基于角点的形状分析

形状分析首先要解决的是它的形状表示,它至少需要达到两个目的:特征提取(形状描绘子)和数据压缩.付里叶描绘子是人们常用的一种形状描绘子,但这种方法计算量太大,数据压缩也很有限,特别是归一化处理非常麻烦,因而使它的应用受到限制.多边形拟合是人们常用的另一种方法,文献[3]提出了一种强有力的分裂合并算法,但这种方法处理速度很慢,在对速度要求较高的实时系统中难以得到应用,另外,当两个相似形状的多边形逼近的多边形边数不同时,即使采用动态程序的方法进行多边形比较也很麻烦.可以看到,用多边形近似描述平面封闭曲线时,多边形的顶点,即两直线段的交点,应该对应于平面封闭形状的角点,而多边形和它的顶点确定是相似的,也就是说,一组角点能唯一地确定一多边形,反之,一多边形也唯一地确定了一组角点,因此,形状的描述也可以用一组角点来近似表示.     

一种改进的红外小目标检测与识别方法

研究天空背景下红外运行小目标的检测与识别,对序列红外图像进行增强处理后,通过形态学滤波去除弱噪声,再用分害虫算法把目标和强噪声从背景中分离出来,最后用RMTI算法找出目标,并得出目标运行轨迹,实验结果表明,该方法能有效地检测定位运行小目标。     

港口目标特征提取与识别

港口目标的识别包括两个方面：识别港口轮廓和识别轮廓两侧的港口纹理,轮廓链码表示轮廓的走向及轮曲线的曲率,经过自适应平滑后由波变换的极大值检测得到角点,即大曲率点,港口轮廓的基元是一种连续四个角点的结构,基元的识别取决于这些角点有关的三个特征,这些特征只与角点的角度正负性质有关。     

向量小波的构造及其在语音信号增强中的应用

构造了一种新的二进向量小波，借助于ｒ重多分辨分析思想，给出了向量小波的离散化表示及其分解，重构的快速算法，以浮动阈值进行信号去噪，获得了一种新的语音信号增强算法，实验结果表明：此种算法可使得信号中的加性噪声几乎完全消除，重建后的波形又保留原信号中尖锐陡峭变化的曲线轮廓，效果颇佳。     

向量小波的构造及其在语音信号增强中的应用

构造了一种新的二进向量小波，借助于ｒ 重多分辨分析思想，给出了向量小波的离散化表示及其分解、重构的快速算法，以浮动阈值进行信号去噪，获得了一种新的语音信号增强算法，实验结果表明：此种算法可使得信号中的加性噪声几乎完全消除，重建后的波形又保留原信号中尖锐陡峭变化的曲线轮廓，效果颇佳．     

关于模式集的可识别性

本文证明关于模式集可识别性的有关结果,说明可识别性与模式观测和特征抽取间的紧密连系,较详细的研究线性可识别性.在线性赋范空间内对某种模式集证明了一种线性可识别的充分条件,并指、出了这些研究的重要意义.     

坦克目标识别与运动分析

本文用自适应动态门限对实时图象进行分割,在二值化图象的基础上进行轮廓跟踪。对于坦克目标提出了椭圆模型和轮廓拟合的识别、定位、定向分析方法。计算机模拟实验取得了满意的结果,证实了方法的可行性和有效性。     

基于圆邻域和环算子的抗噪边缘检测方法

针对噪声图像的边缘检测问题,提出了一种基于圆邻域和环算子的边缘检测方法.首先,在像素点的一个适当的圆邻域内取若干个同心圆环,将这些圆环上的灰度值按径向进行加权平均,得到该像素点周围一圈各等距点上的平均灰度值,这些灰度值可构成一个周期序列;然后根据Sobel和Prewitt等算子的设计思想,构造出一类高通的环算子,利用离散傅里叶变换计算周期序列与环算子的循环卷积,其最大值则作为像素点是否为边缘点的判据.实验结果表明该算法对于含有噪声的图像具有较强的鲁棒性.     

基于视觉的无人机姿态角估计

通过提取视频图像上跑道的线性特征以及利用消失点的定义来估计无人机(UAV)的三个姿态角.先对相机的三个姿态角进行估计:利用跑道底线估计出滚动角,用消失点在图像上的位置来估计偏航角,结合消失点的定义给出俯仰角的估计,同时对偏航角和俯仰角的估计进行修正,随后给出无人机的姿态角估计.仿真试验证明了所提方法的有效性,滚动角的估计误差在0.8°之内,偏航角和俯仰角的误差在0.2°之内.