用多层前馈神经元网络实现运动点目标图像识别

本文主要讨论了远距离目标(即点目标)的识别问题,提出了一种用二阶神经元网络来识别含噪运动点目标图像的方法,给出了点目标运动轨迹参数与速度参数提取方法和二阶神经网络的改时B—P学习算法。在PC—286微机上对本文提出的方法进行了仿真实验,结果表明这种识别方法具有很好的识别效果。     

基于S-粗集的图像阈值分割方法

介绍了S-粗集的概念, 结合其动态迁移特性给出了可以适应复杂背景和含噪环境的图像S-粗集表示模型, 使静态目标可以将"不好"特性像素点迁移出去. 利用粗糙熵平衡目标和背景粗糙度对边界的影响, 提出一种更具适应性的 图像阈值分割算法. 为了适应离散点的迁移, 同时避免粒度大小的选择, 结合包含度概念给出了图像变精度S-粗集表示模型, 利用精度参数来 控制调节获取最佳分割阈值, 实现目标提取. 仿真实验表明, 所提出算法具有更好的图像分割效果.     

基于自适应窗的小波域图像去噪算法

提出了一种利用自适应窗的小波域双重局部维纳滤波图像去噪算法。综合考虑小波分解后各个子带中能量分布的方向特性和图像本身的边缘和纹理特性,该算法首先估计每个子带中信号的能量分布进而在每个子带中确定自适应窗,然后利用自适应窗估计出的能量分布对含噪图像进行双重维纳滤波来去除噪声。实验结果表明该算法对含噪图像去噪的效果优于已有的采用二维可分实小波进行图像去噪的算法。     

基于标注图像的MPEG-4人脸运动参数获取方法

提出了一种基于标注图像的MPEG-4人脸运动参数(FAP)获取方法。首先对人脸进行手工标点,然后使用摄像机拍摄人脸运动序列并录制语音数据,通过图像分割与标记点定位等操作提取标记点位置信息,再根据人脸特征点的几何分布确认标记点对应的三维FDP参数,最后经过计算得到人脸运动参数。将获取的结果数据应用到基于MPEG-4的语音驱动的三维人脸合成与动画系统中,取得了很好的效果。     

基于深度特征融合的SAR图像与AIS信息关联方法

星载合成孔径雷达(synthetic aperture radar, SAR)和自动识别系统(automatic identification system, AIS)都可以获取到探测目标的相关信息，将两者获取的信息进行关联融合，有益于实现高效的海上侦察监视。由于数据之间存在的异构性，传统方法多依赖人工特征建立SAR图像与AIS信息的关联关系，但这些方法存在精度差、效率低等缺点。本文提出了一种基于深度特征融合的SAR图像与AIS信息关联方法，针对两种模态数据的特点分别设计了对应的特征学习网络获取单模态特征表示，进一步融合不同模态的特征信息以增强跨模态信息间的语义相关性，然后通过设计的关联学习目标函数进行跨模态特征之间关联学习。在构建的数据集上验证表明，所提方法关联精度高、适应性强，验证了所提数据集和方法的有效性。     

运用形态膨胀检测红外运动点目标

本文为解决红外低信噪比条件下快速运动点目标的检测问题,提出了一种基于膨胀累加、边检测边跟踪的检测方法。运用形态膨胀运算使同一目标处于不同帧上的能量仍然能够实现有效的累加,从而达到增强目标并有效剔除虚警点的目的。同时本文还采用小波变换预处理的方法,对图像中相关的１／ｆ噪声进行白化。在本文的最后,采用红外图像序列对该算法进行模拟。实验证明该算法能够快速检测出信噪比为２的运动点目标,获得了很好的实验结果。     

基于小波能量谱的舰船目标信号特征量建模

为在舰船目标识别、分类中有效选取特征量,采用小波变换获取舰船辐射噪声信号的小波能量谱,然后计算不同类目标信号的类平均小波能量谱之间距离信号的λ水平能量聚点,据此选取能量谱差异显著的频段,最后对各能量谱作聚类分析实现特征压缩并确定特征量。在舰船声场通过特性研究中的应用表明,该方法具有识别与分类准确率高的特点。     

