一种机场目标检测与定位方法

针对机场目标检测定位时目标特征提取过于单一,识别结果不理想的问题,文章提出一种基于多源遥感图像的机场目标检测与定位方法;分别提取多光谱机场图像的跑道特征、纹理特征,以及相同区域SAR图像的后向散射特征,并将这些特征输入SVM分类器进行识别来判断候选区域是否包含机场,解决了目前特征单一、识别率较低等问题;实验结果表明该方法能更好地识别机场区域、提高识别率。     

具有活体检测功能的手背静脉身份识别方法研究

针对身份识别容易被仿冒和造假的问题,提出了一种利用近红外相机捕获手背静脉同时具有活体检测功能的身份识别方法,手背静脉图像提供静脉特征作为身份识别的依据,与此同时获取的脉搏波的周期性特征作为活体检测的标志。利用自行搭建的手背静脉和脉搏波捕获实验装置,研究了70个个体的手背静脉图像以及活体和假体的静脉图像特征,并提出了提高身份识别准确率的算法。采用主成分分析对活体静脉特征向量进行降维,降低分类算法的复杂度,结合马氏距离去除异常样本,以提高识别精度,再采用参数优化的随机森林算法和支持向量机算法实现了手背静脉的精准识别。结果表明:基于手背静脉特征结合随机森林算法和支持向量机算法可以对不同个体进行身份识别,识别准确率分别为99.28%和99.86%,识别时间分别为0.368 s和0.110 s。     

基于特征融合的手背静脉识别

图像平移和旋转会降低手背静脉识别的准确性,针对该问题,本文提出了一种特征融合的手背静脉识别法.该方法充分考虑图像的细节特征和全局特征,首先选取图像中的交叉点和端点作为特征点,再从特征点中提取出图像匹配的基准点,计算基准点至特征点间的相对距离及基准点与特征点连线间相邻连线产生的夹角作为细节特征;然后利用不变矩方法提取图像特征作为全局特征;最后将两种图像特征融合,进行手背静脉识别.实验模拟结果表明,该方法可快速有效地实现手背静脉识别.     

基于LBP和PCA机器学习的手势识别算法

为解决听力障碍者与无障碍者的信息交流问题,对哑语手势自动识别技术进行研究。提出了一种改进的手势识别算法。首先通过YUV肤色分割、图像差分、连通域检测等算法进行预处理,获取完整的手型区域图像。然后对手型的二值图像进行轮廓检测,采用LBP变换与主成分分析进行特征提取与压缩。最后运用支持向量机的机器学习算法构建分类器,对哑语手势进行分类识别。通过对630张手势图像进行实验,结果表明,提出的算法有效提高了识别率与速度,识别率达到94.22%,速度达到0.29s/幅,可以满足哑语交流的实时性要求。     

基于经验模态分解的虹膜识别

虹膜识别是一种有效的生物特征识别方法。经验模态分解(EMD)是一种可自适应的对非线性、非平稳信号进行多分辨率分解的信号分析算法。将虹膜图像进行EMD分解,找出有利于虹膜识别的敏感频带,使用选择后的固有模态分量对虹膜图像进行特征提取。仿真实验结果表明,该方法正确识别率达到99.44%,并且由于其在特征提取的同时消除了高频噪声和背景光影响,简化了预处理过程,降低了算法的复杂度。     

基于SSIM的车牌识别算法研究

对车牌中的字符进行精确提取并识别是车牌识别系统面临的重要问题。在字符提取阶段,利用车牌图像特有的信息特征,提出以红色分量作为目标图像,依次进行水平和垂直投影完成字符分割,既可精确提取字符,又可矫正字符形态。将基于结构相似度SSIM(structure similarity)的算法应用于车牌识别,避免了前期对字符结构信息做大量的对比统计工作,省略了特征提取的步骤,降低了算法复杂度;利用角点检测方法对相似字符进行细化和区分,进一步完善了整体的识别性能。实验证明,该算法有较好的识别率。     

