基于KSVD和PCA的SAR图像目标特征提取

提出一种基于核的奇异值分解(KSVD)与主成分分析(PCA)相结合的SAR图像目标的组合特征提取方法。该方法首先利用核的奇异值分解得到图像非线性的代数特征,然后进一步经过PCA变换得到图像的最终分类特征。实验中,将本文提出的KSVD+PCA两步特征提取方法与PCA、SVD、KPCA、KSVD方法分别结合简单、快速的最近邻分类器在MSTAR坦克数据上进行了比较,实验结果表明,KSVD+PCA方法不仅有效地提高了目标的正确识别率,而且大大降低了对目标方位的敏感度,在目标方位信息未知的情况下,识别率可达到95.75%,是一种有效的SAR图像目标特征提取方法。     

基于改进的核判别分析的人脸识别算法研究

由于目前面临光照、表情、姿态等影响,人脸识别是计算机视觉领域中的一个难题.由于人脸图像蕴含着丰富的纹理信息,充分利用纹理特征也是提高人脸识别算法的有效方法.利用图像处理中信号处理和学习两种方法的优势,提出了基于Gabor小波和KDCV相结合的图像特征提取算法.首先利用小波分析提取人脸图像的纹理特征,然后用改进的核判别分析方法对提取的纹理特征进行降维,用降维后的数据作为人脸识别的特征.通过仿真实验表明,改进的核判别分析算法可有效提高人脸识别正确率,提高算法的实际应用性.     

一种改进的正视图三维模型特征提取算法

随着多媒体与网络技术的迅速发展,大量的三维模型产生并被广泛使用,导致三维模型查询成为紧迫的研究内容。其中基于内容的三维模型特征提取是一个重要的研究课题。文章在研究现有三维模型特征提取算法的基础上,提出了一种改进的正视图特征提取算法,通过提取正视图的灰度统计量平均值、均方差和三阶矩为特征,提高了算法的精确度。实验表明,算法在获得较好查准率与查全率的同时,降低了算法的运行时间。     

基于小波神经网络的无线电引信目标识别新方法

设计了基于小波神经网络的无线电引信目标识别新方法.根据无线电引信回波多普勒信号功率主要集中在低频部分的特点,对淹没在噪声中的无线电引信同波信号进行小波分解,提取在不同频带内信号能量作为特征,用小波神经网络对目标进行检测.针对不同信噪比,对某典型无线电引信回波信号进行定量研究,实验结果表明该方法处理信号信噪比达-7 dB.     

基于混合特征提取和WNN的齿轮箱故障诊断

提出了一种基于混合特征提取和小波神经网络(WNN)的齿轮箱故障诊断方法,运用时域分析法、小波分解和小波包分解相结合的方法对齿轮箱振动信号进行故障特征提取,将所提取的特征值作为WNN分类器的特征输入参数,采用反向传播(BP)算法对WNN结构中的平移参数、尺度参数、连接权值和阈值进行调整和优化.在实验中采用不同裂纹尺寸的齿轮来模拟三种故障模式,通过对三种故障齿轮进行诊断和分类,能证明本文所提议的故障诊断方法是有效且可靠的.     

动态人脸识别系统的设计与实现

介绍了动态人脸图像的识别问题,包括模块结构设计、系统结构设计和系统的实现等方面.首先,设计了图像采集模块,通过摄像头在VC++环境下实现动态图像的采集、捕捉、存储等功能.其次,对人脸检测与识别的实现过程和算法进行了详细的阐述.设计出的动态人脸识别系统时间复杂度比较低,占用较少的系统空间资源,实验结果具有很高的准确率.     

基于小波变换和径向基神经网络的签名识别

主要研究利用小波变换和径向基神经网络进行签名图像的分类识别.它包括不同签名图像和相似签名图像的分类识别.所提出的方法包括小波域的图像特征提取和利用径向基神经网络的模式分类.采用小波的多分辨分析方法对签名图像进行时频分析特别有效.熵和能量相关特征的概念用于小波域.径向基神经网络具有快速的收敛速度和分类能力.实验仿真证实了...     

基于特征提取的缺陷图像分类方法

针对缺陷图像表面复杂多变、特征不宜提取的特点,提出了一种归一化转动惯量特征和不变矩特征相结合的时域分析方法来构建缺陷图像的统计特征量,同时增加缺陷矩形框区域内压缩度、距离极值比和线度特征量作为缺陷分类的依据;提出了在缺陷频谱图像内提取特征量的频域分析方法,并将矩形框区域内所有像素点灰度平均值和灰度方差值作为缺陷分类的另一重要依据;同时将BP神经网络应用于缺陷图像的自动分类中,构建了系统的缺陷分类器,并对现场采集的常见6种缺陷类型进行了实验.结果表明,该特征提取方法在很大程度上提高了特征的分类有效性;该BP分类器识别率较高,现场整体识别率达到90%以上,在一定程度上解决了缺陷图像分类难的问题.     

一种基于加强三维模型细节的形状分布检索算法*

基于形状分布算法提出了一种加强细节检索的算法。该算法首先将经过预处理的模型分割为N个子模块并分别进行特征提取,然后构造每个子模块的形状分布直方图,最后通过比较子模块的相似度来计算模型的相似度。该算法相比形状分布算法比较准确地计算出了模型间的相似性,有效地提高了细节的分辨,解决了外形相近但细节不同的问题。     

基于主轴分析和团块特征提取的ISAR目标检测方法

传统的目标ISAR成像特征提取方法,对其能量分布、局部关键性质考虑不足。考虑到一般强散射点主要分布在目标主轴附近,文中提出了一种基于ISAR目标主轴分析的团块特征提取方法,首先通过强散射点坐标矩阵求得目标主轴方向及目标中心;在此基础上沿目标能量的主要分布范围对目标进行团块分割。提取到的团块特征,避免了强散射点对弱散射点几何结构表现能力的抑制,既可以反映目标直观特征,又可以较好反映目标的能量分布细节。仿真结果证明文中提出的方法是有效的。