一种新的综合鉴别滤波光学模式识别技术

设计了一种可在空域招待的综合鉴别滤波器（SDF），并将其应用于光电混合处理、光学模式识别系统中，采用频域执行SDF挑学滤波和空域执行SDF数字滤波相结合的方法，对输入场景中的三维目标进行实时、畸变不变识别。通过综合鉴别滤波的数值模拟和实时、畸变不变相关识别的硬件光学执行实验显示：该滤波技术可显著提高光学模式识别系统的识别效率，增强系统抗强背景噪声干扰的能力，从而改善系统的识别性能。     

基于SIFT特征的自适性目标识别技术

本文主要讨论了尺度不变特征变换SIFT（Scale Invariant Feature Transform）及其在目标识别中的应用。     

基于LVQ网络处理的多目标分类识别

提出利用光学图像相关识别技术和学习矢量量化神经网络（LVQ网络）相结合,实现多种目标的旋转不变分类识别.阐述了LVQ网络对基于类间综合鉴别函数得到的相关峰进行处理的原理和方法,并进行计算机模拟.结果表明,即使相关信号含有一定的噪声,该方法也可对多种目标图像作出正确的分类识别,识别准确率较高,且具有良好的容错性.     

基于△u模式和RBF网络的局部放电模式识别

局部放电（PD）模式识别是诊断高压电气设备内绝缘缺陷的重要方法之一．采用了一种△u模式参量作为局部放电的图谱特征，并采用不变矩作为放电特征；同时，采用了径向基函数神经网络（RBFNN）对局部放电△u模式参量构成的图谱特征进行识别．结果表明采用正交最小二乘法（OLS）训练的RBFNN对△u模式中的不变矩特征参量进行识别，RBFNN收敛速度快且稳定性强，识别率达到85．7％以上，能够很好地识别由5种人工绝缘缺陷模型产生的局部放电信号，在实际应用中具有良好的应用前景．     

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．     

B-(p,r)-预不变凸规划的Wolfe对偶问题与极小化问题(运筹学与控制论)

B-(p,r)-预不变凸函数是一类新的广义凸函数，它是B-(p,r)-不变凸函数的推广。本文讨论了B-(p,r)预不变凸函数的一些性质；然后利用B-(p,r)预不变凸型函数建立了目标函数和约束函数均可微的多目标规划问题的G&019型对偶，证明了目标函数和约束函数在B-(p,r)预不变凸型函数条件下的弱对偶，强对偶和严格逆对偶定理；后给出了B-(p,r)预不变凸函数在关于目标函数的极小化问题中的两个重要应用，即建立目标函数在B-(p,r)预不变凸函数条件下的极小化问题（P），证明了它的局部最优解是全局最优解，它的解集是p-不变凸集，且得出如果问题（P）存在最优解，则最优解唯一。本文结论具有一般性，推广了涉及预不变凸函数、B-预不变凸函数和（p，r）-预不变凸函数文献的一些结论。
     

足球机器人视觉目标识别的PCA-SIFT算法

针对Robocup类人组比赛的特殊环境,为了识别比赛双方机器人,并克服光照变化、图像扭曲等问题给识别目标带来的干扰,选用尺度不变特征变换（SIFT）算法进行特征提取.由于SIFT算法的实时性差,提出改进的PCA-SWT目标识别算法,将主成分分析法（PCA）用于对经典SIFT算法中的128维描述子进行降维,并用最近邻法进行特征点的匹配.通过实验发现,经过PCA改进的描述子不仅提高了运算速度,匹配度也保持在较好的状态.     

图像目标的矩特征量的照度不变性

在运动目标识别中,需要提取与目标远近、方位,照度、投影等变化不敏感的特征量。不变矩组对于目标平移、旋转和尺度变化不敏感,因此可以用不变矩组外加一些辅助特征来进行运动目标识别.本文研究了数字图像目标的不变矩组特征量经适当修改后,可以使其对目标平移、旋转和环境中的光照强度不敏感.这是对矩不变理论在模式识别应用中的一个重要补充,文章最后给出了修改前后两组公式的适用范围和实验结果。     

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。     

非光滑不变凸规划最优性准则及对偶

研究下述非光滑不变凸规划问题（Ｐ）ｍｉｎｆ（ｘ），ｓ．ｔ．ｇ（ｘ）０这里ｆ：Ｒｎ→Ｒ，ｇ：Ｒｎ→Ｒｍ．ｆｊ，ｇｉ为不变凸函数，在相关点具有Ｌｉｐｓｃｈｉｔｚ性质．将要给出最优性的必要与充分条件．同时提出（Ｐ）的混合型对偶问题，它们是经典的Ｗｏｌｆｅ型对偶和Ｍｏｎｄ－Ｗｅｉｒ型对偶的推广，给出弱对偶和强对偶结果．最后，考察多目标非光滑不变凸规划问题且得到类似的结果．     