光电成像制导中地面运动目标检测与跟踪

地面运动目标的自动检测与跟踪是对地精确打击光电成像制导中的核心任务。针对地面运动目标自动检测问题,提出了由粗到精的迭代全局运动补偿算法以补偿动平台引起的背景图像像素位移,基于变化能量测度的独立运动目标检测算法以及基于三帧序列图像的运动目标定位算法。针对地面运动目标跟踪问题,提出了融合运动特征和灰度直方图特征的粒子滤波器目标跟踪算法,实现可靠、稳定跟踪地面运动目标。利用实际航拍视频进行算法验证实验,比较了基于傅里叶-梅林变换 (Fourier-Mellin transform, FMT)、Kanade-Lucas-Tomasi (KLT) 特征跟踪、Harris角点和迭代全局运动补偿算法,验证了基于变化能量测度的独立运动目标检测算法和融合多特征的粒子滤波器跟踪算法的有效性。     

机载双通道SAR地面慢速运动目标参数估计方法

针对机载双通道合成孔径雷达(synthetic aperture radar, SAR)系统中运动目标参数估计,提出了一种利用目标相位历程拟合目标运动参数的方法,包括距离向速度、方位向速度、距离向加速度和方位向加速度估计。对于高信杂噪比目标,直接利用通道之间的相位关系推导了目标运动参数估计的解析表达式;对于低信杂噪比目标,杂波抑制后,利用目标真实合成孔径时间与目标方位向运动参数的关系结合相位历程一起进行参数估计。该方法只对目标相位进行拟合,计算量低,易于工程运用。仿真与实测数据验证了该方法的有效性。     

基于多级分类与逆向时空融合的弱小目标检测

弱小点目标检测是红外探测技术中的一个关键问题.针对目前序列红外图像目标检测中单阈值分割时弱小目标易丢失及快速移动目标的能量欠积累问题,提出了一种基于多级分类与逆向时空融合的弱小红外目标检测方法.该方法在对图像进行背景抑制的基础上,采用自适应多级分类的方法提取候选目标,强化了各类弱小候选目标的检测能力.同时,根据目标在相邻帧间的位置变化信息构造动态时空管道,在当前帧候选目标点的真伪无法判定时,沿时空管道逆向寻找可能出现的各类候选目标,将其中的各类候选目标点能量与当前帧候选目标点的能量进行加权求和后再进行门限判决,较好地解决了弱小目标及快速移动目标的能量积累问题.最后,本文通过若干实际红外数据验证了上述方法的有效性.     

Extraction of affine invariant features for shape recognition based on ant colony optimization

A new approach to extraction of affine invariant features of contour image and matching strategy is proposed for shape recognition.Firstly,the centroid distance and azimuth angle of each boundary point are computed.Then,with a prior-defined angle interval,all the points in the neighbor region of the sample point are considered to calculate the average distance for eliminating noise.After that,the centroid distance ratios(CDRs) of any two opposite contour points to the barycenter are achieved as the representation of the shape,which will be invariant to affine transformation.Since the angles of contour points will change non-linearly among affine related images,the CDRs should be resampled and combined sequentially to build one-by-one matching pairs of the corresponding points.The core issue is how to determine the angle positions for sampling,which can be regarded as an optimization problem of path planning.An ant colony optimization(ACO)-based path planning model with some constraints is presented to address this problem.Finally,the Euclidean distance is adopted to evaluate the similarity of shape features in different images.The experimental results demonstrate the efficiency of the proposed method in shape recognition with translation,scaling,rotation and distortion.     

