基于区域增长的图像跟踪算法的研究

为了提高序列图像的跟踪精度,提出了基于区域增长的特征量提取方法。这种方法可捕获图像中所有单连通域,并能准确地提取其特征量,然后依据所提取的特征量设计分类器,实现对图像中所有单连通域进行分类识别并加以跟踪的目的。此算法有效地解决了一般传统识别算法难以区分目标和其近邻区域的干扰,而导致跟踪目标特征量提取不准确的问题。在目标特征提取识别算法的基础上,还提出了阈值预测分割算法,并应用在序列图像的跟踪中,取得了较好效果。     

自适应特征引流管故障智能识别方法

为了实现对高压输电线存在的故障隐患进行自动检测,本文提出了一种自适应特征引流管故障隐患智能识别算法。首先,分析了故障引流子的红外热图像特征,把故障分为两类:明显发热和微弱发热;其次,针对引流管所引起的明显发热,采用改进的Otsu阈值分割法对红外图像进行分割,运用改进的Sobel算子提取轮廓;第三,用种子填充算法分离连通域,通过Thread特征判断是否为故障引流管;最后,进入引流管所引起的微弱小区域发热识别,运用高压输电线平行特征寻找主干线区域,在主干线区域检测Harris角点,通过STWN特征判断是否为故障引流子。实验结果表明,发热隐患的识别率为94.6%,漏检率为2.2%,误识别率为5.5%。     

基于深度学习的流场时程特征提取模型

特征识别是流体力学的重要研究方向,然而在中高雷诺数情况下物体的尾流流场复杂,难以通过传统方法实现特征的提取与识别.深度学习理论与技术的不断发展为复杂流场特征的识别提供了新方法.基于流场时程数据的深度学习模型,本文研究了4种模型对尾流场特征提取与识别的精度,得到了针对流场时程特征提取的高精度新方法.结果表明:所提出的模型能够识别尾流物理时程的不同特征,并通过流场时程实现了目标的外形识别,验证了方法的可行性;同时结果表明基于卷积运算的深度学习模型精度高,适用于流场时程数据的特征分析;深度学习网络结构更深、层间结构复杂的残差卷积网络识别精度最高,是尾流时程分析的高精度算法.本文所提方法从流场物理量时程的角度对流场特征进行了提取与识别,证明了深度学习方法具有较高的识别精度,是研究流场特征的重要途径.     

预测特征误差映射及其在多基地水下目标识别中的应用

针对水下多基地目标识别问题,提出了基于特征预测和误差映射的多基地融合识别算法。推导并简化了基于贝叶斯公式的多基地目标识别条件概率公式,利用BP神经网络对最后一个节点的特征向量进行预测,并计算得到预测值与实际值误差的概率密度,将其与前面每个节点的条件概率累乘,以得到目标识别的条件概率。将利用特征预测计算条件概率的方法从单个节点推广到多个节点上,同时针对误差概率分布模型不准确的问题,提出了利用混合高斯分布模型代替单高斯概率分布模型的改进方法。对每个目标重复此过程,取结果最大值对应的目标类别为最后的识别结果.在消声水池开展多基地模拟实验,对四类目标进行识别,在一定声呐节点数目及信噪比条件下,与单基地声呐相比,多基地目标融合识别得到的识别正确率最大可提高40%,采用改进方法以后,识别正确率得到进一步提高。      

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。     

利用全局信息提取靶标特征的方法

为了准确提取图像中目标特征,结合靶标的尺寸和特征信息提出了一种基于全局信息的方法。利用霍夫变换(HT)确定图像中包含靶标的目标区域;在目标区域中提取靶标上不同特征区域的中心;利用提取的中心拟合靶标在图像中所占区域的圆心和半径;完成图像上各区域与靶标上对应区域的匹配。实验证明该方法能够有效、准确的提取图像中靶标的特征,实验室内实验中靶标上特征区域中心提取精度为0.09pixel,实验室外提取精度为0.12pixel。在序列图像处理时,利用前一帧图像的结果可以有效降低计算量,提高提取精度。     

基于OpenCV的图像椭圆特征识别与定位研究

面向平板零件上螺纹孔的识别定位需求,基于开源计算机视觉库OpenCV进行椭圆特征的识别与定位研究。采用Canny边缘检测算法提取图像边缘信息,对边缘图像通过轮廓检索得到单一的连续轮廓,并对得到的每一条连续轮廓进行椭圆拟合。研究给出一种评价轮廓与所拟合椭圆误差的计算方法,以此误差为准则实现非椭圆特征的剔除。进一步针对螺纹孔形成的相套椭圆特征,采用聚类筛选的方法得到螺纹孔对应的内环椭圆特征,从而实现了板上螺纹孔的识别与定位。     

