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。     

具有活体检测功能的手背静脉身份识别方法研究

针对身份识别容易被仿冒和造假的问题,提出了一种利用近红外相机捕获手背静脉同时具有活体检测功能的身份识别方法,手背静脉图像提供静脉特征作为身份识别的依据,与此同时获取的脉搏波的周期性特征作为活体检测的标志.利用自行搭建的手背静脉和脉搏波捕获实验装置,研究了70个个体的手背静脉图像以及活体和假体的静脉图像特征,并提出了提高...     

基于机器视觉的离散傅里叶变换目标识别方法

提出了一种基于机器视觉与离散傅里叶变换的目标特征识别方法。利用计算机图像技术采集和处理图像信号;利用离散的傅里叶变换对图像数据提取特征,能够更好的辨别数据细节,从而可通过图像的比对来实现目标的识别。该方法在对实际的静止图像进行处理与计算后,能够很好的对图像的细节变化进行识别。     

红外与可见光图像交互注意力生成对抗融合方法

为了解决生成对抗融合方法获得的融合图像不能同时保留红外图像典型目标和可见光图像纹理细节的问题,提出一种红外与可见光图像交互注意力生成对抗融合方法.首先,在生成网络模型中采用权重参数共享的双路编码器架构,利用多尺度聚合卷积模块提取源图像各自的深度特征;其次,在融合层设计上,利用交互注意力融合模型建立两类图像局部特征的全局...     

基于灰度曲面匹配的虹膜识别方法

目前的虹膜识别都是采用在图像上提取特征点,并将特征点编码为固定长度的特征数据用于匹配的方式。这种方式使虹膜识别系统易受攻击。为了进一步提高虹膜识别系统的安全性和识别速度,提出了一种基于灰度曲面匹配的虹膜识别方法。该方法抛弃了特征提取和编码等传统操作,在特征分析的基础上直接利用了灰度曲面匹配的思想,首先对两幅图像中的像素灰度做差,得到灰度差曲面,然后求出该灰度差曲面的方差。将此方差作为衡量两个虹膜特征曲面之间距离的依据,并据此判定两个虹膜是否来自同一只眼睛。在给定阈值为40的前提下,正确识别率为96.89%,识别时间为53.2 ms。实验结果证明,该方法识别准确率高,识别速度快。     

基于链码表示的手臂静脉特征提取与匹配EI北大核心CSCD

针对手臂静脉这一生物特征,提出一种基于链码表示的静脉特征提取及匹配算法.由近红外手臂图像中提取出静脉的骨架结构,并将其分割为若干条曲线段,通过曲线的相对方向、相对位置及形状特征计算匹配曲线对,利用粒子群算法计算匹配曲线间的最优空间变换关系,根据静脉全局变换后点集的重叠情况判断匹配程度.针对来自9个国家的110位实验者组成的手臂图像库进行实验,Rank-1和Rank-10%识别率分别为74.5%和93.6%,优于改进Hausdorff距离及模板匹配方法,表明手臂静脉可作为一种新的生物特征来进行身份认证.     

基于蚁群优化与神经网络的坦克目标识别算法

为了对成像引信探测得到的变形严重的图像进行识别,提出了基于蚁群优化与人工神经网络相结合的坦克目标识别算法.采用SUSAN特征检测原则提取目标图像的角点特征,作为神经网络模式分类器的输入.针对BP网络收敛速度慢,易于陷入局部极小点等问题,利用蚁群优化算法训练网络权值,可兼有ANN的广泛映射能力和蚁群算法的全局收敛以及启发式学习等特点.仿真实验表明,新算法能够有效缩短网络训练时间,提高目标识别精度.     

基于无人机载的光电与SAR图像融合技术研究

为了提高无人机侦察识别能力,提出基于小波变换方法的无人机载光电与SAR的图像融合技术。经时间配准算法生成图像配准源,采用SIFT算法提取图像特征点,BBF算法计算生成匹配点集,依据匹配点集计算图像间透视变换模型完成图像配准,利用小波变换算法实现配准图像融合。经实验验证以及利用Matlab分析图像灰度直方图和计算信息量,结果表明:融合图像保留了光电图像95.7%的细节(熵),相比于光电图像平均梯度提高了1.52倍,增强了光电图像目标区对比度,降低了随机性噪点;融合图像相比于SAR图像信息量提高了1.44倍。     

车载摄像平台序列图像快速拼接方法

 针对车载摄像平台序列图像拼接中存在畸变、数据量大的问题,提出一种车载摄像平台序列图像快速拼接方法。首先对图像进行预处理来消除畸变的影响,然后对图像检测SURF特征点,定义特征点匹配率作为图像的相似性度量,根据特征点匹配率提取关键帧,再采用改进的配准策略得到全局配准模型,避免了配准误差的累积,最后采用一种最大值融合法得到序列图像的拼接图。实验结果表明：该方法具有较强的鲁棒性、更为快速。     

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.     

