复杂背景下序贯显著性特征海面目标检测算法

根据人眼视觉显著性注意机制，提出基于序贯显著性特征的目标识别算法，把复杂背景下的目标识别问题转化为多特征的融合识别，将目标识别过程分成感兴趣区域检测和感兴趣目标检测两个子过程，并建立序贯显著性特征目标识别算法模型，序贯提取复杂图像区域的显著性特征，逐步缩小感兴趣区域范围，然后以基于D-S证据理论的多特征数据融合方法，通过多特征综合置信度的估计与分析，完成可靠的目标识别．试验研究表明，针对复杂背景下海面舰船目标，在相同的虚警概率下，该算法的检测概率比单一的不变矩算法和基于纹理特征算法平均要高20％．     

基于MIMO-FNN模型的弹道导弹目标时空序贯融合识别方法

针对传统弹道导弹(BM)目标时空序贯融合识别算法识别效率低、抗噪性能差的缺点,提出了一种基于多输入多输出模糊神经网络(MIMO-FNN)模型的BM目标时空序贯融合识别方法.该方法首先根据多层融合的思想,结合神经网络和模糊理论,提出了多传感器多特征MIMO-FNN模型;其次,在此基础上,将当前时刻的融合结果与下一时刻的融合结果再融合,得到此时刻时空序贯融合识别结果,并将其与识别门限比较,直到满足识别门限要求,时空序贯融合识别结束,并做出决策;最后通过实验验证了所提模型的有效性和良好的抗噪性.     

基于贝叶斯数据融合的多尺度目标识别

针对红外电厂目标识别问题，提出了基于贝叶斯数据融合的多尺度目标识别方法．该方法研究了前视成像末制导过程中图像目标尺度变化引起的视点角度和特征尺度变化规律，建立了分层次的时空特征模型，根据显著性选取目标特征，采用贝叶斯网络把不同尺度下的显著性特征进行融合，得到正确的识别结果．实验表明，该方法能将多尺度目标的不精确、不完整的特征进行融合处理，从而完成了目标的可靠识别．     

基于小波矩特征的小波神经网络目标识别

提出一种具有尺度、平移与旋转不变性的目标识别方法.该方法首先提取目标图像的小波矩特征,然后与小波神经网相结合,构成一套目标识别系统.小波矩不变量不仅可以表示图像的全局特征,而且还能表示局部特征;而小波神经网络结合了小波分析和传统神经网络的优点,具有很强的学习能力和推广能力.因此基于小波矩的小波神经网络目标识别系统在进行目标识别时具有很大的优势.实验中使用该方法对4类飞机目标进行识别,实验结果证明其识别率高于其它的目标识别方法.     

海战场的目标检测与识别

针对海战场图像信息的目标检测与识别,提出了一种适于海战场区域特征的遥感图像目标检测与识别方法．研究采用线性滤波器将图像划分为若干个空间尺度,并对不同空间尺度的图像,根据生物视觉生理特性的原理,提取图像中目标的视觉显著性特征,此特征包含目标不同于其周围区域的程度和空间分布状态．根据分析提取的目标空间特征信息,使用支持向量机对视觉显著性特征图像进行分类,实现目标信息提取,并通过Dempster-Shafer证据理论的分析方法判断目标的相关信息及其置信度,达到识别目标的目的．实验结果表明：此方法能以高可靠性和高精确度检测出海战场图像信息中的目标,获取目标相关信息．     

基于显著性保持的多聚焦图像融合

提出一种基于显著性保持的多聚焦图像融合方法.该方法首先利用显著性评测函数计算源图像的显著性特征,然后利用显著性系数构建融合图像的目标梯度,最后迭代求解得到融合图像.同时研究了利用显著性特征融合彩色图像中的色调和饱和度分量.多聚焦图像上的实验结果表明该算法相比较其他算法具有更好的融合效果.     

基于序贯滤波的水平集图像分割

传统基于边缘的水平集分割模型对非均匀区域分割效果不理想,为了解决这一问题,本文分析了序贯滤波的平滑能力与滤波次数之间的关系,将序贯滤波与水平集分割相结合提出了基于序贯滤波的图像分割模型.为了实现自适应于图像内容的平滑,根据平滑分量分割区域的置信度,设计了图像分割的平滑指标,控制序贯滤波次数,使得不同平滑分量的轮廓曲线收敛于目标边界,改善了传统基于水平集方法对非均匀区域的分割效果.本文分割算法的F测度,精确率和召回率均高于传统模型,在一定程度上提高了非均匀区域的分割效果.     

一种多尺度目标的序贯识别新方法

提出了一种基于分级特征模型的多尺度目标序贯识别新方法；研究了不变矩特征的尺度变化规律；建立了多尺度目标不变矩的分级特征模型，进而完成多尺度目标的序贯识别．多尺度舰船目标的模拟实验表明，这种基于不变矩分级特征模型的序贯识别算法，能有效地完成多尺度目标的识别，从而证实了分级特征模型符合多尺度目标特征的变化规律，有利于表达多尺度目标的特征，提高目标的检测、识别概率，减少计算复杂性．     

基于因子分析和序贯概率比检验的结构损伤识别

提出一种基于因子分析和序贯概率比检验的结构损伤识别方法。基于健康监测数据提取的结构状态特征不仅受结构状态的影响,而且受环境因素、测量噪声、分析误差的影响。当影响结构状态特征的环境因素未知或者不能完全测量时,基于因子分析可以提取结构状态特征场的公共因子作为环境影响效应的映射,并结合序贯概率比检验识别结构损伤。首先对因子分析的基本理论进行介绍,并建立因子分析的矩阵扩展法,在此基础上讨论基于Mann-Whitney秩和的序贯概率比检验的结构状态判别。最后通过1个斜拉桥的数值算例验证方法的可行性,结果表明该方法能够准确地识别较小的结构损伤。     

基于时空加权的多特征融合动作识别算法

动作识别是机器视觉领域的基础应用之一,目前动作识别算法多数基于单帧图像特征或简单综合时间维度特征和空间维度特征,一定程度上约束了特征表达能力.为了解决该问题,本文提出了一种时空特征融合方法,将时空金字塔中引入加权策略,有机地将2个维度的特征融合在一起,打破空间维度特征上的局限性.实验结果表明基于本文提出的时空加权特征融合的识别方法可有效提高动作识别精度.