用于旋转不变模式识别的一种逆滤波算法研究

为简化运算过程，较好地实现旋转不变相关识别的目的，提出了一种将逆滤波与基本的SDF（Synthetic Diserirninant Functions)相结合的改进的逆滤波器算法。该算法用实现旋转不变识别的基本综合鉴别函数方法合成逆滤波器的传递函数，既可识别旋转变化的图像，又具有逆滤波固有的相关峰尖锐、区分能力强的特点。计算机仿真结果表明，平面旋转的图像与传统的SDF相比，该模型具有较好的识别效果。     

基于改进直方图不变矩的声呐图像识别方法

针对声呐图像受噪声干扰大，目标边界较模糊的特点，并结合传统直方图不变矩识别图像快速的优点，以及其不考虑灰度空间信息而易造成误识的缺点，将目标的形状阕子加入不变矩特征向量中，提出了一种对亮度和对比度变化不敏感，具有旋转和尺度不变性的改进的直方图不变矩．实验仿真结果表明，该方法能够快速、有效地识别水下目标．     

基于深度学习的军事目标识别算法综述

目标识别作为深度学习中最受欢迎的领域之一，已广泛应用于民用的各个方面，如人脸识别、行人重识别、车牌识别、车辆识别等；而在军事应用领域，由于军事目标数据集较少，但识别要求精度高实时性强，所以还在发展阶段。本文首先阐述了基于深度学习的军事目标识别发展现状；然后介绍了六种目前主流的基于深度学习的军事目标识别算法（包括Mask R-CNN、GAN与深度森林、DRFCN、E-MobileNet、SSD300、YOLO）及相关网络结构、改进方法与实际应用；最后对主流方法进行总结，并探讨了未来的发展趋势。     

用二维阶次规正不变矩识别三维目标

论述了用二维投影图像的矩不变量来识别三维目标的方法。该方法有效地降低了目标识别的维数，简化了目标匹配和识别的算法。通过考察阶次规正不变矩ＯＮＭＩ的性能，证明了ＯＮＭＩ有效地减小特征量的动态范围并提高了其抗噪性。分类结果表明，该特征平衡方法比如加权因子法更有利于目标的识别分类。     

不变拟凸性与多目标规划的一个问题

定义了Ⅰ类不变拟凸、Ⅰ类严格不变拟凸、KT－Ⅰ类严格不变拟凸的向量值函数，并在目标规划中，获得了每个驻点（或KT－T点）是有效点的等价条件。     

挖掘机器人铲斗不变矩及改进BP网络识别方法

在利用视觉信息跟踪、识别挖掘机器人铲斗目标时,实时采集的铲斗图像存在旋转、平移、缩放等情况.为提高对铲斗目标的识别能力,提出了基于不变矩和神经网络相结合的铲斗目标识别方法.提取铲斗图像对于平移、旋转、缩放具有不变性能的7个不变矩特征向量,归一化后作为改进BP神经网络的训练样本及测试样本.应用训练后的神经网络对铲斗目标进行识别,仿真表明该方法具有较好的识别能力.     

基于不变矩和SVM的步态识别

步态识别是生物识别领域的研究热点之一,文章首先提取步态序列图像的不变矩,并利用主成分分析法（PcA）进行特征处理,最后使用支持向量机（SVM）进行分类。通过在步态数据库上进行实验,达到了较高的识别率。     

基于线矩特征的破损目标识别

论述了用曲线的矩特征作为局部不变量来识别二维破损目标的方法。该方法对目标的轮廓进行分割后，利用阶次规正后的轮廓线矩特征，通过粗、细两级的基于Ｈｏｕｇｈ变换的投票匹配法来识别目标。分类实验表明，该方法有利于提高目标局部特征的抗噪性，并简化了破损目标的匹配和识别算法。     

基于二次微分的联合变换相关识别

基于二次微分的联合变换相关识别陈怀新陈祯培（四川大学光电科学技术系成都６１００６４）图像的光学相关识别可分为两类基本方法：（１）匹配空间滤波相关（ＭＳＦ）；（２）联合变换相关（ＪＴＣ）。与匹配滤波相关相比，联合变换相关不需要制作和精确复位复空间匹配滤...     

机场目标检索在雷达景象匹配数据库中的应用

采用基于内容的图像检索方法，对雷达景象匹配数据库中的图像数据进行兴趣目标的查询检索与识别．由于雷达图像具有受斑点噪音影响明显等特点，故综合运用迭代阈值选取以及区域生长的方法，进行兴趣目标（主要是机场）的分离；由于匹配数据库中图像数据范围比较大，包含目标多，为了在检索过程中确定检索目标在图像中的位置，预处理时，采用对同一图像多幅子图进行特征提取的方法，最终在检索时通过子图范围来确定目标在大幅图像上的位置．由实验分析，证明在机场目标的检索识别中，这一方法是可行的．