基于Geoeye-1影像光谱特性的红树林冠层种类识别

基于Geoeye-1高空间分辨率影像与冠层实测高光谱数据,以广西北部湾五种红树群落为研究对象,分析影像光谱用于冠层种类识别的能力。首先研究红树林冠层光谱响应特征,再针对影像采用高光谱分析方法提取端元,结合实测训练样本进行不同方法的识别对比。结果表明：350～1 100 nm谱段内以435,469,523,677,751和761 nm为中心波段的红树群落冠层光谱表现最佳;木榄端元应用识别精度高于实测训练样本应用结果;光谱角制图法能够克服多光谱波段对全色波段分辨率的影响,并有效获取冠层轮廓。利用Geoeye-1影像光谱信息可有效识别三种红树植被,种类最高识别精度达93.03%。研究证实高空间分辨率影像光谱信息的重要性,从机理和应用角度为面向对象红树林种类识别提供了依据和参考。     

基于神经网络的二维不变性目标识别方法

提出了一种基于多层前馈神经网络的二维不变性目标识别方法。利用傅里叶描述器提取具有旋转、平移及尺度不变性的目标形状特征。由于所识别的工业工具具有一个自由度,它们形状有一定的动态变化导致同一目标的形状特征敌意一的不唯一性。文中采用含有两个隐层的多层前馈网络学习及识别这些特征矢量。在实验中,在四类机械工具进行测试,并将所提出方法与最近邻分类器进行比较,结果表明,具有反向传输（ＢＰ）学习算法的多层前馈网络     

复合深度神经网络在直升机声目标识别中的研究

针对直升机探测中目标运动过程连续识别的鲁棒性问题,提出了一种基于复合深度神经网络的直升机声学特征提取和识别框架。复合深度神经网络由卷积神经网络和长短时记忆神经网络以并行结构组合,进行直升机声学特征的优化,完成直升机类型识别。针对直升机声信号特性,对卷积神经网络进行了改进,使得该复合深度神经网络在信号短时谱基础上优化声信号特征表征并提取前后帧之间的相关信息,弥补通常声目标识别方法不能充分利用目标信号时间历程信息的缺陷。真实外场实验数据测试结果显示:相较于传统识别方法,该算法显著提升了直升机进入有效探测范围后连续识别的鲁棒性和目标识别正确率。     

基于LBP和多层次结构的异质手背静脉身份识别

针对多源异质的手背静脉异质图像的识别研究,提出了基于LBP和多层次结构的识别算法;首先对图像做适当的预处理,然后将LBP特征提取算法编码的手背静脉纹理特征图像作为多层次结构的输入,通过多层次结构的逐层由具体到抽象的特征提取,得到的特征具有更大的鲁棒性;最后该算法在多源异质的手背静脉图像库得到的识别率比传统的算法识别率高,达到96.57%;进一步表明该算法能够较好地解决由于多源异质问题对手背静脉识别所造成的识别率低的影响。     

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SVM的混合气体分布模式红外光谱在线识别方法

针对混合气体组分浓度分析中海量训练样本的获取、分析精度及实时在线分析等问题,将支持向量机这一新的信息处理方法和红外光谱分析法结合,提出了混合气体分布模式的概念。在此基础上,采用先进行混合气体分布模式识别,然后再进行混合气体分析的思路,在大量调查的基础上,研究探索了实际应用中可能出现的混合气体分布模式,确定60种混合气体分布模式,共计6 000个混合气体红外光谱数据样本用于模型的训练与检验。采用SMO算法实现了减量和增量的在线学习,最终建立了基于SVM的混合气体分布模式红外光谱在线识别模型。模型由模式识别和结果输出2层组成,模式识别层完成混合气体模式分布模式识别任务;结果输出层由60个SVM校正模型组成,完成具体的浓度分析任务。实验结果表明,该方法对混合气体分布模式的正确识别率不低于98.8%,可在小样本条件下对混合气体的分布模式进行在线识别,可在线实时加入新的混合气体分布模式,具有实际应用价值。     

Face recognition based on PCA image reconstruction and LDA

Face recognition has become a research hotspot in the field of pattern recognition and artificial intelligence. Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA) are two traditional methods in pattern recognition. In this paper, we propose a novel method based on PCA image reconstruction and LDA for face recognition. First, the inner-classes covariance matrix for feature extraction is used as generating matrix and then eigenvectors from each person is obtained, then we obtain the reconstructed images. Moreover, the residual images are computed by subtracting reconstructed images from original face images. Furthermore, the residual images are applied by LDA to obtain the coefficient matrices. Finally, the features are utilized to train and test SVMs for face recognition. The simulation experiments illustrate the effectivity of this method on the ORL face database.     

