基于双二次微分的联合变换相关识别

提出一种提高联合相关识别的有效方法，该方法通过对识别图像和联合变换功率谱分别进行二次微分，抽取识别图像的特征信息，增强联合变换功率谱中调制条纹的对比度和调制条纹的结构，有效地提高了联合变换相关器的相关输出；在此基础上，构造了基于双二次微分的１ｆ实时光电联合相关识别系统，实验结果表明：该方法较二元联合变换相关，提高了图像相关识别能力     

基于光学小波微分预处理的联合变换相关目标识别

提出了一种基于光学小波变换微分预处理的光电混合联合变换相关系统,该系统利用同一光路可实时实现对输入图象的小波变换微分预处理和联合变换相关识别.实验结果表明:该系统能得到很尖锐的互相关峰,可显著提高联合变换相关器的识别能力.     

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%。     

基于多小波变换的红外目标探测与识别

针对光电联合变换相关器目标识别的实际应用,对待测红外目标图片进行多小波变换,并利用模极大值法提取其边缘.通过获取更多的轮廓信息,从而提高对目标的识别能力.计算机模拟了常用于红外目标处理的多小波GHM和SA4,实验结果表明:基于GHM多小波提取的边缘能获取大量的图像轮廓信息,其识别结果明显优于SA4多小波.将目标原图的光学相关探测结果与基于GHM多小波提取的边缘图像光学相关探测结果进行比较发现,经多小波预处理后的边缘图像能有效增强相关峰强度.     

复杂背景目标自动识别谱面处理技术研究

应用光电混合联合变换相关器对目标进行探测和识别时,由于实际拍摄的图像背景非常复杂,对比度较低,亮度不足等原因,使得相关峰很弱甚至根本得不到相关峰,不能达到探测和识别的目的.为此提出在光电混合联合变换相关器的功率谱面应用小波变换处理技术,有效地抑制了联合变换功率谱中的噪声干扰,提高了有用信息衍射光的能量,从而增强了应用光电混合联合变换相关器对复杂背景目标进行探测和识别的能力.实验证明利用经过小波变换处理后的联合变换功率谱所获得相关峰的对比度,较处理前由联合变换功率谱所获得相关峰的对比度能够达到百分之百的增强效果.作为实例文中给出了湖中小船处理前后的光学实验结果,从实验结果中可以明显看出此种处理方法的有效性.     

高光谱遥感图像微分域三维混合去噪方法

高光谱遥感图像是一种三维数据,由二维空间信息和一维光谱信息组成。普通的对二维静态图像或一维光谱信息去噪的算法忽视了高光谱图像强烈的谱间相关性和图谱合一的特点,无法取得令人满意的效果。同时现代的高光谱遥感图像噪声级别相对较低,噪声方差随波段不同而不同。针对以上特点,提出一种微分域三维混合去噪方法。首先将高光谱遥感图像变换到光谱微分域,使细微的噪声变得显著。然后在微分域中,对二维空间域采用基于小波的非线性阈值去噪BayesShrink算法。为克服噪声方差不同的特点,对光谱维不再采用小波阈值去噪方法,而采用Savitzky-Golay滤波进行平滑。最后对微分域去噪平滑处理后的图像进行光谱积分,并进行积分修正,消除光谱积分中引入的积累误差。对信噪比为600∶1的机载可见红外成像光谱仪数据(AVIRIS)实验表明,该算法能有效地降低噪声,将信噪比提高到2 000∶1以上。     

遥感图像林地与农田小波特征的神经网络识别

为了解决仅仅依赖遥感图像光谱特征较难正确区分光谱相近的植被覆盖下垫面林地与农田的问题,对美国Landsat 7 ETM卫星遥感图像进行小波变换分解,研究林地、农田样点的小波系数特征的差异,研究BP人工神经网络识别光谱相近的林地与农田的方法。结果表明,小波变换对遥感图像地物的空间变化非常敏感,在一定尺度下能分离林地与农田地物的细节特点的差异,其多波段小波系数特征存在差异,可以构成光谱相近地物林地、农田的识别特征向量,使用BP神经网络对样本训练后可有效地识别光谱相近的林地与农田地物。     

面积-极坐标变换在光学相关目标识别中的应用

应用联合变换相关器对目标进行探测和识别时,由于实际探测到的目标相对于参考图像存在比例、旋转、平移畸变,因此在传统的光学相关器中很难实现目标的探测和识别。为了更好地探测到目标,提出了面积-极坐标的算法,该算法利用相似图形之间的尺寸与面积存在满映射函数关系,实现了比例不变光学探测,并结合极坐标变换实现旋转不变光学探测,最后,对变换后的联合图像进行小波边缘提取,既能提取到清晰的图像边缘,又能有效地抑制噪声,不但提高了相关峰,并使得相关峰更为尖锐,成功实现了大尺度混和畸变目标的探测和识别。作为实例,对混合畸变目标进行了计算机模拟和光学实验,验证了该算法在大尺度混合畸变光学相关探测中的可行性。     

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％．     

基于小波分解的光谱特征提取算法研究

物质的光谱曲线反映了其独特的反射特性,利用光谱可以进行物质的分类识别工作。由于光谱曲线数据量较大、吸收特征不明显等特点,光谱曲线的特征提取是高光谱影像分类识别中的一个关键问题之一。该文利用小波分析技术通过对原始信号的分解,以及测量目标光谱特征的吸收宽度,确定了小波分解尺度,达到突出目标光谱吸收特征而抑制非相关特征及噪声的目的。通过实验表明,该方法可有效地降光谱维数,提高了光谱匹配识别精度。     

光学小波包变换及其滤波器的研究

基于对光学小波变换必要条件的分析,提出光学小波包变换的概念.选出虹膜图库的联合最优小波包基,利用最优基的线性组合生成相应的复合光学小波包滤波器.将滤波器用于光电混合虹膜识别系统中对待识别输入进行小波包特征提取预处理,模拟结果不仅证明引入该滤波器可明显提升系统的识别效果,也证明了光学小波包变换提出的意义.     

