基于扩展目标的不变矩跟踪算法

 提出基于边缘区域的不变矩计算方法，在此基础上，针对在运动中形状、尺寸和方位不断变化的扩展目标，提出一种以不变矩作为跟踪特征，粗、精阶段相结合的相关跟踪算法，并根据目标图像的相关性给出一种新的跟踪置信度。实验结果显示算法迅速、有效、匹配精度高，对于复杂背景，较强噪声和运动状态发生变化条件下的扩展目标跟踪稳定可靠。     

基于分段轮廓平滑的目标识别

提出了一种基于分段轮廓平滑的目标识别算法.首先通过曲率将轮廓划分为特征区域和非特征区域;然后在不同区域内分别采用不同方差的高斯函数进行轮廓平滑;最后采用基于仿射不变矩的目标识别算法对平滑后的目标轮廓进行识别.结果表明,该算法不仅取得了更好的轮廓平滑效果,而且在强噪音条件下能够显著提高识别准确率.     

基于分段轮廓平滑的目标识别

提出了一种基于分段轮廓平滑的目标识别算法.首先通过曲率将轮廓划分为特征区域和非特征区域|然后在不同区域内分别采用不同方差的高斯函数进行轮廓平滑;最后采用基于仿射不变矩的目标识别算法对平滑后的目标轮廓进行识别.结果表明,该算法不仅取得了更好的轮廓平滑效果,而且在强噪音条件下能够显著提高识别准确率.     

基于形状特征的水声图像小目标识别方法

为了抑制背景噪声,提高目标识别准确率,该文提出一种基于形状特征的水声图像小目标识别方法.对含有目标的水声图像进行非局部均值去噪处理后,使用OTSU算法自适应选取阈值对去噪图像进行二值化分割,结合形态学处理获得分割后的目标区域;提取目标区域的矩形度、圆形度、几何不变矩等各项形状参数,将目标的特征向量输入随机森林分类器实现...     

基于矩和小波变换的目标图象识别

在图象目标的识别中,目标图象的不变矩对于具有旋转、尺度变换特性的目标具有良好特征匹配性能,但其识别准确度直接受到不变矩计算区域内的目标个数的影响.本文首先采用一维小波变换降噪并获取图象边缘,结合轮廓跟踪法(“爬虫法”)与投影法对图象进行区域分割获取各目标存在区域,再利用目标图象的不变矩进行目标识别,最后通过利用目标的主轴特性及质心变化计算目标的旋转角度及尺度变换倍率.通过仿真实验,证明方案可行且具有良好的识别性能.     

一种基于算法融合的红外目标跟踪方法

视频目标跟踪的难点在于快速、准确地在帧与帧之间匹配目标.由于红外图像目标与背景的反差低,图像的边缘模糊并且灰度级动态范围小,使红外目标跟踪难度比可见光更大.本文提出一种针对红外日标跟踪的融合算法,该方法融合直方图和不变矩的特点.首先利用目标的直方图计算简单快速的特点,由均值平移算法快速找到局部最优解,但由于该局部最优解仪为直方图匹配的最优解,缺少目标形状特征,与实际目标位置存在一定的偏差;其次,利用边缘小变矩作为修正特征修正误差,避免跟踪误差逐渐累计而最终导致跟踪失败,以提高跟踪的稳定性和精度.实验结果表明,该算法能够消除跟踪过程中的漂移现象,提高跟踪精度.     

基于LVQ神经网络的目标识别技术

通过对目标特征的分析比较,选取不变矩作为识别特征.为了达到很好的识别效果,对不变矩做了优化处理.采用LVQ神经网络技术建立了识别模型,提高了识别速度.运用有限的样本对目标识别技术进行了测试,结果表明采用此技术后的识别成功率较高,平均约为98%,识别速度快,每幅二值目标图像的识别时间约为16 ms.     

线性不变矩及其在图象识别中的应用算法研究

在讨论线性不变矩基本性质的基础上,对于利用其轮廓信息即能较好描述的图象,提出了一种基于线性不变矩的目标识别算法.该算法包括目标二值化、轮廓提取、线矩计算和分类识别等步骤.仿真试验表明,该算法具有较高的识别精度和良好的抗干扰性,计算效率远高于传统方法,有着较高的应用价值.     

基于支持向量机的图像飞机目标自动识别算法研究

为了能够快速、准确地识别飞机目标,文章给出了一种基于支持向量机的飞机目标自动识别方法;采用Touzi边缘提取,得到目标形状参数的几何特征,Hu不变矩等16个特征矢量作为SVM的训练样本,通过SVM训练得到飞机目标识别模型,从而完成飞机目标的自动识别;试验结果显示,该算法对不同尺度和模糊程度的飞机目标的识别度可达99%; 该算法减少了样本训练时间,在提高识别准确率的同时降低了算法的复杂度,具有识别度高、识别速度快的特点,可用于飞机目标的快速识别。     

基于局部尺度不变特征的快速目标识别

介绍了图像局部尺度不变特征的提取方法,将局部尺度不变特征用于目标识别,为提高识别实时性,提出利用金字塔和尺度空间的混合多尺度表示方法,按照从大尺度到小尺度的顺序对待识别图像的特征点进行检测与匹配,直到完成识别为止,有效地提高了识别速度。     

