车牌识别系统设计与实现

通过对车牌定位、车牌字符分割和车牌字符识别进行研究,提出了一种车牌识别系统的设计和实验方法。车牌定位模块中,提出了采用基于小波变换的车牌边缘提取和数学形态学相结合的方法定位出车牌,进行二值化、滤波后使用垂直投影法分割出车牌字符,最后使用多模板匹配和二次细分识别相结合的方法识别出车牌字符。经实验验证,基于该算法的车牌识别系统能够达到较高的车牌识别率。     

六角变换方法在视频编码中的应用

介绍了一些有关DCT及其快速算法的关键技术,提出了六角变换方法及其应用于视频编码的近似整数实现.实验结果表明,六角变换方法不仅具有相比浮点DCT实现复杂度低、解码端无误差累积的优点,而且能提供相比其他整数近似变换更高的视频编码效率.     

基于MR特征分离技术的室分监控研究

在简要分析传统直放站室分监控方法不足的基础上,首次提出了利用MR数据进行室分监控的思路,针对其技术难点提出了利用神经网络解决室内外MR数据分离的方法,并详细阐述了利用MR数据进行室分监控的流程及监控系统的自我完善问题。     

压缩感知SAR成像方法及抗相干干扰性分析

对合成孔径雷达(SAR)的干扰与抗干扰技术,目前已受到广泛的关注和研究。文中在分析了传统SAR成像及其相干干扰原理的基础上,利用压缩感知理论,探讨了一种压缩感知SAR成像方法,并分析了其抗相干干扰性。该方法通过构造满足RIP性质的观测矩阵和稀疏变换矩阵,在假设场景目标稀疏的条件下,准确重构出场景目标高分辨像,克服了由于SAR系统收到回波信号的脉内频率和脉间相位关系被破坏而无法利用传统二维匹配滤波成像方法获得准确场景目标高分辨像的问题,具有很好的抗相干干扰特性。最后给出了相关的仿真实验结果。     

融合多特征的图像检索算法

针对单一特征不能很好地表述图像的问题,提出了一种融合多特征的图像检索算法.首先,提取查询图像和图像库中样本图像的GIST(Generalized Search Tree)特征,用欧氏距离衡量图像间的GIST相似度值,根据查询图像的GIST特征在图像库中进行检索,将结果按相似度进行排序;然后,提取查询图像和返回结果中前k幅图像的尺度不变特征变换(SIFT)特征,使用BBF(Best Bin First)算法进行特征匹配;最后,通过特征点匹配点对数排序并返回检索结果.实验在改进的Corel1000数据集上进行,与传统的单特征图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了较好的检索效率.     

加载小型天线的谐振腔特性分析及应用研究

提出了一种测量小型天线的方法,以适应对数量极为庞大的终端天线产品特性的逐一检测.理论分析和实验验证均表明:谐振腔内放入双频天线时,会出现三个谐振频率,其一为加载天线后的腔体的谐振频率,另外两个是受外加激励由天线产生的辐射场.前者携带有天线几何结构及其构成材料的信息,后者含有天线辐射特性方面的信息.据此,建立了一套可对批量天线产品性能进行检测的谐振腔系统,该系统还可对其它小体积样品的物理特性进行测量,同时使谐振腔的应用由对一般材料特性的测量扩展到了对有辐射特性器件的测试.     

基于样本正交子空间的SAR目标识别方法

利用合成孔径雷达(Synthetic Aperture Radar, SAR)获取的目标像进行识别时,基于子空间的自动目标识别(Automatic Target Recognition, ATR)方法通常是对样本数据的值空间进行操作。当识别相似目标时,由于彼此的值空间存在较大的交集,生成的识别模板的可分性较差。该文提出一种SAR目标ATR方法,该方法将SAR样本数据的正交子空间作为投影空间。因此,不同类目标样本在投影空间的差异性加大,能够明显提高识别效果。实验结果表明,本文方法的识别性能优于其它同类方法。     

基于非下采样Contourlet变换的SAR图像增强

该文基于非下采样Contourlet变换(NSCT)和SAR图像的统计特性,提出一种SAR图像增强方法,给出一种基于非下采样塔型分解的斑点噪声方差估计算法和一种基于方向邻域模型的弱边缘增强算法。该文在不同方向子代进行斑点方差估计,利用局部方向统计信息对NSCT系数并进行强边缘、弱边缘和噪声分类并进行弱边缘的增强和噪声的抑制。实验结果表明,该方法在方向信息保留和斑点抑制上优于非下采样小波变换(NSWT)相应方法。     

一种自适应多尺度积阈值的图像去噪算法

该文提出了平稳小波变换(Stationary Wavelet Transform, SWT )域自适应多尺度积阈值的图像去噪算法(SWT domain Multiscale Products, SWTMP)。与传统的阈值去噪算法不同,该阈值不是直接作用于小波系数,而是作用于小波系数的空间多尺度积。分析了SWT域含噪图像多尺度积的特点,提出了SWT域自适应多尺度积阈值的计算方法。多尺度积强化了图像的重要结构信息,弱化了噪声,在有效去噪的同时更多地保留了图像的边缘和细节。实验结果表明,所提算法对自然图像去噪后的视觉效果和性能指标均好于二进小波域多尺度积阈值(Adaptive Multiscale Products Thresholding, AMPT)去噪方法。     

基于FRFT的α域-包络曲线的雷达信号特征提取及自动分类

提取和补充新的特征参数是解决复杂体制雷达辐射源信号分选和雷达目标识别难题的有效手段,为此该文提出一种基于FRFT的域-包络曲线特征向量的提取方法。该方法通过FRFT搜索得到旋转角域的包络曲线函数,提取出该曲线峰值所对应的值、峰值大小及包络曲线峰度这3个特征,构造新的特征向量,并以此作为经典参数的补充。同时,采用动态聚类法就所提取的特征向量分选空间雷达辐射源信号。大量的仿真结果表明,提取的新特征具有较好的类内聚敛和类间分离能力,还具有较好的抗噪声性能,证实了新特征向量作为信号分选参数的有效性和可行性。