基于线性预测倒谱的被动声纳目标特征提取技术

从声纳员的角度出发，被动声纳目标可以被看作为一个发声体，利用线性预测倒谱从声纳目标噪声中分离出目标作为发声体的冲激响应在倒谱域中的表示，提取一组识别特征，设计神经网络分类器，对三类目标进行分类。实测数据验证了基于线性预测倒谱的被动声纳目标特征提取方法是可行的。     

基于特征级融合的多波段舰船目标识别方法

针对复杂情况下海上舰船目标单波段特征识别能力不足的问题,研究可见光、中波红外和长波红外三波段特征图像融合技术,重点解决图像融合方法中存在的算法耗时和融合策略选择的问题,提出了一种新的基于区域协方差矩阵的多波段特征级融合方法,针对可见光图像和红外图像分别设计11维和5维特征向量,协方差矩阵可以将多个特征进行融合,既保证了不同目标之间的区别性,同时又减小计算量。该方法首先利用显著性检测,快速定位图像中的目标区域,然后,针对不同波段图像设计的特征向量定义协方差阵的距离计算公式并进行匹配,通过对图像的一次遍历操作获得积分图像,在协方差计算时达到快速计算的目的,最后利用k-阶最近邻算法对多种舰船目标进行分类识别。利用实拍的3 400余张三波段舰船目标图像作为测试数据。实验主要分为两部分,首先对比单波段和三波段融合识别的识别率,验证所提出的融合方法具有更广的应用范围;然后,在计算效率上对比多种传统的像素级方法,验证采用的特征级融合在计算时间上的优势。实验结果表明,该方法可达到95.1%的识别率,单帧计算耗时约为0.5 s,在实时性和检测率方面都有明显提高。     

Fuzzy logic classifier design for air targets recognition based on HRRP

The paper describes a fuzzy logic classifier (FLC) to achieve the recognition for air targets. We first acquire the high range resolution profiles (HRRP) of three types of air targets from the measurements. We extract two typical features, namely, the length of the air targets and the difference between adjacent two HRRP based on HRRP from the measurements. Then we design the FLC to synthesize the two characters and identify the type of air targets. Simulation results show that our FLC can achieve the function of target recognition with a high ratio of recognition and also show a robust performance to some extent.     

基于组合支持向量机的水声目标智能识别研究

为解决水声目标小样本模式识别问题,有效地提高复杂海洋环境中的识别精度,提出了一种基于经验模式分解(EMD)、特征距离评估技术(FDET)和组合支持向量机(CSVMs)的水声目标智能识别方法。首先,将滤波、Hilbert包络解调和EMD等信号处理方法对水声目标的辐射噪声信号进行预处理,提取7个包含原始信号和预处理信号的时域和频域统计特征的特征集。然后,通过FDET从原始特征集中选择出7个敏感特征集。最后,将7个敏感特征集输入到7个支持向量机分类器中,利用遗传算法对7个分类器的结果进行合并,构成CSVMs分类器,从而实现对水声目标的智能识别。将该方法应用于舰船等水声目标的识别中,研究结果表明,该方法的识别性能优于单一SVMs分类器:同时,经过FDET得到的敏感特征集能明显地提高识别精度。     

基于声发射技术的钢丝绳断丝模式识别

基于大量实验及波形分析,给出钢丝绳断丝事件的声发射（ＡＥ）定量化表征形式．采用类内类间距离和二维图示方法综合选择ＡＥ特征,并根据其分布情况建立起基干Ｆｉｓｈｅｒ准则的分段线性分类器,以实现断丝事件的自动检测．     

Automatic modulation recognition based on a multiscale network with statistical features

Automatic modulation recognition (AMR) can be used in dynamic spectrum access (DSA) techniques to reduce the pressure on spectrum resources. In this paper, we propose a multiscale convolution-based network model called MSNet-SF, which combines traditional statistical features and deep learning (DL) to balance recognition accuracy and complexity. In the model, the feature information is extracted by two multiscale modules, which consist of unit convolution and three different sizes of convolution kernels arranged in parallel. Additionally, the sparse connectivity of unit convolution enables the network to be more lightweight. Five statistical features (four higher-order cumulants (HOCs) and one zero-centered normalized instantaneous magnitude tightness) are also input into the model and are fully fused with the main feature map by multiplication to achieve complementarity of long-term and short-term features. This approach yields a large performance gain at a small cost and greatly reduces the confusion between QAM16 and QAM64. Simulation results in the RML2018.10A dataset show that the average recognition accuracy of the model improved by 4% after adding the statistical features and achieved an accuracy of more than 97% from 12 dB.     

Palmprint recognition based on the representation in the feature space

In this paper, we propose a palmprint recognition method based on the representation in the feature space. The proposed method seeks to represent the test sample as a linear combination of all the training samples in the feature space and then exploits the obtained linear combination to perform palmprint recognition. We can implement the mapping from the original space to the feature space by using the kernel functions such as radial basis function (RBF). In this method, the selection of the parameter of the kernel function is important. We propose an automatic algorithm for selecting the parameter. The basic idea of the algorithm is to optimize the feature space such that the samples from the same class are well clustered while the samples from different classes are pushed far away. The proposed criterion measures the goodness of a feature space, and the optimal kernel parameter is obtained by minimizing this criterion. Experimental results on multispectral palmprint database show that the proposed method is more effective than 2DPCA, 2DLDA, AANNC, CRC_RLS, nearest neighbor method (NN) and competitive coding method in terms of the correct recognition rate.     

水下目标识别中的特征优化选择

本文将模式识别中的特征选择方法用于水下目标特征的优化选择。用距离测度作为选择的准则,对提取的三类舰船噪声的高维组合特征进行自动选择,并用10-折交叉验证方法对选择出的特征子集进行评估,分析结果说明该方法能从原始的特征集中选择出有利于分类的特征子集,提高了水下目标分类的正确率。     

Hand vein recognition based on the connection lines of reference point and feature point

According to the essential characters of the image topology, a new hand vein recognition algorithm based on the connection lines of reference point and feature points is proposed. In this method, the intersection points and the endpoints of the vein image are used as feature points. After the intersection points and the endpoints selected as feature points, the reference point for image matching are extracted from these points. The relative distances between the reference point and the feature points and the angles between the adjacent connections of the reference point and feature points are calculated and used as recognition features. Finally these two features are combined for hand vein recognition. This method can effectively overcome the influence on the recognition results caused by image translation and rotation. Experimental results show that the proposed algorithm is able to achieve hand vein recognition reliably and quickly.