基于邻域统计特性的概率神经网络及其在自动目标识别中的应用

在概率神经的一种改进模型－ＦＤＯ网络的基础上，提出在设计网络收敛域时进一步考虑每一像素点周围８邻域的影响，对网络的作用函数加以修，使改进后的网络具有稳定性好且收敛速度快的优点。通过实验对改进前后网络的识别性能加以比较，证明改进后的网络特别适用于噪声图像的识别。     

用区域生长分割算法进行动目标定位

本文给出了一种有效的动目标定代方法,它可以快速准确地从复杂背景中确定动目标的位置和大小。此法充分利用序列图象特性,采用减影法提取目标,由于实际条件噪声不可避免,故提出了两种快速中值滤波方法以有效地滤除大量噪声。为了快速准确地定位目标,事先采用了映射算法,然后提出了一种区域生长分割算法RGSA(Region Growing Segmentation Algorithm)定位动目标。RGSA还适用于多目标情况。而且利用映射系数的调整,进行类似于金字塔结构的RGSA,提高了RGSA的速度和准确度。经实验证明,结果是令人满意的。     

智能型目标识别系统

介绍了图像目标识别技术中的图像分割，不变性参数提取和目标分类，利用图像目标的均匀性和相应知识自适应地分割和提取图像目标，被提取的每个图像目标的不变性参数由归一化过程和Ｚｅｒｎｉｋｅ矩提取，并利用ＭＰＮＮ模型将图像目标分类，实验结果该识别系统能识别光照不均匀或复杂背景下的图像目标。     

汽车牌照自动定位算法

汽车牌照识别中,牌照定位是困难的却是关键性的一步。本文介绍了一种从复杂背景中定位牌照的算法。该算法首先利用边缘检测算子提取图像边缘灰度图;其次采用牌照相应知识将牌照从复杂背景中提取出来。实验过程证实此算法能准确且合理地框住牌照。     

基于边缘方向信息的主动轮廓算法

提出一种基于边缘方向信息的改进型主动轮廓算法ＭＡＣＡ（ＭｏｒｉｆｉｅｄＡｃｔｉｖｅＣｏｎｔｏｕｒＡｌｇｏｒｉｔｈｍ）．在Ｓｎａｋｅ模型的基础上加入２项基于匹配要求的新的能量函数，用ＦＧＡ（ＦａｓｔＧｒｅａｄｙＡｌｇｏｒｉｔｈｍ）迭代能量函数使其快速收敛．对轮廓曲线的一阶和二阶导数、搜索区域、轮廓的重抽样作锁定．实验结果表明ＭＡＣＡ比Ｓｎａｋｅ更具有凹状目标轮廓提取和目标同一性判别的能力