用于畸变目标相关识别的匹配滤波器设计

针对尺度缩放和角度旋转变化目标相关识别率低的问题,采用优化折中综合鉴别函数方法设计了具有较大畸变容限的匹配滤波器。在匹配滤波器设计时,通过调整相关输出噪声、训练样本平均功率谱密度和训练样本相似度对训练样本平均值的贡献,得到具有带通性质的匹配滤波器。利用单个匹配滤波器对角度旋转0°～30°、尺度变化0～20%的目标进行了相关识别仿真实验。结果表明：这种匹配滤波器相关输出峰尖锐、鉴别力强、畸变容限大,可用于畸变目标的光学相关识别。     

傅里叶-梅林变换(FMT)在畸变-不变图像识别中的应用

针对尺度缩放和角度旋转变化目标相关识别率低的问题,在联合相关识别中加入傅里叶-梅林变换方法.采用傅里叶-梅林变换(FMT)中的对数极坐标变换、梅林变换、傅里叶变换具有的旋转、尺度、平移(RST)不变性,可以提高JTC图像识别的性能,实现畸变-不变图像的识别.利用联合变换相关器对角度旋转0°～40°、尺度变化0～20%的目标进行计算机仿真实验.实验结果表明:在JTC中采用FMT可以实现畸变-不变图像的识别.     

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。     

基于光学相关的多目标检测

运用傅里叶变换相关识别技术实现了无畸变、有平移多目标的检测。在此基础上讨论了图像边缘信息和非边缘信息对相关性能的影响。运用分数傅里叶变换相关识别技术实现了目标图像存在尺度、旋转畸变而无平移变化时的目标检测。结果表明,分数傅里叶变换的级次选择对目标图像的旋转和尺度畸变有一定的补偿作用。在分数傅里叶变换相关中,通过简单的级次调节可实现一定范围内的旋转、尺度畸变不变识别。     

水下光束漂移激光图像抗畸变识别

针对水下激光传输存在光束漂移现象,分析了光束漂移图像对光学相关识别的影响和帧间光束漂移图像噪声的不相关性。研究了抗畸变匹配滤波器设计,提出了基于相位匹配的畸变图像共同特征提取,并作为综合鉴别函数子特征的训练样本,设计了抗畸变综合鉴别匹配滤波器,并进行了仿真验证。Matlab仿真结果证明:抗畸变综合鉴别匹配滤波器设计,结合待识别图像随机散射噪声预滤波,可有效提高光学相关识别输出相关峰的峰值-相关能量比值和相关峰鉴别率值。     

基于相关器原理的图像特征识别方法

基于傅里叶光学中的相关器原理,制作匹配滤波器并做ln-θ坐标变换,从而有效地降低了光学图像特征识别的难度.识别过程中先对原始图像进行ln-θ坐标变换操作,以消除图像间相对缩放、旋转的影响;然后应用相关器原理,通过比较检测图像和参考图像的相关输出以及参考图像的自相关输出,判断检测图像和参考图像的相似程度.实验结果表明:该识别方法实现了较好的识别效果.     

大尺度混合畸变的目标识别技术

为解决目标识别技术中混合畸变目标的识别难题,提出了一种面积极坐标变换算法.该算法利用相似图形尺寸与面积的满射函数关系和极坐标变换的旋转不变特性,对目标与模板同时进行面积变换和极坐标变换.将面积极坐标变换算法与基于形态学膨胀的边缘加粗处理算法相结合应用于光电混合联合变换相关器,实现了大尺度混合畸变目标的识别.以空中飞机为例,光学相关实验表明,该方法可显著提高混合畸变目标的相关峰强度,旋转畸变容差为0°~100°,比例畸变容差为100%~200%,具有较大尺度的混合畸变容差,扩大了识别范围.其混合畸变识别能力优于极坐标对数变换算法与综合鉴别函数法其衍生方法,其"时间复杂度"远小于综合鉴别函数及其衍生方法.     

