基于智能图像处理技术的车型识别

文章提出了一种应用干视频车型识别系统中的图像预处理方法，该方法对采集到的车辆图像处理后可以得到连续、光滑的边缘图像，与构建的车型库相结合，可以应用干公路车辆车型的检测与识别中。实验表明，识别过程快速、准确率较高。具有一定的参考价值。     

基于关键边缘特征的车型识别

针对在运动车辆车型识别算法中基于模板方法较高的复杂度、不易准确地获取运动车辆的外部轮廓;基于代数特征的方法在提取代数特征时,往往需要增加较多的计算量和存储负担,实时性较差。提出一种快速、实用的基于Gabor滤波器的车型边缘特征的提取方法,并利用模板匹配法实现运动车辆车型的自动分类,达到运动车辆车型的识别。实验结果表明此算法避免车型识别时对车辆外部轮廓的强依赖性,鲁棒性得到增强的同时降低了Gabor滤波器的计算量和存储负担,而又不降低识别率。     

一种新的基于模板匹配的车型识别

为提高当前车型检测在交通场景下的实时性和准确性,提出了一种新的基于模板匹配的车型识别方法。首先,基于车辆区域的显著性设计了非均匀采点,然后采用梯度量化,二进制图像,线性化内存等手段实现模板的并行化匹配,最后通过kmeans聚类产生多层次的车型模板索引,实现快速查表的车型匹配算法。实验表明,该算法能实时高效地实现交通场景下的车型识别。     

基于纹理特征的汽车车型识别

提出了一种基于纹理特征的汽车车脸车型识别方法。首先对车辆图像进行预处理,再通过基于灰度共生矩阵的纹理分析,得到纹理特征值,即待识别车型的纹理特征,最后利用最小距离分类器进行车型识别。实验结果表明,文中提出的车型识别方法简便、快捷、有效。     

基于多子区域联合的高适应性虹膜识别算法

 由于在采集虹膜图像前,无法预知眼睑、睫毛等噪声对虹膜纹理的干扰程度和不受干扰的可用虹膜区域的位置和大小,这可能会使提取到的特征模板中包含了由噪声引起的不可靠和不稳定特征,使识别的错误率增加.本文提出了多子区域联合的识别方法,将相对不易受干扰的图像区域划分为4个子区域,分别计算两幅图像对应子区域的相似度,动态选择最相似的子区域,将其特征作为判定依据进行分类.克服了之前算法只选择一个固定位置的区域用于特征提取的局限性.采用CASIA虹膜图库进行测试,结果表明:本方法能提高识别准确率、增强算法对采集图像质量要求的适应性,改善了虹膜识别系统的性能.     

基于局部方向特征的虹膜识别算法

特征提取和匹配是虹膜识别中的关键部分.本文描述了一种新颖的虹膜特征提取和匹配方法,利用多方向的二维奇对称Gabor小波来提取虹膜纹理的局部方向特征.特征匹配采用类似欧氏距离的方法来进行.同时对每一幅虹膜图像,采用它的眼睑和睫毛以及反光的分布做为匹配模板,能够最大程度的减少它们的干扰.实验结果表明,本算法具有非常好的识别性能.     

基于特征匹配的虹膜识别档案馆安防应用研究

针对当前档案馆存在安防效果并不理想的现状,研究了一种在精密度、灵活度、识别力与安全性等综合性能上更优的安防应用方法。该方法是在基于特征匹配的虹膜识别技术基础上实现的,根据档案馆内外管理的实际需求,使用图像采集获取、图像信息化处理、标准化特征提取及数据库模式化匹配等流程实现相关的安防功能。该方法已成功地应用于档案馆等重点场所的实际管理中,实验验证了该方法对档案馆安防应用的有效性。     

基于SURF特征与积分通道特征的车型识别

随着交通问题的日益严峻,智能交通系统技术的研发显得尤为迫切.车型识别系统作为ITS系统的一个重要组成部分,起着关键的作用.针对车辆图像的车型识别,提出了一种基于SURF(speed up robust features)特征与积分通道特征的车型识别方法.实验结果表明,此方法能够对车辆图像的车型进行准确的识别,且简单高效,具有较高的鲁棒性.     

基于特征车的汽车车型识别

车型识别是智能交通系统中的一个重要组成部分，近年来，车型识别技术已成为国内外研究热点之一。提出了一种基于特征车的车型识别方法。该方法首先对车辆图像进行预处理，然后通过K—L变换构造特征车，得到降维特征子空间，最后利用BP神经网络进行车型识别。     

基于局部分块特征的快速虹膜身份鉴别算法

提出一种新的虹膜身份鉴别算法.首先将灰度虹膜图像等分为若干个子图像,再将每个子图像等分为若干个子区域,将各点梯度之和最大的子区域中心点坐标作为各子图像的特征,各子图像的特征构成了该虹膜图像的特征矩阵,最后通过特征矩阵在空间上直接对准的方法进行匹配识别.给出了子图像和子区域大小的选择方法,同时给出了在人眼自然张开状态下不受遮挡干扰的可用虹膜区域大小对识别效果的影响.克服了之前人为规定子图像和子区域大小和选取固定可用虹膜区域大小提取局部纹理特征所带来的局限性.实验表明:1)人眼自然张开状态下,在虹膜区域超过50%不受遮挡时即可完成识别;2)算法运行速度快且对采集图像时左右各7°以内的旋转失真具有很强的容错能力.     

