基于SVM和雷达回波反射率的雹云模型识别研究

为了提高基于支持向量机(Support Vector Machine,SVM)的大雨、冰雹模型的分类准确率,利用SVM分类方法与雷达回波反射率图像相结合的方法建立模型。提取雹云图像与大雨图像的的特征数据进行筛选,分别求出它们的和、中位数与方差,组成的三维识别向量作为SVM模型判别的变量数据训练模型。利用该模型对已有样本进行测试,可得雹云判别模型的识别率较高,且判别误差率较低。结果表明,通过气象雷达反射率图像的回波强度数据与SVM分类模型相结合构造的雹云判别模型,具有较好的效果。     

雷达图图形特征提取中的特征排序

基于多元数据的雷达图图表示,提出了雷达图重心图形特征.针对同样的多元数据不同的特征排序会导致不同的雷达图图表示,进而产生不同的重心特征,而这些重心特征会最终影响分类器的性能,因此提出一种新的问题,即雷达图图形特征提取中的特征排序问题.基于这个新的问题,设计了一种新的解决方法,即提出了基于改进的遗传算法的特征排序.同时也研究并改进了传统的基于排序的特征选择方法.基于一些机器学习数据库的分类实验结果表明:一方面,数据的原始特征排序下的重心特征和传统的特征提取方法相比,并不总是最优,但是在遗传算法下特征排序的重心特征优于传统的特征提取方法;另一方面,在遗传算法下特征排序的重心特征优于传统的基于排序的特征选择方法下的重心特征.尤其对于高维小样本的肺癌数据达到了12.5%的留一法交叉验证错误率,效果非常好.乳腺癌数据和糖尿病数据等的分类结果优于目前国际上的报道.     

子波变换用于雷达目标回波特征提取的研究

提出了一种用子波变换对雷达目标回波进行特征提取并用神经网络对其分类的新方法，子波变换同时起到了数据压缩作用。用此法对微波暗室中得到的雷达目标回波进行特征提取和分类，对５种飞机模型分类的平均正确率可达９８％。结果表明新方法是十分有效的。     

天气雷达反射率因子图像中三体散射自动识别

三体散射的准确识别可以有效降低强冰雹的误警率、提高预报强冰雹的时效性.在详细分析三体散射产生机理的基础上,将三体散射按照其图像特点定义成2种类型.设计标准模板,在将搜索区域进行标准化变换的配合下成功解决了楔状的、短的三体散射的自动识别;用链码技术将走向一致的区域边界的比例定量地描述出来,以此解决长直的三体散射的自动识别.实验表明,该方法对短三体散射的区域断裂和长三体散射的远端粘连具有不敏感性,对三体散射的总击中率达到94.8%,误警率不足1%.     

宜春北部一次冰雹过程雷达回波特征分析

为提高县级台站对冰雹天气的识别和预警能力,使用常规天气图和宜春SA雷达数据等资料,采用天气学、雷达气象学方法,对2021年3月30—31日江西宜春北部罕见大冰雹天气过程进行分析,结果表明:1)西南急流、地面倒槽、切变线、暖脊、“上干下湿”不稳定层结是主要影响天气系统,属于典型暖区强对流天气形势;)在雷达拼图上,30日冰雹是超级单体,呈孤立椭圆状; 31日冰雹是回波带上的超级单体,呈带上强单体形态; 3)在雷达PPI产品上:超级单体风暴组合反射率CR达65 d BZ,回波顶高ET达17 km,垂直积分液态水含量VIL为55～60 kg/m²,能够识别出中气旋M和龙卷涡旋结构TVS; 4)在反射率因子垂直剖面RCS上:30日孤立超级单体存在明显的有界弱回波区（BWER）、回波悬垂和中气旋特征; 31日回波带上超级单体存在明显的悬挂结构回波和虚假旁瓣回波顶; 5)在径向速度垂直剖面VCS上:超级单体存有中气旋结构和上正下负速度层。研究结果为江西宜春北部冰雹天气的预警预报提供了理论依据。     