基于功率谱压缩-平移的多通道联合变换相关识别方法研究

为了充分利用光学相关识别系统的空间-频谱带宽,提高光学相关识别技术的并行处理效率和识别准确度,提出了基于功率谱压缩-平移算法的多通道联合变换相关识别方法,该方法将峰值位置变化的标准差作为相关识别的判据.在输入空间光调制器的不同区域加载场景图像和N幅参考图像,然后在图像上分别叠加经迭代算法优化的相位模板,使得场景图像的傅里叶谱和每一幅参考图像的傅里叶谱在频谱面的不同空间区域相干叠加.调节相位优化算法的约束参量,使得每个通道的联合变换功率谱互不干扰,可实现N个通道的并行处理.分析了不同优化相位的傅里叶谱的局域峰值杂波均值和相关输出的峰值位置变化标准差之间的关系,并将其作为相位优选的依据.研究结果表明,在所提实验和数值模拟参数条件下,多通道联合变换相关识别系统可以在不增加经典相关识别系统复杂度的前提下,实现16通道的并行处理,这对光学相关器的实用化具有重要意义.     

复杂背景下混合畸变目标识别技术

结合高斯函数和最大平均相关高度算法设计了高斯-最大平均相关高度滤波器,解决了光学相关识别系统对混合畸变目标(同时存在比例畸变和旋转畸变的目标)的识别问题.在设计滤波器时,通过优化平衡高斯-最大平均相关高度滤波器的标准差σ、输出噪声方差系数α、平均相关能量系数β及平均相似测量系数γ来提高高斯-最大平均相关高度滤波器对混合畸变目标的响应能力.最后通过仿真实验可知,在畸变容差范围(比例畸变0.92~1.16倍,旋转畸变-8度~24度)内,Vander Lugt相关器利用单个高斯-最大平均相关高度滤波器可以实现任意状态混合畸变目标的识别.作为实例,用高斯-最大平均相关高度滤波器对复杂背景下的飞机目标进行了识别实验,验证了该方法的可行性.     

基于矩孔光学傅里叶变换的匹配滤波器缩放比例标定方法研究

为了使待识别目标的傅里叶变换频谱与匹配滤波器频谱分布严格重合,提出了一种基于矩孔图像光学傅里叶变换的匹配滤波器缩放比例标定方法。针对范德卢格特型光学相关器,在分析场景空间光调制器傅里叶变换频谱分布的基础上,以矩孔图像的频谱间距作为基准标定匹配滤波器的缩放比例;并利用焦距为400mm的傅里叶透镜作为一个实例,计算出其匹配滤波器缩放比例为1.068,对标定结果进行了实验验证。结果表明,此方法适用于范德卢格特型光学相关器中匹配滤波器的缩放比例标定,能够有效提高相关峰的能量和信噪比。     

一种提高光学相关模式识别准确性的后处理方法

将基于绝对差算法的最小距离离度量方法用于光学相关器产生的相关结果灰度图像的相假性度量,并以此为依据给出待识别图像与参考图像之间的相似性结论,避免了传统的以相关联峰取阈为判决依据引起误判现象,提高了判决准确率,甚至可以对由灰度图像直接做光学相关得到的低质量相关结果给出准确判断,从而避免了对灰度图像做二值化及编码处理等烦琐的预处理工作,采用非相干相关器为光学实现硬件并给出了实验结果。     

Color pattern recognition based on the joint fractional Fourier transform correlator

A new system of multi-channel single-output joint fractional Fourier transform correlator (JFRTC) for color pattern recognition is proposed based on the conventional system of multi-channel single-output joint transform correlator (JTC). The theoretical analysis and optical experiments are performed. With this method, one can obtain three correlation peaks at the output plane which show a pair of desired cross-correlation peaks and one auto-correlation peak. In comparison, the conventional system leads to more correlation peaks playing a noise role in color pattern recognition.     

论惯性积平移和旋转变换的一般形式

给出了惯性积平移变换的一般关系式和旋转变换的一般关系式,由此可以解决一切惯性积的变换问题.     

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.     

光学相关器在自动目标识别中的应用

为使光学相关器更好地应用于自动目标识别领域,保证在较高识别速度下,具备良好的识别效果,介绍了应用于自动目标识别领域的联合变换相关器和匹配滤波相关器.针对匹配滤波相关器实现过程中的两项关键技术,在滤波器编码技术上提出了构造等相关峰综合鉴别函数以解决畸变不变识别问题.在相关峰识别技术上,针对阈值法存在的不足,提出利用BP神经网络对相关平面相关峰进行识别,采用划分感兴趣区域的方法减少了输入层神经元数目,简化了神经网络结构.借助搭建的光学相关器系统验证了该方法可对相关信号和噪声进行有效分类,提高了光学相关器的识别效果.     

