运动目标识别算法研究

本文介绍了几种广泛引起重视的特征描述算法,并对其性能作了定性的评价,提出了一种以二维付立叶变换为基础的运动目标形状描述算法,该算法可用于对目标进行粗分类。     

基于星图识别算法的空间小目标识别

基于星形星图识别算法,利用星对距离和星对角距2个特征进行匹配识别,实现了快速识别空间小目标的目的,并可对该目标实时追踪。Matlab仿真表明,该算法识别过程简单,对星图噪声和伪星具有较好的抵抗力,具有识别率高且稳定、识别速度快的优点。     

基于FPGA的足球机器人目标识别算法研究

基于国内外足球机器人视觉系统目标识别算法现状,讨论了目标识别所存在的问题,并提出了一种基于YCbCr色彩空间且应用于现场可编程门阵列的目标识别算法,以满足视觉系统的实时性和稳定性.     

基于证据聚类的水声目标识别算法研究

针对水声目标信号复杂、样本获取难度大且富含不确定信息的问题,研究了一种证据聚类识别算法。首先在水声目标的各类训练样本中,根据特征距离大小选取待识别目标的K近邻,并采用证据近邻分类优化算法为各目标数据构造一组合理的初始基本置信指派。然后对算法的目标函数进行循环迭代优化,计算出目标数据最终的全局基本置信指派。最后根据融合结果和所设立的分类规则即可判断目标的类别属性。通过水声目标实测数据的实验,将新算法与其他几种常用的水声目标识别算法进行了对比分析,结果表明其能有效提高识别准确率。     

基于模板匹配的改进型目标识别算法

针对图像处理过程中采用局部特征提取与特征匹配的目标识别算法对纹理不丰富物体识别精度差、在同一次学习过程中不能多视角识别同一个物体的缺点,提出采用基于模板匹配的改进型目标识别算法,提高对纹理不丰富物体的识别速度及准确率。利用梯度作为特征量完成模板匹配,结合DOT算法去除次要的梯度特征,只采用幅值大的主导梯度方向作为特征量进行模板匹配,融入仿射投影变换算法、将模板特征二进制化来提高在线同时识别多个不同物体、多视角识别同一个三维物体的速度及准确率。试验证明,该目标识别算法对复杂背景中纹理较少的物体,发生微小变形、微小平移和光照变换的物体识别效果鲁棒性强。     

基于射频识别技术的多目标识别防碰撞算法

分析多目标碰撞产生的原因,介绍现有多目标防碰撞算法及相应的改进算法,提出了一种快速的二进制搜索算法,通过对碰撞位进行分组的方式减少查询次数,更好地解决多目标识别产生碰撞的问题。仿真结果表明,此算法的性能较其他二进制树防碰撞算法有比较明显的提高。     

基于biSCAN和SVM的机器人目标识别新算法研究

针对机器人足球比赛环境容易受光照变化影响,造成目标识别率低、光照自适应性差的问题,采用c₁c₂c₃彩色不变的特征,利用biSCAN算法设置一系列从圆形图像中心出发且与图像半径为同方向的径向扫描线来提取目标所在区域,并用支持向量机（support vector machine,SVM）进行目标识别.实验表明,该方法提高了目标识别率,具有较强的光照自适应能力.     

基于边界标记的形状上下文目标识别算法

形状上下文不具有旋转不变性,所以不能很好地应用于旋转物体的识别,本文提出基于边界标记的形状上下文目标识别算法。该算法通过提取目标物体轮廓并对轮廓进行数学形态学处理,计算形状图的重心,以重心为参考点运用距离为弧长的函数的边界标记方法,对轮廓边界进行标记并归一化处理,最后运用形状上下文对目标进行识别。实验表明,提出的算法克服了形状上下文没有旋转不变性的缺点,可以很好的用于平移、缩放和旋转物体的目标识别。     

运动目标检测与识别算法的研究

传统的运动目标检测方法不能精确检测目标发生仿射形变,为此提出一种动态模板匹配改进算法。该算法首先利用改进后的瞬时差分算法对序列图像中的运动物体进行检测和定位,提高检测与识别的实时性;其次,采用仿射不变矩作为提取目标时的不变特征,从而克服不能有效检测与识别时发生仿射形变目标的缺点。实验仿真结果表明,该算法优于传统的动态模板匹配算法。     

多目标动态规划逐次迭代算法

本文运用逐步最优化原理,提出一种求解多目标动态规划方法的迭代算法,为解决多维、多目标动态规划问题的维数障碍提供了捷径。文中给出了迭代算法的具体步骤,并对迭代算法的收敛性给出了证明。由于此法对非劣解是逐次求出,可以方便地用于对话式的多目标决策问题的求解。     

分块迭代导向最小方差算法及其在线谱目标检测中的应用

针对导向最小方差波束形成算法计算量大的难题,本文提出了基于一阶递归滤波器、矩阵求逆引理和矩阵分块求逆的分块迭代导向最小方差算法,在保留经典导向最小方差算法良好性能的同时大幅降低了其计算量.当阵元数为M时,新算法的计算量大致为原算法的1/4M.仿真和海试数据处理结果表明:新算法继承了经典导向最小方差算法的高方位分辨力和对...     

