小波矩结合三维荧光光谱简单快速鉴别掺伪芝麻油

芝麻油营养丰富,因市场价格较高,掺假现象频出,严重损害了消费者利益和市场的健康发展。因此,研发一种简单快速准确鉴别掺伪芝麻油的方法,对保障消费者权益和市场健康具有重要意义。为此,提出了一种小波矩结合三维荧光光谱掺伪芝麻油鉴别方法。该方法简单快速,计算样本的任一有效特征进行谱系聚类,即可准确鉴别掺伪芝麻油。以43个样本(芝麻油16个,掺伪菜籽油、掺伪大豆油及掺伪玉米油各9个)为研究对象,用FS920荧光光谱仪获得样本的三维荧光光谱。用db2小波将光谱进行多尺度分解(MRSD),用MRSD的一阶离散逼近系数构造小波矩。用前两阶小波矩值W_(0,0),W_(1,0),W_(1,1),W_(0,1),W_(2,0),W_(2,1),W_(2,2),W_(1,2),W_(0,2)分别作为特征对样本进行谱系聚类,观察分析聚类结果。结合邓恩分类指数(DVI)进一步分析,研究同阶小波矩分类效果及规律。进而研究各阶小波矩的分类效果及规律。最终确定了用于鉴别掺伪芝麻油的最佳小波矩值。结果表明:MRSD一阶逼近重构光谱可以在保留原光谱的有效特征基础上,大量去除噪声,减少光谱数据量72.4%,增强模型的抗噪稳定性和实时性。利用小波矩前两阶矩值W_(2,1),W_(2,2),W_(1,2),W_(0,2)其一作为分类特征进行谱系聚类,即可鉴别掺伪芝麻油。同阶小波矩(W_(p,q))随p值减小q值增大呈现规律性,确定了同阶小波矩的有效矩值及最佳有效矩值。小波矩随着阶数的增加DVI先增后减,最后趋于稳定,确定了各阶小波矩中可用于鉴别掺伪芝麻油的目标矩值W_(0,q≥2)及最佳目标矩值W_(0,6)。小波矩的有效及目标矩值是针对样本分类的有效特征,计算样本的任一有效特征进行谱系聚类,即可实现掺伪芝麻油的鉴别。该研究思路及结论为矩值法应用到三维荧光光谱提供参考。该方法简单快速,可实现在线测量,为质监部门及生产企业提供油品检测和鉴定手段。     

基于高阶胡氏矩的多目标图象识别算法

本文提出了一种多目标图像识别算法,此算．法以小波变换和目标区域分割算法实现图象的前期处理,以高阶胡氏矩为基础,利用k邻近法构建了分类器,实现了多类目标的识别与分类,仿真实验证明,此算法具有较高的识别精度。     

基于高阶胡氏矩的多目标图象识别算法

本文提出了一种多目标图象识别算法,算法以小波变换和目标区域分割算法实现图象的前期处理,以高阶胡氏矩为基础,利用k邻近法构建了分类器,实现了多类目标的识别与分类.仿真实验证明,此算法具有较高的识别精度.     

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.     

基于边缘区域不变矩的缺损扩展目标识别方法

该方法提出以基于边缘区域的局部不变矩作为识别特征,结合多神经网络实现对缺损扩展目标的有效识别。讨论了离散情况下基于边缘区域局部不变矩的平移、旋转和尺度不变性。在此基础上,建立目标多个处理区域的BP人工神经网络,利用各网络分类综合结果提高缺损目标的识别率。实验结果显示该方法能够对缺损扩展目标进行正确识别,特别对于有较大部分缺损的扩展目标识别有明显优势。     

基于边缘区域不变矩的缺损扩展目标识别方法

 该方法提出以基于边缘区域的局部不变矩作为识别特征,结合多神经网络实现对缺损扩展目标的有效识别。讨论了离散情况下基于边缘区域局部不变矩的平移、旋转和尺度不变性。在此基础上,建立目标多个处理区域的BP人工神经网络,利用各网络分类综合结果提高缺损目标的识别率。实验结果显示该方法能够对缺损扩展目标进行正确识别,特别对于有较大部分缺损的扩展目标识别有明显优势。     