基于图像特征提取的脱机手写数字识别方法

脱机手写数字识别其本质是数字的图像特征匹配问题,所以需要进行手写数字的特征提取,为了准确识别,往往使用较高的特征维数,这就导致识别效率较低。为了提高识别效率,同时为了保持较高的识别率,提出了一种基于图像特征提取的脱机手写数字识别方法。首先利用主分量分析法抽取数字字符图像的统计特征,来降低数字的特征维数,通过对主分量重建模型的误差分析进行数字识别;然后,结合手写数字的笔画结构不稳定的特点,设计并提取数字的宽高比结构特征,进一步比对识别;最后,利用自制训练样本及测试样本库进行仿真实验,数字识别率为96%,识别准确率较高。     

基于人眼视觉皮层系统的SAR图像目标识别

人眼的视觉系统是已知最复杂最精确的目标识别系统;针对现有浅层学习模型提取SAR图像目标特征效果不理想、普适性不强及目标识别精度不高等问题,参考人眼视觉系统的分层特征提取机制提出了一种深层特征提取目标识别算法;算法首先提出一种针对SAR图像的预处理方法,在特征提取阶段应用多层稀疏自动编码器,通过逐层减少神经元数目使编码器学习得到输入数据的压缩表示,从而提取得到更抽象更鲁棒的目标特征;采用MSTAR数据库3个目标进行实验,试验结果表明,算法能很好地对MSTAR目标进行特征提取和识别,类比原有的方法有较高的识别准确率,达到96.7%。具有较强的实用性。     

基于受限玻尔兹曼机与密集采样迭代加权的图像动作识别算法

针对当前动作识别技术中正确识别率不高,易受到环境变化的影响等问题,提出了一种基于受限玻尔兹曼机与密集采样特征迭代加权融合的动作识别算法。避免单个特征对图像序列的表达力不强,引入了受限玻尔兹曼机(RBM)特征与密集采样(DT)特征分别对行为动作进行特征提取,得到RBM特征和DT特征;定义一种迭代加权函数,将RBM特征与DT特征进行加权融合,形成描述能力更强的RBM-DT特征;基于K-近邻(KNN)算法,对RBM-DT特征进行分类学习,完成动作识别的决策判断。通过在KTH、Hollywood数据集上实验表明:与当前动作识别技术比较,提出的新算法能够有效识别各种行为动作,对各类型动作均具有更高的正确识别率与鲁棒性。     

纸币图像Gabor特征提取与识别

研究了基于Gabor滤波器组的人民币图像识别方法。针对纸币图像特点,设计了适合于其特征提取的Gabor滤波器组参数,得到了纸币图像多尺度多方向上的纹理特征,然后对纹理图像进行网格划分,并计算网格中像素灰度均值行列投影和,最后采用网格投影特征模板匹配法进行纸币识别。实验表明该法抗干扰能力较强,能够较大提高旧币和污染纸币识别率,并且耗时不长。     

Hand vein recognition based on the connection lines of reference point and feature point

According to the essential characters of the image topology, a new hand vein recognition algorithm based on the connection lines of reference point and feature points is proposed. In this method, the intersection points and the endpoints of the vein image are used as feature points. After the intersection points and the endpoints selected as feature points, the reference point for image matching are extracted from these points. The relative distances between the reference point and the feature points and the angles between the adjacent connections of the reference point and feature points are calculated and used as recognition features. Finally these two features are combined for hand vein recognition. This method can effectively overcome the influence on the recognition results caused by image translation and rotation. Experimental results show that the proposed algorithm is able to achieve hand vein recognition reliably and quickly.     

A multi-resolution wavelet algorithm for hand vein pattern recognition

A novel hand vein recognition algorithm is developed based on multi-resolution wavelet analysis. The texture feature of hand vein can be extracted by three-level wavelet decomposition. Furthermore, Knearest neighbor (KNN) with support vector machines (SVM) and minimum distance classifier (MDC) are employed for feature matching. Finally, the experiments are respectively performed in identification and verification modes using Tianjin University (TJU) hand vein image database constructed by our group.The results show the feasibility and effectiveness of the proposed method.     

