基于不变性矩的3D目标识别

提出一种直接使用３Ｄ信息的目标识别方法。３Ｄ不变性矩可作为任意３Ｄ形状的表示特征且具有平移、旋转和尺度变化的不变性，人工神经网络的训练过程对应于主动式机器视觉的内部建模过程，该方法适应于３Ｄ主动式机器视觉的目标识别。     

基于五点不变量和灰色相关分析的仿射目标识别

本文提出一种可适应平移、旋转、缩放和仿射变换的二维目标识别算法。使用五点不变量描述图像轮廓,得到五点不变量序列;应用灰色相关分析方法找到模板图像中与目标图像最匹配的五点不变量序列,从而正确识别目标。为验证算法的有效性,选取20个二维目标,每个目标获取14幅从不同视角拍摄的图像,共280幅图像进行识别,结果表明所提出算法较其他相似算法更稳定且识别率更高。     

一种基于波系数的雷达目标识别新方法

提出一种基于波系数的目标识别新方法, 此方法把目标响应表达成一系列波模的叠加, 波系数具有目标特异性, 因此可用作目标识别的特征矢量。这些波系数虽然与照射方向有关, 但是选取恰当的频率范围, 则波系数对角度的敏感性会大大降低, 目标模版数据库存储量会大大减少。在识别过程中可以大致预估目标的姿态角, 然后选择部分模版数据库与未知目标系数相比较, 可有效缩短目标识别时间。最后对4个二维目标进行了数值模拟, 取得了理想的识别效果, 证明了此方法的有效性。     

基于改进BP网络的地震动信号目标识别

应用人工神经网络进行目标识别是当前模式识别的重要方法之一。前向多层神经网络及其ＢＰ算法发展较为成熟的一种。该对ＢＰ算法加以改进,使得其性能所提高,收敛速度加快。     

基于双向二维加权主分量分析的面部表情识别

将二维主分量分析方法与加权的方法相结合,给出了一种双向二维加权主分量分析方法用于面部表情特征提取,该方法从水平和垂直两个方向对图像矩阵进行降维处理,大幅降低了所提取的特征数目;且考虑到面部不同部位包含不同的表情信息这一特点,对各个特征赋予不同的权重系数.经实验验证了该方法的有效性.     

基于二维FDFD分析复合目标电磁散射

频域有限差分(Finite Difference Frequency Domain,FDFD)法直接从Maxwell方程组的微分形式出发建立差分近似方程组;并通过采用吸收边界条件截断计算域来模拟开域电磁散射问题。方法具有公式简单、直观,便于分析复杂形状、复杂介质以及周期性结构等目标的电磁特性。基于二维频域有限差分(FDFD)法计算分析了复合目标的电磁散射。数值结果表明方法的正确性和分析复合目标电磁散射特性的有效性。     

基于有限元及修正梯度法的材料二维缺陷弹性波识别

文章研究了一种利用弹性波识别二维缺陷形状的方法。采用有限元方法直接由入射场计算散射场,反演计算中采用二元三角基函数将扰动函数展开,并取残差模量的梯度作为迭代收敛的方向,同时引入梯度因子与梯度相乘以对其进行修正从而加快收敛,通过对扰动函数的反演识别出缺陷的形状。从算例可以看出,此方法能够有效地识别材料的二维缺陷。     

复杂环境下基于动态贝叶斯网络的目标识别

为了提升高动态复杂电磁环境下空战过程中对目标的识别能力,针对SBN网络模型无法满足战场的动态性要求以及对目标的经常性误识别问题,设计了一种基于变结构动态贝叶斯网络的目标类型识别模型。该模型是由静态贝叶斯网络模型演变而来,具有良好的动态表达性和滤波功能,弥补了SBN的不足,并且对空战过程中目标特征信息丢失的问题有良好的容错能力。仿真结果表明,基于动态贝叶斯网络的目标识别的识别效果,优于基于参数学习贝叶斯网络的目标识别。使用该模型后目标识别的准确性提高了5%,有效地解决目标类型识别过程中数据缺失和信息不足的问题。     

BP网络在导航系统故障识别中的应用

介绍了BP网络和SINS／GPS系统的有关知识，在常用的故障检测方法的基础上，阐述了BP网络在SINS／GPS系统故障识别与检测中的应用，并对其进行了仿真，结果表明，该方法具有一定的创新，实用性、可操作性都很强．     

基于灰度图像二维Gabor滤波的目标识别

提出了一种基于灰度图像的Gabor滤波器识别方法.该方法首先采用Gabor小波滤波器组处理灰度目标图像,并在此基础上采用主元分析法(PCA)提取图像特征,然后结合支持向量(SVM)方法将区域内图像匹配问题转化为分类问题来识别目标物体.仿真实验结果表明,该算法能使移动机器人达到92%以上的识别率,并可满足约8 fps的实时图像处理要求.     