视觉感知的目标识别算法

针对图像的目标识别问题,采用视觉感知的方法,模拟感受野的分层信息处理机制,并引入神经元间的侧抑制机制,对神经元响应进行筛选,通过检测视觉基本特征的方式识别图像中的目标.算法首先在简单细胞的感受野中对图像进行预处理;其次,在复杂细胞的感受野中,将简单细胞的感受野刺激进一步拓扑特征提取,得到感受野刺激响应;最后,通过侧抑制机制对响应神经元筛选,找出对刺激响应较强烈的神经元,将其输出作为目标识别的参数标准.实验结果表明,基于视觉感知的算法可以用少量样本解决大量图像中的目标识别问题,识别率高于边缘检测和图像分割方法,算法的目标识别率达到95.56%.     

基于k短路径算法的多目标最短路径算法

为满意地解决多目标最短路径问题,提出基于循环搜索第k短路径,构造新集合做交集的多项式算法。该算法是在每一轮的k短路搜索完以后,通过交集产生多目标最短路径或备选路径。当有多条备选路径时再用Vague集投影和距离的决策方法,根据评价值的大小对候选方案进行排序,从而选取最佳方案。     

基于k短路径算法的多目标最短路径算法

为满意地解决多目标最短路径问题,提出基于循环搜索第k短路径,构造新集合做交集的多项式算法.该算法是在每一轮的k短路搜索完以后,通过交集产生多目标最短路径或备选路径.当有多条备选路径时再用Vague集投影和距离的决策方法,根据评价值的大小对候选方案进行排序,从而选取最佳方案.     

基于更快区域卷积神经网络的多视角船舶识别

针对在复杂海洋环境下采集船舶多视角图像难度大、不同视角下船舶外观差异显著的问题,本文以自制的不同类型的多艘船舶的多视角图像为数据集训练更快区域卷积神经网络模型,利用平均F₁分数、平均精度和平均误检率作为评价指标评估更快区域卷积神经网络模型对不同视角船舶的识别性能,并通过识别不同船舶的F₁分数和误检率分析更快区域卷积神经网络对不同质量、背景图像的识别能力。实验结果表明,更快区域卷积神经网络识别多角度船舶的平均F₁分数为0.696 9,平均精度为92.88%,平均误检率为8.34%,即更快区域卷积神经网络对多视角船舶有较高的识别能力,但对于有雾或昏暗环境下的低像素图像识别能力明显下降。     

哼唱曲调识别与记谱的迭代改进算法

哼唱记谱是音乐创作谱曲的重要方法与过程。该文分析了受多种环境因素影响的复杂哼唱音频基本特征;基于加窗傅里叶变换方法,以音符为单位对哼唱音频进行区域性的划分、定义和特征提取,提出了以相对振幅为依据快速提取基频的方法,设计出一种可变区域的傅里叶变换迭代算法。采用Python 3.6编程实现了上述迭代算法,自动获取哼唱音符的音高和音长并形成数字乐谱,实验测试准确率达到84.3%。上述结果表明,该算法能更加精确地识别哼唱曲调,为开发精准辅助作曲软件提供了一种可行的识别与记谱算法,具有较好的应用前景。     

基于改进D-S证据组合规则的目标识别算法

为了更好地解决高冲突证据的融合问题,提出一种3条证据直接融合的改进D-S算法.该算法首先根据证据支持贴近度函数给出识别框架下各焦元支持度的计算方法;其次根据三维证据直接融合产生的冲突因子的性质及各焦元的支持度,提出一种基于D-S证据组合规则的冲突信息加权分配算法;最后以多传感器多目标识别系统为背景进行仿真实验.理论分析和仿真结果表明,基于三维证据直接融合的改进D-S算法具有较强的抗干扰性能,能有效融合各种冲突信息,提高目标识别概率.     

一种基于不变矩的红外目标识别算法

针对单一目标特征量提取与识别存在的不足,提出了不变矩与红外目标几何形态特征组成的联合特征量,并选取欧氏距离作为目标分类识别的判别准则。实验结果表明,联合不变矩作为特征量满足尺度不变性,且有很强的独立性与可分性。在目标识别分类的应用中,其效果优于不变矩特征识别。     

基于决策变量交互识别的多目标优化算法

当前求解大规模优化问题的关键在于决策变量的有效分组.随着决策变量规模的增大,决策变量间以及决策变量与目标函数间的关系愈加复杂.在总的适应度评价次数给定的条件下,决策变量分组所消耗的适应度评价次数越多,种群进化过程中所剩适应度评价次数越少,从而影响算法收敛能力,导致解集质量下降.为解决以上问题,首先,提出了一种决策变量交...