基于假设检验的SAR图像机场跑道自动识别

针对复杂条件下合成孔径雷达图像中机场目标自动检测识别问题,提出了一种基于假设检验的机场跑道自动识别算法,利用雷达图像中跑道灰度特性和结构知识,通过迭代分割和形态学滤波提取感兴趣区域,抑制具有类似灰度特性的水域对跑道线检测的影响,并结合Hough变换和线段跟踪连接提取候选跑道,最后采用假设检验方法对机场跑道进行识别.试验结果表明该方法可快速有效地检测识别复杂背景下低分辨率、低信噪比合成孔径雷达(SAR)图像中的机场跑道.     

基于Hough变换和Radon变换对SAR图像目标姿态角识别的综合方法

提出了一种对SAR图像姿态角识别算法进行改进的技术.通过分析Hough变换和Radon变换在实际应用中的局限性,提出了一种综合上述2种方法的姿态角识别算法.利用MSTAR公共目标数据库中的目标样本,通过实验验证,该种方法能够更准确地估计目标的姿态角.     

生物芯片微阵列图像倾斜校正算法研究

针对现有生物芯片图像倾斜校正算法校正精度和运算速度的矛盾问题,提出对矩形样点和圆形样点图像分别采用改进的Hough变换和改进的Radon变换方法进行倾斜校正。改进的Hough变换首先对图像进行二值化,并仅统计矩形样点的上下边缘像素的Hough参数和累计值,然后根据所得的Hough参数空间提取占主导的直线组,最终计算出直线组的平均倾斜角度;改进的Radon变换在提取圆形样点边缘后,对边缘图像进行二级Radon变换,从而得到最佳校正角度。实验证明本文的方法能准确、快速地实现芯片图像的倾斜校正,为生物芯片样点识别奠定基础。     

基于Radon变换的多尺度虹膜识别算法

针对现有虹膜识别算法需要处理二维纹理信息,特征提取时间长,对噪声干扰比较敏感等问题,提出了基于Radon变换的多尺度虹膜识别算法.首先利用Radon变换将二维虹膜纹理信息转换为一维纹理信号,然后使用小波变换多尺度能量算子提取虹膜的特征信息,最后利用相异度函数进行匹配判别.实验结果表明,算法具有运算简单,快速等优点,同时算法能够较好地克服图像平移、缩放、旋转等几何攻击对识别带来的不利影响,具有较强的抗干扰能力和较高的识别率.     

基于Radon和Fourier-Mellin变换的电缆终端红外图像识别

在运行过程中,电缆瓷套式终端的线夹、应力锥和尾管部位可能存在异常发热现象.为了对各部位异常发热的红外图像进行有效识别,文中引入Radon与Fourier-Mellin变换对红外图像进行特征提取.该方法首先对原图像进行Radon变换,再进行解析Fourier-Mellin变换;然后定义与原图像的旋转及与尺度变换无关的不变函数,基于不变函数提取Radon与Fourier-Mellin变换后图像的4种特征.将提取特征向量输入到BP神经网络进行图像识别,结果表明,基于Radon与Fourier-Mellin变换的几何变换不变特征提取方法能够有效反映红外图像特征,具有良好的识别效果,且该方法对噪声具有较强的鲁棒性.     

基于小波变换与形态学的机场跑道异物检测算法

机场跑道异物(foreign object debris,FOD)检测的精准性和效率直接决定了民航运输业的安全。为了提高机场跑道异物的定位精度,研究中提出基于小波变换与数学形态学相结合的机场跑道异物边缘检测质心定位算法。此算法先对采集到的机场跑道图像进行小波分解,高频部分利用小波变换的尺度边缘检测,并进行小波阈值去噪;低频部分利用数学形态学算子进行形态学边缘检测,然后对得到的高频和低频图像进行融合,并对异物边缘轮廓进行增强,最后利用质心定位法求解异物像素坐标。实验结果表明:小波变换与数学形态学相结合检测出的图像边缘具有较好的互补性,结合了小波变换在边缘精确定位和对噪声的抑制方面较好的性能,数学形态学在检测弱边缘和保留图像细节的优点,通过此算法提取的跑道异物边缘信息细腻且定位准确,能有效识别与机场跑道背景相似的异物并准确定位。     

遥感图像中机场跑道的检测

针对遥感图像中机场跑道区域比较狭长的特点,提出了一种新的检测遥感图像中机场跑道的方法.对原始图像的二值图像进行一系列数学形态学操作和逻辑运算,实现感兴趣区域的增强,以此为基础,借助Hough变换检测出跑道区域的中轴线.应用图形学中的Bresenham算法,对每务中轴线取平行线,得到机场跑道区域.通过对大量的图片进行测试表明,该方法可以较准确地检测出机场跑道.     

基于能量的信息融合步态识别

针对步态能量图(GEI)和图像序列的Radon变换可以表征图像能量的特点,提出这两种形式的能量特征相融合的方法进行身份识别.在周期分割后的特征提取阶段分别使用GEI结合行列相结合的二维主成分分析((2D)2PCA)方法和对步态序列图像进行Radon变换,在周期模板构造后用列方向的二维主成分分析(2DPCA)降维方法进行数据压缩.在识别阶段,采用多视角及多特征在决策层的融合方法.应用上述方法在CASIA步态数据库上进行实验,结果表明所提的步态识别方法具有较高的识别性能.     