基于FBI细节点的二次指纹配准算法及应用

文章分析了提取指纹图像FBI细节点的处理过程，构建了点特征向量和域特征向量，提出了基于FBI细节点的二次指纹配准算法及实现方法。实验结果表明，本文算法有很高的识别准确率和识别稳定性，可用于指纹实际识别。     

基于证据理论的车辆微动特征识别技术

针对利用单一特征进行地面轮式/履带式运动车辆目标分类时识别率低的问题,提出了基于证据理论的运动车辆多域特征融合识别方法。通过频域、时频域微动特征提取获得基本信任赋值,首先利用D S证据理论对频域特征结果进行融合得到其识别结果与识别信度,然后对频域与时频域识别结果进行决策级证据理论融合,得到运动点迹的目标类型,最后根据航迹判别规则完成轮式与履带式车辆的分类。通过实测数据试验验证,多域特征融合识别方法可以有效地利用地面动目标频域与时频域特征,进而提高了识别性能。     

基于特征匹配的水下目标检测与识别

针对水下特殊环境的目标检测与识别,提出一种基于霍夫变换与几何特征相结合的特征匹配算法。通过对Canny边缘检测和迭代阈值分割的有机融合,实现了对图像的后处理式联合分割,有效地减小了光照不均等噪声干扰对目标提取的影响。通过霍夫变换直线匹配和几何特征匹配算法对规则的几何目标进行识别,具有较好的抗旋转和抗缩放性能。实验结果表明了该算法的准确性和稳定性。     

基于多波段特征融合模板匹配的目标识别方法

为了满足天基系统对红外探测目标的高精度识别需求,提出了一种基于多波段特征融合模板匹配的目标识别方法。首先阐述分析了目标多维特征要素以及分类手段。结合目标运动特征、多波段下目标光谱特征以及红外辐射变化等特征实现了特征融合处理,并基于区域特征变化,采用动态规整模板匹配算法完成了目标识别。最后结合合作目标的红外辐射强度序列数据对参数进行了训练调整。分析结果表明,本文建立的识别方法能够较好地实现目标型号识别,性能优于传统的动态规整匹配算法。     

一种基于特征加权模板匹配方法在纸币字符识别中的应用

纸币字符是纸币的重要特征之一,一组字符能够唯一标识纸币的身份.能够快速地识别纸币中的字符直接影响到纸币字符识别的精度和速度.本文运用特征加权模板匹配算法,设计了一个纸币字符识别算法.该算法从当前应用最广泛的模板匹配法入手,对标准模板匹配算法加以改进,从而提高了纸币字符实别的效率和精度.该算法能够充分区分开字符笔画和非笔画部分对字符识别的影响大小,从而有效地提升了识别率和鲁棒性.从实验结果来看,该算法性能较优.     

基于纹理特征和颜色匹配的车牌定位方法

在分析车牌定位现有算法的基础上,根据车牌的特点,提出一种新的综合利用车牌纹理特征和边缘颜色对的车牌定位方法.首先根据车牌的纹理特征和结构特点进行粗定位,确定车牌的候选区域,然后对候选车牌区域进行边缘颜色对的检测,根据车牌背景与字符有固定颜色搭配的特点,确定车牌区域.实验结果表明,该算法能有效地对车牌进行定位,提高了车牌定位的可靠性.     

基于多维信号特征的无人机探测识别方法

如今,无人机(UAVs)在军用民用领域得到大规模应用,在无人机带来便利的同时也带来了巨大的安全隐患。针对无人机的探测识别技术逐渐成为研究热点,传统的无人机探测方法主要是通过获取雷达回波信号、无人机声音信号和光电信号的方式对无人机进行探测。然而,这类方法往往容易受到环境影响具有一定的局限性,无法对无人机进行精确的定位和识别。该文提出一种基于多维信号特征的无人机识别方法,该方法首先通过自适应三角阈值法从接收到的无线信号中探测并筛选出无人机信号,同时解析获取的无线信号的信道状态信息(CSI)。然后,利用正交匹配追踪算法(OMP)进行参数估计来获取无人机的位置信息对无人机进行定位。最后,提取无人机信号中的盒维数和径向积分双谱(RIB)来对无人机进行分类识别。通过实验,该方法对无人机的3维定位精度小于1 m,对无人机的分类识别精度最高能达到100%。     

基于实例分割的双目特征点匹配目标识别和定位研究

针对双目视觉定位中对物体类别与距离远近判定的实际需求,提出了一种结合实例分割与特征点匹配的定位方法,准确地实现了目标的识别和定位。该方法通过Mask Region with Convolution Neural Network Feature(Mask R-CNN)对双目相机采集到的左图像特进行目标检测和分割,采用SURF算法提取分割区域的特征点并与右图特征点进行匹配得到视差,利用双目视差测距原理计算出目标相对于摄像头的位置。同时,针对相机自身标定误差造成在远距离情况下目标定位误差逐渐变大的问题,采用了最小二乘法对视差进行拟合。实验结果表明,该方法不仅能够精准实现目标识别,而且与未经拟合处理结果相比,平均误差值由0.183 m降低到0.106 m,定位精度得到了显著提高。