Robust automatic facial expression detection method based on sparse representation plus LBP map

Recently the sparse representation based classification (SRC) is successfully used to automatically recognize facial expression, well-known for its ability to solve occlusion and corruption problems. The results of those methods which using different features conjunction with SRC framework show state of the art performance on clean or noised facial expression images. Therefore, the role of feature extraction for SRC framework will greatly affect the success of facial expression recognition (FER). In this paper, we select a new feature which called LBP map. This feature is generated using local binary pattern (LBP) operator. It is not only robust to gray-scale variation, but also extracts sufficient texture information for SRC to deal with FER problem. Then we proposed a new method using the LBP map conjunction with the SRC framework. Firstly, we compared our method with state of the art published work. Then experiments on the Cohn–Kanade database show that the LBP map + SRC can reach the highest accuracy with the lowest time-consuming on clean face images than those methods which use different features such as raw image, Downsample image, Eigenfaces, Laplacianfaces and Gabor conjunction with SRC. We also experiment the LBP map + SRC to recognize face image with partial occluded and corrupted, the result shows that this method is more robust to occlusion and corruption than existing methods based on SRC framework.     

Facial expression recognition algorithm using LGC based on horizontal and diagonal prior principle

The traditional Local Binary Pattern (LBP) algorithm can analyze the center pixel and neighboring pixels of the gray relationship, using in facial expression recognition, but you cannot consider the eyes, mouth, forehead and other areas in the expression feature different trends in the gradient direction. Firstly, we propose the Local Gradient Coding (LGC) algorithm, though the binary encoding to the horizontal, vertical and diagonal gradients respectively, to produce the fusion characteristic, then this can fully describe the facial muscles texture, wrinkles and other local deformation of contains the expression information. On the other hand, in order to reduce the computational complexity, and to remove the redundant, while not lose the main information contained in the face texture expression. This paper proposes and optimizes a new LGC operator based on horizontal and diagonal gradient prior principle (LGC-HD). The experimental results from JAFFE database show that, LGC-HD algorithm is more quickly and effectively to extract facial expression feature than LGC algorithm. Comparing to the traditional LBP algorithm, LBP uniform pattern and Gabor filtering, this LGC-HD algorithm has a significant advantage in the recognition accuracy and run time.     

手掌静脉识别典型波长选择

目前的手掌静脉识别系统均采取主动光源来获取掌脉图像,光源波长的选择直接影响掌脉图像的清晰度与识别性能。典型的掌脉识别成像波长为760,850,890,940 nm,但没有指出哪种波长识别性能最佳。从两个角度解决此问题,从识别特征提取角度,建立了基于Fisher判别率的掌脉成像清晰度模型,对4种波长拍摄的掌脉清晰度进行比较;从特征匹配角度,以3种典型的生物特征识别算法对4种波长拍摄的掌脉图像进行识别性能比较。在包含4种波长共2400幅掌脉图像的自建图库中进行实验,模型选择和典型算法实验结果都表明,850 nm优于其他3种波长。证明了850 nm拍摄的掌脉图像的识别性能最佳。     