基于Canny算子和Radon变换的证件图像倾斜校正

倾斜的证件图像不利于识别,为此提出一种基于Canny算子和Radon变换的校正方法。该方法首先使用Canny算子进行证件图像边缘检测,然后利用Radon变换计算出图像的倾斜角度,最后用双线性插值算法进行图像旋转校正。在Matlab平台对该方法进行了仿真实验。实验结果表明,该方法能够准确、高效地对证件图像进行校正。     

基于重排Gabor变换和Radon变换的盲分离及其应用

根据重排Gabor变换和Radon变换理论提出了基于重排Gabor变换和Radon变换的盲分离算法.利用重排Gabor变换时频聚集性特点,对混合信号进行重排Gabor变换,再将Gabor展开系数进行Radon变换,通过Radon变换平面上的像点求出近似矩阵,从而实现信号分离.数值仿真和模拟故障结果表明:文中方法有效地抑制了噪声的干扰,成功地实现了信号分离.     

A Smart Mathematic Morphology Method for Recognition and Understanding of Airfield

0Introduction Recognitionandunderstandingoftargetsisaverysignificantbutdifficulttaskinthefieldofcomputervisionandartificialintelli gence.Sometypicalstructuralobjectssuchas airfields,bridgesandothersareoftenrequiredtobedetectedandrecognizedinautomatictar g…     

A smart mathematic morphology method for recognition and understanting of airfield

A method used for recognition and understanding of airfield based on mathematical morphology is proposed in this paper. The new approach can be divided into three steps. First, to extract the typical geometric structure features of airfield, a segmentation method called recursive Otsu algorithm is employed on an airfield image. Second, thinning and shrinking algorithms are utilized to obtain the contour of airfield with single pixel and to remove diffused small particles. Finally, Radon transform is adopted to extract two typical and important components, primary and secondary runways of airfield exactly. At the same time, region growing algorithm is exploited to get the other components such as parking apron and garages. The experimental results demonstrate that the proposed method gives good performance. Foundation item: Supported by the National Defence Foundation of China (51401040603) Biography: WANG Zhi-cheng (1975-), male, Ph. D. candidate, research direction: medical images analysis, ATR.     

基于结构特征的军用机场识别与理解

提出了军用机场结构特征的提取、识别与理解方法。首先对军用机场图像进行分割、细化、断线自动修补和毛刺分枝自动删除等处理,提取出机场的线状几何结构;然后根据机场主、辅跑道的平行直线特征,与它们之间相连的道路一起构成“日”字、“目”字等结构特征,识别出军用机场;最后根据机场中各设施的几何结构关系识别并理解它们。实验结果表明这种方法能够准确地识别并理解军用机场。     

低能见度前下视航拍图像中机场跑道的自动检测

提出了一种针对低能见度、前下视航拍机场图像中自动检测机场跑道的方法 .首先 ,采用基于递归的Otsu分割方法 ,从复杂背景中提取机场的主要轮廓 ;然后 ,利用基于形态学的开运算和膨胀进行形态滤波 ,开运算是为了滤除一些孤立噪声点 ,而膨胀运算是为了将分割后的机场成分连成一个完整的整体 ;最后 ,对形态滤波处理后的图像进行其区域生长 ,从而对机场主跑道进行定位 .试验证明 :这种方法对低能见度、前下视的航拍机场图像能够快速准确地检测、定位机场主辅跑道 .     

基于Hausdorff距离的人体步态识别

现有的步态识别方法对行人轮廓匹配的鲁棒性差，导致识别率不高．文章提出了基于Hausdorff距离的行人步态自动识别方法．首先提取了行人二值轮廓序列；然后采用轮廓参考点分布直方图间的距离、参考点集之间Hausdorff距离度量轮廓形状问的匹配度；继而通过步态的周期性分析选取关键姿态，计算出的关键姿态轮廓集间Hausdorff离结合窗口搜索策略实现了步态的分类和识别．分别在小型CASIA室外步态数据库和大型Soton室内库上进行了实验，提出算法的正确识别率分别可达到91．25％和88．16％．与相关文献的比较分析表明算法是有效的．     

分数阶小波时频域的图像去噪新方法

为了提高图像的质量以及满足后续图像处理的需求,提出了一种基于分数阶小波时频域的图像去噪新方法。该方法通过二维分数阶小波变换将图像映射到分数阶小波时频域内,在时频域内实现图像的去噪处理,最后通过分数阶小波逆变换实现图像的重构。图像去噪实验结果表明:采用该方法去噪后的图像输出峰值信噪比明显提高,在抑制噪声的同时可以有效保持图像细节。     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

二值图像中目标物体轮廓的边界跟踪算法

分析了二值图像识别中常见的边界跟踪算法,在此基础上提出一种通用性强的边界跟踪算法,能够根据上一边界点的位置判断轮廓走向.在搜索下一个边界点时,只需要对候选的5个点进行判断,便可以找到下一个边界点的位置,从而减少了搜索的次数,使得边界跟踪的时间大为减少.算法对于轮廓不封闭的线段也可以一次扫描得到其轮廓信息.实验表明,算法不仅速度快,而且轮廓识别准确.对于目标物较复杂的图像,算法更能体现出其优越性.