基于光学子波变换的SDF匹配滤波器

提出了一种基于光学子波变换的综合判别函数匹配滤波器(WFSDF),将光学子波变换和综合判别函数相结合,只用一个简单的4f系统就能实现输入图像和SDF子波变换的相关运算。采用计算全息的方法制作复数匹配滤波器。计算机模拟仿真结果表明,与传统的SDF匹配滤波器相比,WFSDF匹配滤波器,锐化了相关峰,提高了识别率,同时简化了光路,能够实现多目标的畸不变识别。     

光学小波匹配滤波器与图形识别

小波变换弥补了傅里叶变换的不足，在信号及图像处理方面具有广阔的应用前景。文章深入讨论了小波变换匹配滤波器的理论基础及光学实现方法，并将其用于图形识别，给出了计算机模拟结果，与传统的匹配滤波器进行了比较，证实了小波变换在光学信息处理中的优越性。     

基于小波边缘提取的灰度图象联合相关识别预处理

本文将小波变换方法用于灰度图象的联合变换相关识别中,采用不同的尺度因子对输入图象进行边缘提取预处理,使相关识别结果得到不同程度的改善.通过计算机模拟对比了一阶、二阶微商的边缘提取方法和小波变换边缘提取方法的预处理结果和对识别的影响,在同时衡量相关识别能力及其对噪音的敏感性前提下,小波变换边缘提取预处理明显优于各种微商边缘提取方法.调节小波变换尺度因子还能使识别能力与噪音敏感性这两方面得到更好地均衡,使小波变换边缘提取预处理能够适应不同的图象输入条件和相关输出要求.结果表明,在联合变换相关识别中采用小波变换对输入图象进行预处理是一种更理想的方法。     

基于改进的空域相关的多聚焦图像融合

提出了一种简单有效的像素级多聚焦图像融合方法。针对正交小波变换缺乏平移不变性而产生视觉失真的缺陷,采用Atrous算法将原图像分解在不同频率域上。Atrous算法先将滤波器h0(n),h1(n)各点间插入适当的零值后再与低频信号做卷积,故又称为"多孔算法"。将具有抑制噪声性能的空阈相关法作为高频子图像的融合规则,选取相关性强边缘特征显著的点作为最终融合子图像的像素点。实验表明,由此融合的图像能完好的保留边缘纹理信息。融合后的图像在客观评价和主管视觉效果上均有提高。     

基于可见光的多波段偏振图像融合新算法

采用了一种新的基于小波变换的偏振图像融合算法.首先,将两个波段中的每一波段三幅偏振图像利用小波变换分解成低频和高频部分,低频的小波系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的窗口区域方差来确定融合后高频小波系数,得到一个波段一幅图像.接着,将得到的图像再进行小波分解,采用低频图像的小波系数最小值作为融合后的低频系数,高频图像根据纹理一致性测度的纹理检测确定融合规则,用来调整高频小波系数,将来自不同图像的特征与细节融合在一起,并对融合图像质量进行了对比评价.实验结果表明,融合后的偏振图像不仅反映了场景的偏振信息,而且还包含了丰富的光谱信息,目标与背景的衬比度也得到了增强,为进一步的目标检测和识别提供了便利.     

基于小波分析和SVM的人脸表情识别

提出了一种能量特征与支持向量机(SVM)相结合的面部表情识别方法。首次提出了小波能量特征在表情识别中的应用。由于小波能量特征具有表现表情纹路的能力,与人脸表情识别的要求正好相符,所以把小波能量特征加入到原始图像中,再用Fisher线性判别法(FLD)进行特征提取,然后采用SVM进行识别。通过对在日本JAFFE人脸表情库中的七种表情(生气、厌恶、恐惧、高兴、中性、悲伤、惊讶)进行实验,验证了该方法的有效性。它不仅能获得高的表情识别率,而且过程简单,易于实现。     

传统光谱变换与连续小波耦合定量反演潮土有机质含量

以北京地区的96个潮土土样的有机质含量为研究对象,以传统光谱变换为参照,研究分析传统光谱变换与连续小波的耦合在估测土壤有机质含量的可行性;首先采用传统光谱变换与连续小波处理土壤光谱数据,然后将处理后的光谱数据与土壤有机质含量进行相关性分析,提取敏感波段,并采用偏最小二乘法构建土壤有机质含量估测模型。结果表明：耦合传统光谱变换技术与连续小波技术可大幅提升光谱对有机质含量的敏感性,其相关系数R2最高可达0.714,这表明耦合传统光谱变换技术与连续小波技术可深入挖掘光谱内的有益信息;与传统光谱变换技术相比,基于耦合传统光谱变换技术与连续小波技术构建的模型精度更高,稳定性更好,其中以微分变换构建的模型最优,其R2=0.772,RMSE=0.223,这表明耦合传统光谱变换技术与连续小波技术可有效压制噪声的负面影响,提升光谱的稳定性。