基于荧光透射谱和高光谱图像纹理的茶叶病害预测研究

为了实现对茶叶病害的准确预测,避免病害特征提取过程中对茶叶的二次破坏,利用荧光透射技术对茶叶赤叶病叶片的荧光透射光谱特性展开研究。实验采集了健康茶叶叶片样本45个、赤叶病初期叶片样本60个及赤叶病中期叶片样本60个,并按照2∶1的比例划分成训练集和预测集样本数,通过荧光透射手段利用高光谱仪器采集这些叶片的原始荧光透射光谱。通过对这3组叶片样本平均光谱强度曲线的分析,证实了利用荧光透射光谱信息对这3种病害类型叶片进行分类的可行性。然后使用多项式平滑（savitzky-golay, S-G）方法对原始光谱进行平滑和降噪处理。最后采用竞争性自适应重加权抽样法（competitive adaptive reweighted sampling, CARS）对预处理后的光谱数据进行特征波长的选取。经过50次加权采样后,最终选取出4个特征波长,分别为：463,512,586和613 nm。为了最大化提取样本的病害特征信息,强化分类器输入病害特征值的典型性,使用高光谱反射技术,采集4个特征波长下的高光谱图像,分别使用2种不同的纹理提取算法提取病害叶片图像的纹理信息进行对比分析。首先利用灰度共生矩阵（GLCM）提取4幅图像的纹理信息,分别计算4个方向的灰度共生矩阵(0°,45°,90°及135°),然后计算5个共生矩阵的均值和方差。为了提高鲁棒性,取4幅图像纹理信息的平均值作为该叶片的纹理特征值,最终得到10个特征值。利用LBP（local binary patterns）算法获取特征波长下高光谱图像的纹理信息,并使用Uniform模式对LBP模型进行降维,最终每幅图像得到944个维度的LBP特征值,同样取4幅图像的平均值作为该叶片的LBP纹理特征值。最后通过极限学习机（ELM）分别建立特征光谱联合灰度共生矩阵纹理信息及LBP算子纹理信息的预测模型,由于模型的输入特征值不在一个量纲,首先对输入特征值进行归一化处理,然后再定义模型的输出标签,即健康叶片的预测模型输出为1,赤叶病早期为2,中期为3。实验测得基于CARS-GLCM-ELM模型的预测准确率为81.82%,基于CARS-LBP-ELM模型的预测准确率为85.45%,说明利用荧光透射光谱联合LBP算子纹理信息预测效果更好。由于没有达到预期效果,利用Softplus函数对ELM的隐含层激活函数进行了优化,替换掉原来的Sigmod函数,优化后的模型预测分类正确率达到92.73%,基本达到了预期效果。该研究将病害叶片的荧光光谱信息和对应特征波长下高光谱图像的纹理信息进行了融合,研究结果可为茶叶病害的快速、准确预测提供一定的参考价值。     

多波段红外图像的海面舰船目标检测

现有的基于单个红外宽波段的海面舰船目标探测系统在面对复杂海天背景、岛岸背景、恶劣天气、亮带干扰或诱饵弹干扰等情况时,系统的探测率、虚警率、探测距离等性能指标均会受到严重的影响;为此,开展了基于多波段红外图像的海面舰船目标检测方法的研究。通过中波红外多波段数据采集系统实际采集107组五个中波红外波段的图像;波段1-5分别为3.7～4.8,3.7～4.1,4.4～4.8,3.7～3.9和4.65～4.75 μm;对多波段图像进行手动标注构建样本数据集,其中,正样本舰船目标298个,负样本非舰船目标353个。对于多波段红外图像,首先进行PCA降维并采用选择性搜索算法生成初始目标候选区域;针对候选区域中存在大量明显的非舰船目标区域的问题,利用积分图像计算候选区域的局部对比度,依据红外舰船目标的几何和灰度特征从初始目标候选区域中筛选出舰船目标可能性大的区域作为舰船目标候选区域。然后对舰船目标候选区域进行拓展以融入局部上下文信息,对于候选区域对应的5波段红外图像,分别提取每个波段图像的稠密SIFT特征,并将128维SIFT特征向量降为64维,融入SIFT特征的空间和波段位置分布信息得到新的特征向量,基于高斯混合模型对候选区域的特征向量集合进行编码融合得到舰船目标候选区域的费舍尔向量表示,最后利用线性SVM分类器识别出舰船目标。对多波段图像进行舰船目标候选区域生成实验,所提出的基于红外舰船目标的几何和灰度特征的约束方法可以有效地克服选择性搜索算法的不足,从初始目标候选区域中快速定位出舰船目标候选区域,对25组多波段图像进行实验,舰船目标候选区域生成的整体耗时为0.353 s,定位舰船目标区域耗时0.005 s。对100个正负样本进行目标识别测试,所提出的目标识别算法融合了目标的多波段图像特征信息,通过引入费舍尔向量挖掘了多波段图像梯度统计特征的深层次信息,算法的识别率达到了0.97,显著高于单波段红外图像的目标识别率。对25组多波段图像进行舰船目标检测实验,所提出的舰船目标检测方法能够在海天背景、岛岸背景以及亮带干扰等不同场景下完成海面舰船目标的检测工作,舰船目标定位准确,舰船目标召回率达到了0.95,每组多波段图像的平均检测耗时为1.33 s。研究结果表明,充分考虑海面舰船目标在红外图像中与局部海洋背景的辐射差异以及有效地融合舰船目标在多个红外波段图像中的辐射特征,可以增强舰船目标的可分性,提高舰船目标的识别率以及检测率,为基于多波段红外图像的海面舰船目标检测提供了新的技术支持。     