基于特征提取的连接词识别方法

篇章分析是自然语言处理中一个重要的研究方向。连接词的识别作为篇章分析中的一个基本任务,对后续的篇章分析起到关键作用。针对连接词识别方法中的高维度特征空间问题,提出了基于特征提取的连接词识别方法。具体来讲,引用多种特征提取方法(IG、MI、DF、CHI、WLLR)对连接词识别中所用的所有特征进行打分排序,提取排在前面的一定数量的特征用于分类。实验结果表明特征提取方法能够有效降低特征维度,在仅仅使用50%的特征的情况下能够获得类似甚至更佳的识别性能。     

基于小波变换的雷达信号特征提取方法

基于小波变换,提出了一种提取雷达信号特征的方法。通过对雷达信号进行小波分解,设置门限,将小波变换系数转换为二进制,然后将二进制小波系数再转换为十进制,这样就得到了雷达信号的特征。通过目标识别实验,证明本文提出的方法是有效的。     

基于小波包变换的超声回波信号特征提取

超声检测技术中,缺陷的定性分类这一技术难题至今尚未得以彻底解决。文章介绍了一种基于小波包变换的多尺度空间能量特征提取方法,并对实测的超声缺陷回波信号进行了特征提取;进而采用基于距离的类别可分性判据对提取结果进行了评价。结果表明:该方法提取的缺陷回波信号特征值,其可分性测度均值达91.7%,从而证明该方法对超声检测缺陷回波信号的特征提取是相当有效的。     

宽带全极化雷达目标HRRP极化特征提取与优选

充分有效地利用全极化雷达目标HRRP极化信息是雷达目标特征提取领域一个热点问题．文中主要研究了宽带全极化雷达目标HRRP的三类极化特征的提取与优选：（1）将SAR领域常用的熵特征引入全极化HRRP中,分析了反映目标HRRP散射随机性的熵特征;（2）根据目标散射矩阵相似性参数理论,定义了目标HRRP与6种标准体散射矩阵相似性参数概率形式描述,并将其作为特征,这类特征反映了目标的物理结构特性;（3）提出了反映目标散射能量特性的Mueller矩阵相似性参数特征,并且证明了该参数特征的旋转不变性．这几类特征具有明确的物理意义．采用飞机目标多个姿态的实测数据进行了特征有效性验证和特征优选,并利用优选后的特征组成特征矢量对飞机目标识别,实验结果表明,提出的HRRP极化特征具有良好的稳健性和可分性．     

宽带全极化雷达目标HRRP极化特征提取与优选

充分有效地利用全极化雷达目标HRRP极化信息是雷达目标特征提取领域一个热点问题.文中主要研究了宽带全极化雷达目标HRRP的三类极化特征的提取与优选:(1)将SAR领域常用的熵特征引入全极化HRRP中,分析了反映目标HRRP散射随机性的熵特征;(2)根据目标散射矩阵相似性参数理论,定义了目标HRRP与6种标准体散射矩阵相似性参数概率形式描述,并将其作为特征,这类特征反映了目标的物理结构特性;(3)提出了反映目标散射能量特性的Mueller矩阵相似性参数特征,并且证明了该参数特征的旋转不变性.这几类特征具有明确的物理意义.采用飞机目标多个姿态的实测数据进行了特征有效性验证和特征优选,并利用优选后的特征组成特征矢量对飞机目标识别,实验结果表明,提出的HRRP极化特征具有良好的稳健性和可分性.     

基于代数方法的图像特征抽取和识别

该文对文献（３）中的相似度计算了改进,用低维矩阵替代高维矩阵进行计算,先证明没有改变原有图像矩阵的相似度,然后用新方法和原方法解决一组人脸图像识别问题,实验结果表明,新方法大大减少了计算量,又能保持稳定的识别率,具有较高的识别效果。     

基于纹理分析的图像形貌特征提取

讨论了纹理分析的统计法、结构法、模型法以及空间／频率域联合分析法等四种主要方法的优缺点及各自的适用性，对近年来这些方法在图像形貌特征提取方面的应用进行了归类和初步的总结，重点介绍了一些新的发展，探讨了存在的问题和发展方向。     

