图像边缘,通过计算边缘匹配率(edge matching rate,EMR)获得候选匹配区域,然后采用修正后的Hausdorff距离构造相似性测度。实验结果表明,该方法加快了匹配过程,提高了抗噪性能,并能够准确匹配含有遮挡和伪边缘点的图像,从而解决了基于传统Hausdorff距离匹配方法因噪声点、伪边缘点和出格点而造成的误匹配问题。     

分块检测与特征嵌入相结合的图像检索方法研究

要想提高图像检索的效率,需要考虑到两个方面的问题,图像的分类和匹配,采用好的方法对图像分类,可以使图像检索的结果更精确,再结合好的匹配方法加快检索速度,就会使图像检索的效率大大提高.所描述的图像检索系统,在图像分类时,先分块检测,再将综合分块检测的结果对图像进行分类,取得良好的分类效果.在图像匹配过程中,引用水印作为索...     

基于维纳滤波的图像模板匹配

一种常用于图像恢复的维纳滤波技术被用于图像的模板匹配,其基本思想是：将模板图像看作是作用于匹配系数矩阵的模糊函数,匹配系统矩阵的元素值表示在待搜索图像的对应位置是否存在给定的模板;模糊函数与加性噪声共同作用于匹配系统矩阵产生待搜索图像。这样就将模板匹配问题转化为一个图像恢复问题。通过维纳滤波将待搜索图像去模糊,即得匹配系统矩阵,从而完成匹配。与相关匹配法相比,该方法具有匹配点定位准确,稳健性强的特点。     

基于假设检验技术的匹配可信度分析方法

匹配可信度是分析图像匹配质量的主要指标.以数理统计中的假设检验方法为手 段,以相似性度量值为检验用统计量,确定在一定的检验显著性水平下图像匹配可信度的假 设检验结果.针对大量实际图像的实验结果证实了该方法在确定图像匹配可信度方面的有效 性.     

一种基于雾天图像增强的SURF图像匹配方法

在地质灾害监测系统中,可以通过图像的变化检测对发生的灾害进行监测。要精确地进行变化检测,需要首先对图像进行匹配。针对雾天图像匹配精度低的问题,提出了一种基于雾天图像增强的SURF（Speed Up Robust Feature）图像匹配方法,有效地提高了雾天图像的匹配精度。用MSR（Multi Scale Retinex）算法对雾天图像进行增强处理,采用SURF算法完成特征点的提取,用欧式距离来度量特征点的相似度,根据相似三角形的距离比例不变性删除误匹配的点对。实验结果表明,该方法显著提高了图像特征点的匹配精度,为后续利用图像变化检测进行灾害监测提供了良好的基础。     

新型优化SIFT的图像快速配准方法研究

针对尺度不变特征变换（Scale Invariant Feature Transform,SIFT）算法图像配准时间长、匹配率低等问题,提出了重合区域图像极值特征提取法以及图像降采样特征配准法。在特征匹配的过程中,重点考虑重叠区域的特征匹配点对极值一致性约束条件,并利用差分尺度空间的局部单极值,以减小冗余特征点,节约特征提取与匹配时间;在此基础上,以图像尺度大小（选择180×180）作为缩放约束,对图像进行同比例插值缩小,并根据缩放后图像与原始图像变换矩阵之间的关系,计算出原始图像变换矩阵,实现图像的快速、精确配准。利用实例验证了所提方法的有效性和可行性。     

加权模板匹配的二值化阈值不敏感性研究

数字图像二值化处理过程中,阈值的选取非常之关键,为了在实际应用中能够快速准确地匹配出二值化图像中的目标图像,文中采用模板匹配的方法,对标准模板匹配算法和加权模板匹配算法的二值化阈值敏感性进行了研究。根据实验图像在二值化处理过程中所取阈值的波动对图像匹配结果的影响情况,得到加权模板匹配算法与标准模板匹配算法的二值化阈值敏感性差异。实验结论同时表明加权模板匹配算法具有较强的二值化阈值不敏感性和匹配性能好的优点。     

基于特征点的全自动无缝图像拼接方法

提出了一种基于特征点的全自动无缝图像拼接方法.该方法采用对于尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,并通过引导互匹配及投票过滤的方法提高特征点的匹配精确度,使用稳健的RANSAC算法求出图像间变换矩阵H的初值并使用LM非线性迭代算法精炼H,最终使用加权平滑算法完成了图像的无缝拼接.整个处理过程完全自动地实现了对一组图像的无缝拼接,克服了传统图像拼接方法在尺度和光照变化条件下的局限性.实验结果验证了方法的有效性.     

图像点模式匹配的一种凸包序列的图谱方法

利用点集的凸包具有仿射不变性和局部可控性,针对图谱方法难以精确匹配旋转角度较大图像的问题,提出了图像点模式匹配的一种凸包序列的图谱方法,使得匹配在图像旋转角度较大的情形下仍具有稳定性。构建图像特征点集新的图模型（凸包）,利用改进的图谱方法对凸包进行匹配,并减小原始特征点集,迭代上述过程,通过构造凸包序列,自特征点集的外围到内部逐步匹配,得到较精确的匹配对。实现基于凸包序列的图谱方法的图像点模式匹配。实验结果表明,该方法不但能精确匹配旋转角度较小的图像,而且对于旋转角度大的图像以及多光谱图像匹配精度也较高。