大米拉曼光谱不同预处理方法的相近产地鉴别研究

用相近产地的大米代替独有的地理因素形成的地域品牌大米,消费者难以辨别。基于拉曼光谱技术,试验对比不同预处理方法包括一阶导数+平移平滑、二阶导数+平移平滑,小波变换+去除基线三种常用的预处理方法,另外提出一种改进的分段多项式拟合+去除基线共四种预处理方法,分别结合偏最小二乘法实现相近产地大米的鉴别分析,提出一种最佳的鉴别相近产地大米的预处理方法。首先用拉曼光谱仪采集了黑龙江省依安县3个相近产地大米的150个拉曼位移为200～3 100 cm-1的大米光谱样本,再对原始拉曼光谱分别用一阶导数+平移平滑、二阶导数+平移平滑、小波变换+去除基线、分段多项式拟合+去除基线进行光谱预处理。分别从每个产地选取33个样本进行训练,并对未知的51个样本建立了基于偏最小二乘法的鉴别分析模型,在训练集中一阶导数+平移平滑的预处理方法相关系数值最大、均方误差和均方根误差最小,小波变换+去除基线的预处理方法相关系数值最小、均方误差和均方根误差最大;在测试集中采用3点2次拟合+去除基线的预处理方法的相关系数值最大、均方误差和均方根误差最小,二阶导数+平移平滑的预处理方法最差。最后再通过PLS建模结果得知,在训练集中,采用四类九种预处理的方法对三个产地大米的总识别率均为100%;在测试集中,采用3点2次拟合+去除基线对三个产地大米总识别率为100%,采用5点2次拟合+去除基线对三个产地大米总识别率为52.9%,其他分段多项式拟合介于二者之间;采用一阶导数+平移平滑、二阶导数+平移平滑和小波变换的总识别率分别为88.2%,86.2%和96.1%;从中发现,分段式多项式拟合中的3点2次拟合+去除基线的优势明显,与其相关系数、均方误差、均方根误差结果吻合,总体识别率高,鉴别效果稳定。     

基于热红外图像处理技术的农作物冠层识别方法研究

为解决农作物冠层热红外图像边缘灰度级分布不均且噪声较大,而传统图像分割方法难以实现其目标区域有效识别的难题,以苗期红小豆冠层热红外图像为研究对象,将模糊神经网络和仿射变换有机结合,提出了基于热红外图像处理技术的农作物冠层识别模型。首先利用五层线性归一化模糊神经网络的自适应特性,选取高斯隶属度函数,自动计算冠层可见光图像识别的推理规则,有效地分割了可见光图像中的冠层区域。通过分析3种分割指标和熵,定量评价可见光图像冠层分割质量。网络迭代38次时,误差精度为0.000 952,该算法平均有效识别率为96.13%,获取可见光冠层图像的像元信息熵值范围为2.454 4~5.198 7,与标准算法所得冠层图像的像元信息熵仅相差0.245 9。然后以取得可见光图像的冠层有效区域为参考图像,采用仿射变换算法,调整优选平移、旋转、缩放等图像变换因子,配准原始热红外图像,提出了基于仿射变换的冠层热红外图像识别方法。对于初始温度范围值在16.35~19.92 ℃的农作物热红外图像,计算选取旋转幅度为1.0和缩放因子为0.9时,作为异源图像的最优配准参数,获取目标图像的最大温差为3.17 ℃,相对于原图像的平均温度值由18.711 ℃下降至17.790 ℃,进而实现了基于热红外图像处理技术的农作物冠层识别。最后以熵的互信息作为监督指标,对农作物冠层热红外图像识别方法进行评价。提出的冠层热红外图像识别方法,所获取的目标图像与初始热红外图像的平均互信息为4.368 7,标准目标图像和初始热红外图像的平均互信息为3.981 8,二者仅相差0.486 9。同时,两种冠层热红外图像的平均温度差值为0.25 ℃,高效消除了原始热红外图像的背景噪声。结果表明本研究方法的有效性和实用性,能够为应用热红外图像反映农作物生理生态信息特征指标参数提供技术借鉴。     

基于快速骨架提取的三维目标识别(英文)

针对三维目标识别问题,提出了一种基于快速骨架提取的方法。根据骨架所反映的目标拓扑结构,建立了不同目标局部结构之间的对应关系;而在对应的局部曲线段上,采用基于曲线配准的方法进行匹配;以各个局部匹配的成本之和评估不同目标的相似性.这种方法在目标出现一定程度的视觉变形时仍具有较好的识别效果,同时避免了基于曲线方法的匹配目标的局部,而忽略局部之间相互的空间组织的缺点所造成的误匹配.算例结果表明这种算法对于三维目标有较好的识别效果.