常规综合鉴别函数的改进

针对常规综合鉴别函数制作的复合匹配滤波器，对不同旋转角度的训练样本输出的相关峰值波动性较大，不便于后续探测和处理等问题，对常规综合鉴别函数到编码匹配滤波器的编码转化过程进行分析，找到导致相关峰值波动的原因，提出改进方法，即在计算综合鉴别函数的线性组合系数时将编码运算也考虑进去，并根据滤波器对各训练样本相关峰值的倒数来确定线性组合系数。计算机仿真结果表明：改进后的方法降低了复合滤波器对不同旋转角度样本输出相关峰值的波动性，提高了相关峰自动判别的准确性。     

二元综合鉴别函数的神经网络优化

根据Ｈｏｐｆｉｅｌｄ神经网络的优化功能，对综合鉴别函数进行二元优化，使相关输出具有期的望的形状及峰值大小，从而实现旋转不变识别，并定义了一个判别依据－判别比，计算机模拟的结果表明，目标物体通过优化的二元滤波器后，不仅具有期望输出，而且判别经要比伪目标物体至少大一个量级。     

最小方差综合鉴别函数的优化算法

介绍了一种基于最小方差综合鉴别函数的复合匹配滤波器的优化算法。这种优化算法将最小平均相关能量综合鉴别函数的迭代算法引入最小方差综合鉴别函数的设计中,不但可以识别带有附加噪声的旋转图像,而且减小了滤波器对样本识别的输出相关峰值波动,改善了滤波器的识别效果。计算机仿真结果显示,这种复合匹配滤波器在信噪比、相关峰尖锐度及鉴别率等方面都有一定的提高。     

强度不变的自动模式识别技术

针对光学模式识别技术用化要求，提出一种新的图像预处理算法，使识别现场光照明强度及分布的变化对识别效率所带来的影响大大降低。采用该算法进行实时硬件光学相关试验结果证实应用该算法可以实现强度的自动目标识别。     

提高综合滤波器鉴别率的一种有效方法

提出一种提高综合滤波器鉴别率的有效方法，其做法是：对样本集在等相关峰条件下求解综合滤波器的同时，使样本集的互补样本满足零件相关峰条件，此方法把训练模式类同所有其它模式类在映射空间的距离拉大，有效地提高了综合滤波器的鉴别率，以取自同一手指纹为样本集，求解综合鉴别函数后，建立了指纹的实时模式识别系统，实验结果表明本文提出的改进方法对提高综合滤波器的鉴别率是非常有效的。     

基于径向基函数的多目标旋转不变分类及其光电实现

提出利用径向基函数构造广义判别函数及神经网络模型，显示了模式识别与神经网络之间的密切联系.利用此函数和模型实现了多目标的面内(二维旋转)、面外(三维空间旋转)旋转不变识别，计算机模拟表明，对于旋转不变识别这是一个很有效的方法.一个光电混合系统被提出实现此旋转不变识别方法. 关键词：     

基于相位编码的畸变不变联合变换相关器的设计

采用综合鉴别函数(SDF)的方法合成几个子参考图象,用于解决畸变不变识别问题.通过相位编码技术和对联合功率谱的振幅调制,缩小了零级相关峰的宽度,锐化了相关峰,消除了多目标输入时各目标图象之间的互相关项和参考图象及各目标图象之间的共轭相关项,增强了对目标定位和识别的能力,最后给出计算机模拟结果.     

非约束维纳滤波综合鉴别函数算法研究

通过去掉最小平均相关能量匹配滤波器推导过程中对输出相关峰值的约束条件,定义相关判据,得出畸变不变相关识别综合鉴别函数形式为维纳滤波函数,不仅抗噪能力强,且把非约束匹配滤波器畸变容限大的优点引入其中.模拟结果表明,所设计匹配滤波器畸变容限大、抗噪能力强.     

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。     

尺度不变特征与几何特征融合的人耳识别方法

要提高人耳的识别率,关键是特征的提取与表达.尺度不变特征变换(SIFT)技术是局部点特征提取算法,在尺度空间寻找极值点,提取对图像的尺度和旋转变化具有不变性,对光照变化和图像变形具有较强的适应性的特征向量.尝试用SIFT技术来提取外耳图像的结构特征点以形成稳定的特征描述子,为了克服一幅图像中有多个局部描述子相似的问题,在SIFT特征描述子中融入一个耳廓几何特征.最后采用特征向量的欧氏距离作为两幅图像相似性度量标准进行人耳识别.在耳图像库七进行实验.结果表明,该方法不仅可以有效地提取人耳特征,通过少量特征可获得较高的识别率,而且对耳图像刚体变化具有较强的稳健性.     

Shift,Rotation and Limited Scale Invariant Pattern Recognition Using Synthetic Discriminant Functions

Making use of the idea of synthetic discriminant functions (SDF), a simple way to synthesize a shift, rotation and limited size correlation filter is proposed. The SDF is synthesized by superimposing four 2nd order circular harmonics of a training reference pattern in 4 different sizes. Computer simulation experiments have shown that the filter is indeed shift, full rotation and limited size invariant over a size range from 1 to 1.82. The invariant range can be increased if more training patterns are used.     

光电混合综合判别相关器

论述了综合判别函数（ＳＤＦ）的基本理论，简明地给出了用综合判别函数实现畸变不变相关的技术途径。在此基础上，构造了一个光电混合综合判别相关器实验系统，并用它实现了三重（位移、旋转、尺度）畸变不变实时相关识别。     

Scale invariant amplitude modulated phase-only filtering

A new synthetic discriminant-function-based amplitude modulated phase-only filtering technique is proposed for scale invariant pattern recognition. This technique has been found to yield improved correlation output when compared with the alternate techniques. The proposed technique is inherently suitable for optical implementation using the currently available spatial light modulators. Simulation results confirm the effectiveness of the proposed technique.     

Scale invariant recognition in optical correlators using prior estimation of object size

A new perspective of scale-invariant pattern recognition is proposed in this paper. Instead of computing a filter from one of many orthogonal components of the reference object, the scaling factor is estimated from the Fourier spectrums of reference and test images and utilized in rescaling of the spectrum. The test image is correlated with the reference image after rescaling its Fourier spectrum with classical matched filtering. Computer simulation results are presented for a reference object at several scaling versions as well as some non-target objects.     

基于数学形态谱和二维矢量分类网络的模式识别及二维矢量分类网络的光学实现

介绍一种基于数学形态谱和二维矢量分类网络的模式识别体系。数学形态谱相对于图像平移和旋转不变。建立了光学二维矢量分类网络，利用光学逻辑操作和最大值网络的循环操作，得到与输入图像最佳匹配的模式。     

Distortion-invariant pattern recognition using synthetic discriminant function based multiple phase-shifted-reference fringe-adjusted joint transform correlation

This paper proposes a novel pattern recognition system for invariance to noise and distortions. The technique first generates a synthetic discriminant function of the target image from its different distorted versions. It then takes four different phase-shifted versions of the reference image, which are individually joint transform correlated with the given input scene. Thus the proposed algorithm produces a single cross-correlation signal corresponding to each potential target. Also a fringe-adjusted filter is designed to generate a delta-like correlation peak with high discrimination between the signal and the noise. The pattern recognition system is also designed for the identification of multiple targets belonging to multiple reference objects simultaneously in a given input scene. The proposed technique is investigated using computer simulation including real-life images in different complex environments.