小波-神经网络在辐射源识别中的应用研究

针对目标所采用的辐射源识别方法对复杂体制雷达信号识别效率低或无法识别的现象 ,提出了一种新的辐射源识别方法。首先 ,利用小波包可对信号进行多维多分辨率分析的特点 ,对辐射源信号进行信号特征的提取 ,然后将各辐射源的信号特征作为ART2神经网络的训练样本 ,对其进行辐射源类型的识别。通过计算机仿真 ,对上述方法进行了验证。试验结果表明 ,这种基于小波 神经网络的辐射源识别方法在识别复杂体制雷达信号的应用中不仅克服了目前识别方法识别效率低的弊端 ,而且还有效地解决了对未知雷达信号无法识别的问题     

Pattern recognition of quantum information based on patterndistance

1.INTRODUCTION In1980s’,thequantuminformationtheoryhas rapidlydevelopedbecauseoftheclosecombinationof quantumtheoryandinformationscience.Quantum informationhasmanyadvantagesoverclassicalinfor mation.Forexample,quantumcommunicationcan providemoresecurequantumcryptography[1]and quantumcomputationcanspeedupsolvingsome mathematicalproblems[2].Theseadvantagesarede rivedfromsomespecialquantumcharacteristics,such asuncertainty,quantumcoherenceandquantumen tanglement[3].Itistheseadvantagesthatma…     

基于曲率仿射不变量的快速目标识别

提出了一种用于三维空间中近似平面目标的快速识别方法。该方法利用目标轮廓的曲率信息构造出仿射不变量函数,再利用该不变量的极值点信息定位出轮廓的起始点进而对不变量做相应的循环移位调整,最终通过对调整后的不变量进行相似度比较实现目标识别。由于曲率信息能够有效地描述目标轮廓特征,所以保证了本方法优良的识别性能。同时本方法通过起始点定位的方式克服了传统上高复杂度的循环移位匹配的识别模式,进而实现了快速识别。实验结果显示了所述方法在识别精度和识别效率上都具有明显的优势。     

利用RCS幅度信息进行雷达目标识别

本文根据模糊分类的技术,提出了一种利用目标雷达散射截面(RCS)幅度时间序列来提取目标特征量、应用模糊数学原理进行综合判决的目标识别方法,给出了利用该方法和外场全尺寸目标静态RCS测量数据,对五种飞机和导弹目标进行特征提取和模糊识别的结果。     

Face Recognition Based on Support Vector Machine and Nearest Neighbor Classifier

Support vector machine (SVM), as a novel approach in pattern recognition, has demonstrated a success in face detection and face recognition. In this paper, a face recognition approach based on the SVM classifier with the nearest neighbor classifier (NNC) is proposed. The principal component analysis (PCA) is used to reduce the dimension and extract features. Then one-against-all stratedy is used to train the SVM classifiers. At the testing stage, we propose an al-     

基于时频域特征和分层决策的通信信号调制识别

针对实际通信信号具有时变、非平稳的特性,将时频分布引入通信信号调制类型识别,提出了新的品质优良的时频域识别特征和使用时频域特征的分层决策分类器。即以基于Wigner Ville分布(WVD)的一阶时间矩特征和基于Margenau Hill分布(MHD)的局部时频域特征作为分类特征向量,通过特征向量与判决阈值的逐层比较以实现通信信号调制分类。仿真结果表明,该方法在低信噪比下的识别性能明显优于基于单纯的时域特征或频域特征的传统方法。     

军事目标红外图像的形状识别系统

随着目标自动跟踪、识别技术的发展,对目标特征提取技术的要求变得愈来愈高,基于目标形状的跟踪、识别系统的发展非常迅速。本文针对目标红外图像的特点,提出了一种新的目标形状分类、识别系统,该系统包括目标图像预处理、目标分割提取、目标边界探测以及目标形状分类、识别。系统中,我们采用一种均值——中值混合滤波方法来消除噪音的影响,利用峰谷法分割提取目标,进而提取目标的边界,在目标边界提取的基础上,提出了边距离分布特征的概念用于目标的分类、识别。     

一种基于主分量特征的快速SAR目标识别方法

实时性和识别率是评估SAR图像目标识别系统性能的两个主要指标.分析了影响这两个指标的关键因素,并以此为基础,提出了一种快速的SAR图像目标识别方法.该方法采用基于Hebb学习规则的自组织神经网络提取主分量特征,使用多层感知器神经网络(MLP NN)进行目标分类.实验对比分析表明,在识别率较高的同时,该方法具有内存需求少、运行速度快的特点,能用于实时处理.