一种基于形态中值金字塔的线特征提取方法

基于掌纹的身份识别技术是基于人体参数身份识别技术的重要内容,如何选择合适的掌纹图象及其线特征,如何提取这些线特征是该项技术的关键所在,传统的边缘检测方法易产生双边缘,。易出现位置偏移,易受噪声影响,因此不适于掌纹线特征的提取,本文提出的一种基于形态中值金字塔的多分辨率线特征提取方法,借鉴多分辨率分析的思想,结合掌纹图象的特点及其相关知识来提取线特征,取得了较理想的实验结果。     

数字图像的不变特性与特征提取

讨论了两种字符特征向量的提取方法．一种是基于平移、旋转和尺度不变性的图像变换法,另一种是强调字符形状和结构的方向特征量提取法．比较试验的结果表明,通过计算字符图像中心矩的图像变换法具有比较稳定的特征值,有利于机器识别．实验中通过最小距离法进行字符的分类识别,识别率达到80％以上,可用于实时性要求较高的车辆牌照字符识别系统．     

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。     

窄带雷达网弹道目标微动特征提取

目标微动特征是弹道中段识别的有效特征之一。针对单部雷达获取目标微动信息的局限性,提出了一种利用窄带雷达网进行弹道目标进动特征提取的方法。首先,建立了锥体进动模型和窄带信号模型,得到了散射点微多普勒表达式。然后,在锥体非理性散射点转化为理想散射点的基础上,通过频谱分析,实现了不同视角下散射点的匹配关联。最后,利用锥顶微多普勒信号对锥底进行补偿,在雷达视角方差最小时求得补偿系数。再联立2部雷达的微多普勒信息即可求出参数。仿真结果表明该方法能够精确提取微动参数和结构参数。     

基于面特征和SIFT特征的LiDAR点云与航空影像配准

针对LiDAR数据与航空影像融合中的配准问题,提出一种将面特征与点特征相结合的配准方法,首先由LiDAR点云生成深度影像,对深度影像和航空影像提取面特征,在此基础上采用SIFT算子提取点特征,完成LiDAR点云与航空影像的配准。文中方法采取了由面特征到SIFT特征的配准策略,减少了面特征配准的数据量和SIFT算法的计算量。从ISPRS提供的数据集中选取了3组数据进行实验,实验结果表明该方法能有效减少SIFT算子的特征描述符的数量,减少寻找正确匹配点的时间,在保证配准精度的情况下提高配准的效率,适用于城市地区等包含大量面特征地区的LiDAR点云与航空影像配准。     

基于KCPA提取特征和RVM的图像分类

为了得到更理想的图像分类结果,提高图像分类的效率,提出一种核主成分分析与相关向量机(RVM)相融合的图像分类算法.首先采集大量图像,建立图像数据库,并提取图像特征;然后采用核主成分分析对图像进行选择和降维,减少图像特征数量,消除作用较小的特征;最后通过相关向量机的训练构建图像分类器.采用3个图像数据集进行图像分类实验,实验结果表明,对于3种标准图像数据库的图像,该算法的图像分类正确率大于95%,远高于其他算法的图像分类正确率,且图像分类速度可以满足图像的实际应用要求.     

基于DBN特征提取的雷达辐射源个体识别

针对传统特征参数难以表征复杂体制雷达信号个体特征的问题,基于深度置信网络DBN的深层特征提取和高维数据处理能力,提出一种基于DBN特征提取的雷达辐射源个体识别算法。首先建立基于多层受限玻耳兹曼机的DBN模型,然后通过DBN无监督提取脉冲包络前沿特征,再利用标签数据对模型参数进行有监督微调完成训练,最后输入未知辐射源信号脉冲包络前沿特征实现辐射源个体识别。与传统算法相比,该方法能够自适应地提取脉冲深层次细微差异,提取过程减少了对人为经验的依赖。实验结果表明,该算法对脉冲包络特征提取效果明显,有较高的识别精度。     

基于分形矩的印刷体藏文特征提取方法

基于现有的藏文字丁特征提取方法——图像投影法和方向线素法,运用分形矩理论,提出了一种基于分形矩的藏文字符特征提取方法.用该方法提取的特征有效地反映了藏文字丁的局部和全局特征,减少了图像中像素位置变化给识别部分带来的负面影响.该方法在一定程度上克服了藏文字丁极多而造成的误识率高的缺点,并且解决了由于特征向量维数较多造成的运算速度慢的问题.