多类运动想象脑电信号特征提取与分类

针对多类运动想象情况下存在的脑电信号识别正确率比较低的问题,提出了一种将小波包方差,小波包熵和共同空间模式相结合的脑电信号特征提取,输入到支持向量机达到分类目的。首先选择小波包去噪后重要导联的脑电信号,进行小波包分解;然后对通道优化选取的重要导联的每个通道信号计算方差和熵值,对重要导联的每个通道信号的子带系数进行重构后,进行共同空间模式特征提取;最后结合2种不同导联方式所获取的特征向量进行分类。采用BCI2005desc_IIIa中l1b数据,该算法的分类正确率最高达到88.75%,相对2种单一的提取方法分别提高28.27%和6.55%。结果表明该算法能够有效提取特征向量,进而改善多类识别正确率较低的问题。     

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.     

基于聚类技术的三维舰船模型特征库研究

存贮目标所有的视点图像,建立完备的特征库,或者提取能够抵抗视点变化的不变特征,是三维目标识别的常用方法。这两种方案都存在不足:要么特征库规模庞大,识别过程计算量大,识别效率低;要么难以找到鲁棒的识别特征。结合两种方案研究了基于聚类技术建立三维舰船模型特征库的方法。利用仿射传播聚类方法无需事先指定聚类中心的优点,将其应用于两型舰船模型的视点空间聚类。通过提取视点图像的Hu矩特征,进行了仿真实验,给出了聚类结果的有效性分析。     

基于Krawtchouk矩和支持向量机的印鉴真伪识别

提出了一种将Krawtchouk矩特征不变量与高斯核支持向量机相结合的印鉴识别方法。实验中将得出的印鉴图像Krawtchouk矩特征向量作为高斯核支持向量机的输入参量,利用遗传算法优化支持向量机的惩罚因子和核参数,使识别性能得到有效提高;实验显示Krawtchouk矩下的印鉴类间散度与类内散度比值是Zernike矩的2.93倍,与遗传算法优化后的高斯核支持向量机相结合下的识别率明显提高。结果表明:与Zernike矩不变量相比,Krawtchouk矩不变量能更加准确地描述印鉴图像特征,识别性能更好。     

基于光谱探测与图像识别的反伪装目标系统研究

为了在野外环境中快速有效地识别敌方伪装的机动目标,设计了基于光谱探测与视频图像目标识别方法联用的目标识别系统。采用视频图像识别技术获取被测区域的二维影像,再通过光谱探测技术识别目标,最终将目标重建在图像相应位置上从而实现目标识别的可视化。理论推导得到了系统可识别目标的函数关系式,根据该函数关系进行了目标识别的量化实验。实验采用汽车模拟被测机动目标,在不同距离上分别以平坦荒地、灌木丛和废弃建筑物为背景,对明显目标、涂覆迷彩色的目标以及遮挡伪装物的目标分别进行光谱探测。实验结果显示,测试背景对光谱探测效果有一定影响,背景的连续性有利于目标识别;伪装方式以伪装物遮挡最难识别,且随着目标与系统的距离增大而信噪比随之降低。综上所述,采用光谱探测技术克服了传统图像目标识别无法识别伪装目标的缺点,可以实现对伪装目标的有效识别。     

基于粒子滤波的运动目标光电定位仿真研究

运动目标的光电定位不能像静止目标那样简单做均值滤波,鉴于此,引入粒子滤波算法,它不仅可以应用于线性系统,而且还适用于非线性系统。结合光电定位需求,详细推导了计算公式及初值和参数选取公式,对只含测量噪声以及含有测量和运动噪声等的海面运动目标光电无源定位算法进行了仿真计算,验证了算法的有效性,讨论了噪声强度对滤波效果的影响,滤波参数选择对滤波效果的影响,目标运动方式对滤波跟随性的影响,重采样算法对滤波效果的影响等。所得结论为:粒子滤波可用于运动目标光电定位过程,可有效降低定位误差;粒子滤波算法具有较强鲁棒性,适用于噪声较大、目标运动形态变化大等情况。     