基于小波不变矩的多类目标特征选择算法

特征选择是目标识别中的重要问题。对于有着3个参数（m,n,q）的小波矩来说更是如此。基于2类模式的特征选择思想,提出多类模式下绝对可分的特征选择算法,给出图像数值化处理中参数(m,n,q)的合理取值范围。实验结果表明：无论是对差别比较大、差别比较小还是混合型的多类目标,经过此特征提取出来的小波矩都有着较好的识别效果。     

基于Gabor小波纹理特征的目标识别新方法

给出了一种基于Gabor小波纹理特征的目标识别新方法．主要是利用Gabor小波设计了一种多通道小波滤波器。对图像目标直接进行小波变换，用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的图像目标的特征，把获得的小波特征归一化后输入到改进的BP神经网络分类器进行分类识别．最后。进行了一系列的仿真实验，结果表明，这种特征提取方法能有效提取图像目标纹理特征，并且对噪音和形状的变化具有鲁棒性．在应用于目标识别时，神经网络的训练时间减少到lOmin，识别率达到94％．     

4×2×3阵列式放大器参数测量系统优化设计

采用软边光阑和多级空间滤波器组合技术实现了光束的空间整形和等像面传输，利用Fresnel光束传输计算程序对4×2×3阵列式放大器参数测量系统进行了优化设计，分析了空间滤波器中小孔尺寸对光束波面传输的影响，并对优化设计结果进行了分析和讨论，所用方法和所得结论对高功率固体激光放大系统的设计有应用意义。     

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。     

基于多通道Gabor滤波器的高鲁棒灰度图像目标识别新方法

提出了一种针对低质量的灰度图像的基于多通道Gabor小波滤波器的高鲁棒目标识别新方法。主要是利用Gabor小波设计了滤波器,滤波器的中心频率是一个从低到高的范围。滤波器采用不同方向、不同尺度,从而组成多通道滤波器。对灰度图像直接进行小波变换,用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的灰度图像目标的特征,并对获得的小波特征归一化后输入到改进的BP神经网络分类器中进行分类识别。对四种不同的飞机灰度图像目标进行了分类识别仿真实验。结果表明,这种特征提取方法能有效地提取灰度图像目标纹理特征,并且对噪音和形状的变化具有强鲁棒性。在应用灰度图像对目标进行识别时,神经网络的训练时间减少到10min,识别率达到94%。     

基于运动检测的多车辆跟踪方法研究

针对交通监控场景中多目标粘连造成跟踪上的困难和前后两帧车辆关联困难,提出了区域运动相似性分割方法和相似度关联矩阵的解决方案;在运动目标检测过程中, 首先使用背景差分法提取运动区域,经过消除缺口、空洞和分离等处理,在运动区域所在范围内进行块匹配搜索和局部光流计算区域运动矢量,然后使用模糊聚类方法对运动矢量区域融合,完整的分割出粘连运动目标;在目标跟踪部分,目标跟踪建立在目标关联的基础上,提出建立连续两帧目标间距离和局部二元模式相似度关联矩阵的方法进行运动目标标定,从而实现多目标关联;使用公共视频库的图像序列进行测试,所提算法都能实现连续的跟踪和准确的运动目标分割,且处理速度快,表明了算法具有鲁棒性和适用性。     

Joint detection and tracking of size-varying infrared targets based on block-wise sparse decomposition

The high variability of target size makes small target detection in Infrared Search and Track (IRST) a challenging task. A joint detection and tracking method based on block-wise sparse decomposition is proposed to address this problem. For detection, the infrared image is divided into overlapped blocks, and each block is weighted on the local image complexity and target existence probabilities. Target-background decomposition is solved by block-wise inexact augmented Lagrange multipliers. For tracking, label multi-Bernoulli (LMB) tracker tracks multiple targets taking the result of single-frame detection as input, and provides corresponding target existence probabilities for detection. Unlike fixed-size methods, the proposed method can accommodate size-varying targets, due to no special assumption for the size and shape of small targets. Because of exact decomposition, classical target measurements are extended and additional direction information is provided to improve tracking performance. The experimental results show that the proposed method can effectively suppress background clutters, detect and track size-varying targets in infrared images.     

基于局部熵的图像过渡区边缘检测算法

提出了一种新的红外目标边缘检测算法,利用局部熵值分析法和过渡区提取相结合的方法,通过Top-hat与Bottom-hat变换,建立有效平均熵和对应灰度值的曲线关系,选择合适的阈值,在此基础上执行形态学闭合操作.仿真结果表明,该方法在去除不必要的细节的同时,能很好地提取目标的边缘信息.     

基于时延神经网络模型的舰船辐射噪声目标识别*

水声目标被动识别是水声信号处理领域的研究热点之一。海洋环境中存在的不规则噪声干扰,使得基于传统方法的水声目标被动识别技术在实际的应用场景中效果不佳。本文采用一种基于时延网络(Time Delay Neural Network,TDNN)模型的舰船辐射噪声目标识别方法,该方法利用目标的短时平稳特性和长时关联特性对目标的声纹特征进行建模,使用梅尔谱图提取目标信号的初级特征,再通过融合注意力机制和时延神经网络的深度学习模型实现高级特性提取,最后再利用余弦相似度实现不同目标的类别划分。该方法在ShipsEar数据集和自行采集的数据进行测试验证,目标识别准确率分别达到79.2%和73.9%,可证明本文方法的有效性。