一种小波频域相关性目标识别方法

提出了一种图像目标识别的小波变换域和相关性结合的的算法.通过仿真实验表明该算法可以有效且准确的识别和提取多频谱图像中感兴趣的部分.     

一种基于复加权的目标极化识别方法

针对未知和时变的杂波环境,在目标极化状态已知的情况下,探讨了极化域目标识别的问题.在全极化雷达的极化正交的双通道接收系统中,对两路极化正交回波信号进行复加权后与期望信号比较,使其均方误差达到最小,从而抑制了干扰,增强了目标信号.对抑制和增强效果在干扰分别为定极化和变极化的情况进行了仿真,仿真结果表明了该算法的有效性.对此算法中步长因子的取值范围进行了探讨.提取目标极化特征,进行目标识别,并进一步提出识别递推算法.对识别结果进行仿真,仿真结果表明了该方法的有效性.     

基于被动毫米波探测技术的近场目标识别方法

对毫米波探测技术的目标识别方法进行研究. 在对坦克及金属板、水的毫米波特性进行分析的基础上,提出了对探测信号进行能量、脉宽、脉冲间隔及进一步判断物体表面光滑度的联合判别方法,建立了坦克目标识别原则. 采用统计处理方法建立了不同特征量的分布规律直方图,进而给出概率密度曲线,根据探测概率,确定了特征门限,通过多重门限的设定提高了目标识别精度. 理论分析结果证明了近场目标识别方法的有效性,为其它相关探测系统的目标识别提供了可借鉴的途径.     

坦克目标时频特征分析

为获得目标信号的更多特征,提高识别概率,引入了短时傅里叶变换的方法对毫米波探测信号进行时频分析;结合坦克目标毫米波信号频谱的特点给出了窗函数的选择方法;分析了坦克装甲车辆与其主要干扰的毫米波信号频谱图的差别,在此基础上给出了毫米波信号在时频域的特征选取方法. 分析结果表明:采用短时傅里叶变换的时频分析方法得到的坦克毫米波信号的频域特征与其主要干扰存在较大差异,据此可以进行坦克目标的识别.     

基于小波包分解的声目标识别

小波变换是处理非平稳信号的一个有力工具,研究了基于小波包分析的声信号特征提取方法,并应用该方法对直升机等4种目标的声信号进行了特征提取,降低了特征向量的维数。采用设计改进的BP神经网络分类器对声目标进行分类,分类结果准确率高,获得满意的实验效果。     

基于小波和神经网络的目标识别方法

基于高分辨一维距离像，对雷达信号目标识别的小波分析和神经网络方法进行了理论研究和实验分析。小波变换起到了数据压缩作用，并且用不同的小波得到不同的结果。ISAR获得的三种飞机目标真实回波数据所形成的一维距离像作为实验数据，并且用神经网络对目标分类器进行了设计。     

一种基于正交不变集多小波的虹膜识别方法

提出了一种新的虹膜特征提取方法。该方法应用双正交不变集多小波对虹膜图像进行特征提取,同时考虑了虹膜图像的局部特征和全局特征,采用相关系数测度和方差倒数加权欧氏距离相结合的方法来设计分类器,为了消除虹膜图像在采集时可能产生光斑而对识别结果带来影响,在设计分类器时采用分块处理的办法。实验结果表明,多小波变换能更好的提取虹膜的纹理特征,获得更好的识别性能,是一种有效识别方法。     

一种基于正交小波包分析的混沌识别方法

以Duffing方程系统为例阐述了混沌运动的特征，比较了正交多分辨分析和正交小波包分析的频带分割能力和频率分辨率，提出了一种基于正交小波包分析的混沌识别方法。利用各子带功率在信号总功率中的分布状况，有效地识别出周期运动、混沌运动与随机运动，提取了混沌运动的特征频率。     

基于小波变换的眉毛识别方法

提出了一种基于小波变换的眉毛识别方法.该方法利用小波变换进行眉毛特征提取,选取奇偶行三层小波变换的高频、水平分量、垂直分量和整体二层小波变换的低频部分作为特征,利用最近邻法则进行识别.实验结果对比表明,该方法简单且识别率较高.     