利用AOTF多光谱成像系统实现伪装目标的识别

针对传统分光器件存在移动部件以及不能快速实时选择波长的不足,搭建了用声光可调滤光器(AOTF)作为分光器件的多光谱成像系统。系统由光学镜头、AOTF、AOTF驱动器、CCD摄像机和图像采集系统组成。本系统能够在(500~1000)nm的光谱范围内成像。通过对AOTF的控制可以任意选择系统的光谱,从而有目的地选择具有典型目标特性的不同波段的光谱波长,形成同一目标在不同光谱波长下的不同图像。采用迷彩布、头盔以及自然花草进行多次目标特性识别试验,得到了能突出目标特性的具有典型光谱特性的图像。证实了基于AOTF的多光谱成像系统灵敏度高、体积小、无移动部件,并且能够快速实时地改变和选择光谱波段,在所成的多光谱图像中能提高目标与背景的对比度,对伪装目标有明显的探测和识别能力,能将伪装目标与背景区分开。     

基于核的k-最近邻在水下目标识别中的应用*

针对水中目标特征类型多、非线性强的特点,本文将K-KNN应用于水中目标识别。该方法采用PCA对特征矩阵进行降维,利用Kernel技巧将降维后的特征映射到高维空间进行KNN分类识别,并讨论了邻近点个数K对试验结果的影响。实际试验数据验证结果表明：与传统的KNN和BP神经网络分类器相比,K-KNN分类器的综合性能更优。     

红外偏振成像对伪装目标的探测识别研究

针对目前普通光电成像系统对伪装目标的探测和识别概率较低的状况,提出伪装目标的探测识别新技术研究。介绍了红外偏振成像系统的原理、组成和特点,研制的中波/长波红外偏振成像装置,其波段范围为3 m ~5 m和8 m~12 m,线偏振度95%,消光比大于100∶1,给出了试验分析数据和偏振融合效果图。研究表明,采用红外偏振成像技术可以有效地实现对地面伪装目标的探测和识别。研究结果还可以扩展到对人工假目标、空中隐身目标等的探测和识别。     

基于光谱角时序不变性的红外目标识别

为了识别空间目标与气球诱饵,提出了基于光谱角时序不变性的红外目标识别方法。通过分析证实了空间目标与气球诱饵在温度时变特性上存在差异。为了反映目标测量功率温度时变本质,消除传感器与目标距离以及等效投影面积的时变耦合对测量功率的影响,提出了利用时序光谱角作为光谱向量的时序变化量度。该量度能够刻画光谱曲线的时序变化,反演物体温度时变特性,可以作为温度时变特性不同的目标和诱饵之间聚类识别的有效判据。仿真结果表明：该方法能够有效识别空间目标与气球诱饵;通过融合时序光谱特征,为空间目标识别提供了一种新的机制。     

红外激光主动成像和识别

在传统激光主动成像系统的基础上,结合目标识别技术搭建了一台激光主动成像识别系统实验平台,研究了激光主动成像后的目标识别技术。由7个不变Hu矩构成特征量,用由136个权值系数构成BP神经网络算法对黑夜条件下450m处的运动目标—43式冲锋模具枪进行了实验研究。研究显示,采用该方法成功获得了清晰的红外激光主动成像效果,对2740frame激光主动成像图像的统计目标识别率达到了68．87％,其中旋转变换下的统计识别率可达80．05％。该项研究对实际黑夜暗小目标的探测识别具有重要意义。     

Aircraft recognition based on improved iterative threshold selection and skeleton Zernike moment

Using the visible optics images to identify targets is an important part in the development of remote sensing technology. In this paper, a new aircraft recognition method based on the improved iterative threshold selection and the skeleton Zernike moment is presented. The method segment aircraft targets under complex background using iterative threshold selection with between-class distance and scatter, and calculate the skeleton Zernike moment for the aircraft target recognition using template matching method. The experimental results show that the new method can effectively achieve the target segmentation under complex backgrounds, and provide a satisfactory performance both in recognition rate and recognition speed.     

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。