Affine invariant feature extraction algorithm based on multiscale autoconvolution combining with texture structure analysis

Affine invariant feature extraction has been one of the key issues for object recognition, especially for the images captured under the variable environments. Considering that multiscale autoconvolution feature (MSA), which has the prominent comprehensive performance, is very sensitive to illumination change, a novel algorithm of extracting affine invariant feature is proposed based on the MSA transform combining with texture structure analysis. Firstly, a new MSA feature is extracted from texture structure map of the image which is computed based on local binary pattern theory. And then the original image based MSA and the texture map based MSA are combined to a new feature using generalized canonical correlation analysis, called TFMSA. This new feature represents much more image information than the traditional one and is performed in various object recognition tasks. The experimental results indicate that the new TFMSA not only conquers the defect of the traditional MSA, but also has good adaptability for a certain range of viewing angles, partial occlusion, uniform and non-uniform illumination changes. The recognition accuracy of the new feature is superior to MSA and other improved methods.     

基于深度架构网络的矮新星自动分类研究

矮新星是一类特殊而稀少的半相接双星。发现更多的矮新星对于深入研究物质转移理论、理解密近双星演化过程意义深远。利用深度学习技术提取天体光谱特征并进而分类是天文数据处理领域的研究热点。传统的自编码器是仅包含一个隐层的经典神经网络模型,编码能力有限,数据表征学习能力不足。模块化拓宽神经网络的深度能够驱使网络继承地学习到天体光谱的特征,通过对底层特征的逐渐抽象学习获得高层特征,进而提高光谱的分类准确率。以自编码器为基础构建了由输入层、若干隐藏层和输出层组成的基于多层感知器架构的深度前馈堆栈式自编码器网络,用于处理海量的光谱数据集,挖掘隐藏在光谱内部具有区分度的深度结构特征,实现对矮新星光谱的准确分类。鉴于深度架构网络的参数设置会严重影响所构建网络的性能,将网络参数的优化分为逐层训练和反向传播两个过程。预处理后的光谱数据先由输入层进入网络,再经自编码器算法和权值共享实现对网络参数的逐层训练。反向传播阶段将初始样本数据再次输入网络,以逐层训练所得的权值对网络初始化,再把网络各层的局部优化训练结果融合起来,根据所设置的输出误差代价函数调整网络参数。反复地逐层训练和反向传播,直到获得全局最优的网络参数。最后由末隐层作为重构层搭建支持向量机分类器,实现对矮新星的特征提取与分类。网络参数优化过程中利用均值网络思想使网络隐层单元输出按照dropout系数衰减,并由反向传播算法微调整个网络,从而防止发生深度过拟合现象,减少因隐层神经元间的相互节制而学习到重复的数据表征,提高网络的泛化能力。该网络分布式的多层次架构能够提供有效的数据抽象和表征学习能力,其特征检测层可从无标注数据中隐式地学习到深度结构特征,有效刻画光谱数据的非线性和随机波动性,避免了光谱特征的显式提取,体现出较强的数据拟合和泛化能力。不同层之间的权值共享能够减少冗余信息的干扰,有效化解传统多层次架构网络易陷入权值局部最小化的风险。实验表明,该深度架构网络在矮新星分类任务中能达到95.81%的准确率,超过了经典的LM-BP网络。