一种改进的Zernike矩的雷达图像目标识别方法

针对Zernike不变矩目标识别算法计算复杂,计算复杂度高的不足和雷达图像乘性噪声严重和识别率不高的问题,提出了一种快速计算Zernike矩目标识别算法.该算法通过利用Zernike矩对称性和反对称性对雷达图像进行快速计算求得不变矩,然后通过加权求得新的特征向量,最后通过支持向量机进行目标识别.实验结果表明,提出的算法不仅解决了计算过于复杂的问题,还降低了噪声且提高了目标识别率.     

攻顶装甲目标的交流毫米波引信目标识别及定位

对交流毫米波引信的目标识别与定位方法进行研究.分析了毫米波引信探测金属目标的机理;在对装甲目标进行试验测试的基础上,研究了坦克装甲目标与干扰的毫米波信号差异;根据目标特性,提出了综合判别时域内目标信号幅度、宽度及目标外形尺寸的识别方法;在目标识别的基础上,通过对目标顶甲尺寸、系统延迟时间等因素的综合考虑,合理设计探测器前倾方案,实现对目标的定位.     

基于数学形态学的图像特征提取

阐述了数学形态学的腐蚀,膨胀,开、闭等基本运算原理,采用数学形态学抑制背景,得到保留小目标的图像,并对包含小目标信息的图像进行处理和图像特征提取。     

基于小波分析的故障诊断

对信号进行特征提取,是故障诊断的关键。突变信号往往对应着某类故障,如果能对突变信号进行有效识别,就能达到故障诊断的目的。对如何从混有噪声的振动信号中有效识别出突变信号,本文进行了一系列方法研究。     

基于多分辨率分析的舰船辐射噪声频域特征提取

为提高舰船目标识别率,采用小波多分辨率分析法对舰船辐射噪声进行多尺度调制谱和噪声谱特征提取及融合研究。并用提取的特征对三类舰船目标辐射噪声进行了分类识别实验,结果表明所提特征具有很好的分类识别效果。     

小波方差与小波熵在信号特征提取中的应用

讨论了单一尺度下的小波方差,并结合信息论中信息熵的定义和物理意义,进一步引进了多尺度下的小波熵;分别以频率突变和幅度突变两种仿真信号为对象,分析了小波方差与小波熵在反映随机信号统计特征方面的特点;最后,以一类钻井信号为例,分别利用两种方法分析和提取了信号在强噪声环境下的脉冲特征。仿真和实例说明,相对于小波方差对尺度选择的依赖,小波熵可以综合各尺度的信息,能够从整体上更有效地提取信号特征。     

多分辨率特征提取方法用于检测乳腺透视图象中的星形肿块

本文提出一种检测乳腺透视图象中星形肿块的多分辨率特征提取方法.首先使用线性相位、不可分小波变换得到原始乳腺透视图象的多分辨率表示;其次选择能将星形肿块从正常乳腺结构中区别开的4个特征,在每种分辨率上计算每个象素的特征.这一方法解决了需获取不同大小的目标但却无法预先选择确定大小邻域的难题.文中也简要介绍了根据这一特征提取方法得到的特征集来使用神经网络对象素分类的过程.最后给出了对于测试样本的特征提取结果。     

基于梯度投影的视频跟踪算法

为实现复杂场景内目标的准确捕获与跟踪, 结合目标特征, 提出基于梯度投影的视频跟踪算法。根据目标先验知识, 对视频流开窗并进行梯度投影, 获取目标区域的位置信息; 通过特征提取和形态学分析提取目标特征参数, 实现目标判定与捕获; 利用目标质心坐标更新跟踪窗位置信息, 实现对目标的跟踪。实验结果表明, 该算法降低了运算量, 实时性强, 实现了对目标的准确、 稳定的跟踪, 对实验场景中的光照变化和疑似目标的干扰具有很强的鲁棒性。