基于ICT切片图像相邻层信息的缺陷自动识别方法

 现有的工业计算机断层成像（ICT）图像缺陷识方法中,多采用对单张图像进行孤立评判方法,此类方法未能考虑到单张图像在相邻层图像信息关联性,因而易将孤立的噪音视为缺陷,造成误判。为解决这一问题,提出一种基于序列ICT切片图像自动识别方法,该方法将识别过程分为两步：单张图像的潜在缺陷提取和相邻层图像缺陷的匹配。第一步运用传统方法识别出每张图像中所有潜在缺陷;第二步根据真缺陷在相邻层具有匹配关系而伪缺陷则相对孤立的特点,通过分步匹配的方法确定每张图像上所有潜在缺陷在相邻层图像上的匹配关系,区分出真伪缺陷。最后通过实例验证表明：利用该方法可以有效得提高真缺陷得识别率,降低误判率。     

一种自适应的Gabor图像特征抽取和权重选择的人脸识别方法

 为了克服光照、表情变化等因素对人脸识别的影响,本文提出了一种自适应的Gabor图像特征抽取和权重选择的人脸识别方法.该方法首先把每幅人脸图像经过Gabor小波变换后得到的40个不同尺度和方向下的图像都看作是独立的样本,再把不同人脸中的同一尺度和方向的变换结果进行特征重组,得到40个独立地新特征矩阵.为了增强对光照、表情变化的鲁棒性,每一新特征矩阵的识别贡献被本文所提出的自适应权重方法计算得到.其次,对每一新特征矩阵采用离散余弦变化进行降维,并采用了鉴别力量分析方法来选取最有鉴别力的离散余弦变换系数作为特征向量.最后,抽取线性鉴别分析特征进行识别.大量的实验证明了本文所提方法的有效性.     

货车枕簧丢失故障动态图像识别方法

针对货车运行故障动态图像检测,提出无故障目标识别工作模式,解决货车枕簧丢失故障的自动识别问题。利用Haar特征提取枕簧特征信息,基于AdaBoost算法选取特征并构建层叠分类器,等比缩放搜索窗口检测货车图像,最终分选出无故障的枕簧图像,从而大大地减少了待识别图像的数量,显著地提高了人工识别效率。实验表明,该算法使用的特征简单,搜索策略高效,不受枕簧位置、缩放和旋转的影响,抗噪能力强,对分辨率低、局部遮挡、光照不足或过度曝光等质量较差的图像仍具有很强的适应性,所提出的方案能够满足全天候条件下的货车枕簧目标识别,为货车故障动态图像检测的工程化应用奠定了基础。     

手背静脉图像预处理算法研究

静脉识别是一种新兴的生物特征识别技术。介绍了静脉图像的采集原理,根据静脉血管的特点,重点对静脉图像预处理进行了研究。静脉图像预处理可分为静脉图像的标准化和静脉图像的二值化两个部分。针对二值化问题,提出了彩动态阈值法对静脉图像进行处理和增强,得到了较好的结果。     

从二维视图识别三维目标的多网络融合方法

提出了一种从二维视图识别三维目标的多网络融合方法,基于单个网络分类的置信度概念,有效地结合多个网络的输出结果作出最终分类判决,应用三个多层前向网络（隐层神经元数,初始权值等取不同值）,设计了基于分类确认度的多网络融合结构,对四类车辆目标进行的识别实验表明,所提出的多网络融合方法明显优于单个网络的识别性能。     

基于小波包分析的光谱识别方法研究

光谱信号的自动识别技术是光谱分析技术中的重要组成部分, 是指运用模式识别方法,借助计算机技术,对相同测定条件下的光谱信号进行比较,根据信号之间的相似程度,从而得出两者之间化学组成关系的技术,主要应用于光谱的定性分析,也可用于光谱的验证。文章以符合朗伯-比尔定律的光谱信号为研究对象,简单介绍了光谱识别技术的基本原理和方法,随后为简化识别难度,进行了光谱信号的归一化处理,再在概述小波分析基本原理的基础上,提出了采用小波包分析的技术对光谱信号进行相关特征提取的方法,并根据统计学知识,得出了计算标准特征向量和允许误差向量的公式,然后运用二叉树分级判别的方法,实现了光谱信号的快速识别,最后举例对该方法进行了说明。