一种基于波系数的雷达目标识别新方法

提出一种基于波系数的目标识别新方法,此方法把目标响应表达成一系列波模的叠加,波系数具有目标特异性,因此可用作目标识别的特征矢量。这些波系数虽然与照射方向有关,但是选取恰当的频率范围,则波系数对角度的敏感性会大大降低,目标模版数据库存储量会大大减少。在识别过程中可以大致预估目标的姿态角,然后选择部分模版数据库与未知目标系数相比较,可有效缩短目标识别时间。最后对4个二维目标进行了数值模拟,取得了理想的识别效果,证明了此方法的有效性。     

二维复杂目标电磁散射的计算机仿真

采用点线模型法建立二维复杂目标的几何模型 ,运用 Mo M- CGM- FFT相结合的混合技术 ,结合可视化编程技术 ,形成“二维复杂目标的电磁极化散射的建模与仿真”软件。这使得几何模型的建立和仿真的速度有了很大地提高 ,大大降低了内存需求和仿真时间。最后运用该软件对一个复合柱体进行了仿真 ,给出了仿真结果     

基于局部线形嵌入算法的雷达目标识别

维数约减问题出现在信息处理的许多方面,非线性方法主要有局部线性嵌入LLE (Locally Linear Embedding) 、拉普拉斯特征映射(Laplacian Eigenmap) 、基于Hessian 矩阵的LLE 等,它们通过在高维空间中设计数据集所在流形的拓扑、几何等特性,很好地弥补了线性降维不能发现数据集非线性结构的不足.其中局部线性嵌入这种非监督学习算法应用广泛,在此基础上将其用于作为雷达目标识别的五种飞机数据,取得了很好的效果.     

基于二维小波变换的虹膜识别方法

提出一种基于二维小波变换的虹膜识别方法; 对虹膜图 像预处理后, 将二维小波变换与积分图像相结合, 实现虹膜纹理的特征提取; 实验检验了算法的有效性.     

基于双向二维直接线性判别分析的人脸表情识别

提出基于双向二维直接线性判别分析的人脸表情识别新算法.新算法从水平和垂直两个方向对图像矩阵执行直接线性判别分析,从二维图像中提取图像协方差矩阵,降低特征维数,减少表示图像时所需要的系数及其存储空间.另外,不使用奇异值分解方法,便可得到图像协方差矩阵的特征向量,能够精确地估计图像协方差矩阵.在JAFFE人脸表情数据库中的试验结果表明,所提算法具有较高的识别率.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

BP网络在语音识别中的应用

本文选取BP神经网络作为识别方法,通过自身的机器学习,构建出一个对特定人、小词汇量、孤立词的语音识别系统,而且用matlab封装成友好便捷的图形用户界面,很好的实现了人机交互,实验结果可行。     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于矩特征的目标识别

对图像中的目标进行自动识别,既节省了人力,又提高了信息的时效,是模式识别发展的一个重要方向.文中用矩不变量表示目标的形状特征,并对其在离散时不具有尺寸不变性进行改进,构造了新的矩不变量.根据提取的矩特征设计了支持向量机分类器,用于对不同类型的目标进行分类识别,利用VC＋＋和Libsvm工具开发了自动识别软件.     

基于差分最小二乘支持向量机的目标识别研究

目标识别是目前机器视觉、图像处理和模式识别领域的研究热点之一,广泛应用于各行各业。最小二乘支持向量机算法简便、速度快、精度高,是当前目标识别的主流算法之一。针对最小二乘支持向量机的参数难以确定,仅靠传统经验试凑的方法不易实现,且结果不理想;提出一种改进的差分进化算法实现最小二乘支持向量机的参数整定。通过改进变异策略,引入早熟判断机制,遏制了传统算法早熟收敛的问题。通过实验仿真,验证了改进算法可跳出局部最优点,结果比传统算法更优。以SM-TMSSY光电伺服跟踪转台为实验平台进行实例验证,证明了改进算法收敛速度快、精度高,正确识别率可从85%提高到92.5%,验证了算法的优越性。