基于小波矩特征的小波神经网络目标识别

提出一种具有尺度、平移与旋转不变性的目标识别方法.该方法首先提取目标图像的小波矩特征,然后与小波神经网相结合,构成一套目标识别系统.小波矩不变量不仅可以表示图像的全局特征,而且还能表示局部特征;而小波神经网络结合了小波分析和传统神经网络的优点,具有很强的学习能力和推广能力.因此基于小波矩的小波神经网络目标识别系统在进行目标识别时具有很大的优势.实验中使用该方法对4类飞机目标进行识别,实验结果证明其识别率高于其它的目标识别方法.     

输电线路除冰机器人基于小波矩及SVM的障碍物识别研究

障碍物检测与识别是高压输电线路除冰机器人自主越障和行走的前提条件.本文根据除冰机器人自身结构以及高压线路工作环境的要求,设计了一种障碍物智能识别方法.首先对机器人在线拍摄的障碍物图像进行预处理、最佳阈值处理,然后用小波模极大值计算二值图像边缘,再计算具有不变性的图像小波矩,把优化后的小波矩特征输入支持向量机(SVM)进行分类,从而实现对障碍物的识别.实验表明:障碍物的小波矩特征向量稳定可靠,SVM目标识别准确率高,利用两者优势对障碍物进行识别是一种切实可行的方法。     

基于小波变换与野草算法的细胞图像特征提取与识别

本文在细胞图像小波多尺度分解的基础上,提出在小波域中进行细胞图像特征提取的方法。针对基于小波变换提取的细胞图像特征向量维数过大、冗余等问题,提出一种基于小波变换与野草优化算法相结合的细胞图像特征的提取方法,最后利用BP神经网络作为分类器进行细胞图像识别。计算机实验仿真结果表明,与现有的未进行特征优化的细胞图像特征提取识别方法相比,本文细胞图像特征提取、分析、识别方法所需时间更短,识别正确率更高,实时性、鲁棒性能更好。     

基于Gabor小波和神经网络的图像目标识别

针对目前数字图像目标识别方法中存在识别精度和实时性的问题,提出一种结合Gabor小波和神经网络的图像目标识别方法.该方法首先对图像进行预处理,用Canny算子进行边缘提取,然后通过神经网络获取最优的双Gabor小波复合滤波器参数,再采用参数优化过的滤波器组提取目标的特征向量,最后进行目标的分类和识别.实验表明这种方法鲁棒性好、识别率高.具有较广泛的实际应用价值.     

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.     

SAR图像的特征提取与目标识别

针对已有的SAR图像自动目标识别方法效果不太好的问题，提出了SAR图像的自动目标识别三种方法，即采用灰度特征的目标识别，采用栅格特征的目标识别，和采用模版特征的目标识别.理论和实验表明，采用模版特征的目标识别效果比较好.     

基于小波包分解和支持向量机的虹膜识别方法

考虑到虹膜识别的非线性和小样本的特点,以及小波包分解具有的分析高频特征信息的优势,提出了一种基于小波包分解和支持向量机的虹膜识别方法.首先对虹膜图像实行分窗小波包分解,再对各窗口的子带图像做筛选处理;然后通过奇异值分解对筛选后的各子带图像做进一步的特征提取和压缩,得到虹膜识别特征;最后利用支持向量机对虹膜特征进行模式匹配.实验结果表明了该算法的有效性.     

基于小波域中心矩特征的SAR图像识别

为克服合成孔径雷达(SAR: Synthetic Aperture Radar)图像的方位敏感性和平移敏感性给识别带来的困难, 提出一种基于二维离散小波变换与中心矩特征提取的SAR图像目标识别方法。该方法通过对图像的二维离散小波分解提取低频子带图像, 同时提取具有平移不变性的中心矩作为特征向量, 利用支持向量机进行目标分类和识别。实验结果表明, 该方法在有效抑制噪声的情况下, 很好地克服了SAR图像对目标方位的敏感性, 在减少计算量的同时具有较高的识别率。     

基于小波变换和RBF神经网络的交通标志识别

提出一种基于小波变换特征提取及采用两级神经网络分类器的交通标志识别方法.使用小波变换对图像进行处理,消除图像像素间的相关性,提取图像的整体特征作为神经网络分类器的输入向量.因交通标志类型较多,采用两级神经网络结构进行识别,图像特征先送入第一级分类器得到图像的粗分类型,再送入相应的二级子分类器进行细分.实验结果表明,这种方法具有良好的效果.     

高分辨率遥感图像中油库的检测识别

针对遥感图像中油库检测识别效率低、难度大的问题,提出了一种分布式的目标检测识别方法.首先利用多阈值Otsu方法分割出目标,然后利用油罐的类圆形特征和分布式目标的空间分布规律对油库进行检测识别,最后通过油库场景分布的先验知识,提高检测识别效率、降低虚警率.实验表明本文方法可以有效实现对遥感图像中油库的检测识别.     

应用于双光谱检测的图像融合技术

介绍双光谱图像检测系统的总体设计,针对紫外与可见光双光谱成像系统提出了基于模糊矩阵的双光谱图像融合法．该方法采用模糊矩阵表征融合区域,同时利用小波变换法对图像进行多分辨分解重构．实验选取UV图像与V图像进行融合,并对该方法和其他几种方法的融合图像进行了比较．基于模糊矩阵的双光谱图像融合法能比较好地兼顾图像融合中清晰度和融合边缘过渡两方面的要求．     

基于B样条梯度的融合图像算法

图像融合在目标识别、计算机视觉、医学、遥感图像处理等领域应用广泛.利用B样条梯度融合图像算法来解决图像融合,将融合的图像分成3×3子块,计算每个子块的B样条梯度.把待融合图像对应的子块梯度模值累加求和,计算每个子块梯度模值的权值并与每个子块相乘并求和,得到融合后的图像子块.模拟实验结果表明该方法是有效的,优于传统的主分量分析、小波变换和Laplacian金字塔等方法.     

二代小波变换的抗噪Otsu图像分割方法

针对一维、二维最大类间方差(Otsu)方法分割含噪声图像时分割效果不佳、抗噪性不足的问题,提出了一种二代小波变换的抗噪Otsu图像分割方法.算法通过二代小波变换,在小波域中对目标与背景的噪声进行抑制后再计算最大类间方差进行了研究.实验结果表明该算法是一种抗噪性强、分割效果好的图像分割算法.与现有的二维、三维Otsu法相比,算法不仅计算效率高,而且抗噪性能更稳健.     

图像处理技术在纱线毛羽检测方面的应用

数字图像处理技术是一种可用于纱线检测的新型测试手段,通过计算机图像处理与分析可实现纱线外观的数字化表征和测试自动化。着重介绍了国内外数字图像处理技术在纱线毛羽方面的发展应用现状,并对基于数字图像处理技术的新型测试方法与传统的检测方法进行了比较和分析。与传统的方法相比,基于图像处理技术的纱线检测方法具有客观、快速、准确等优点,是纱线外观检测领域的一个重要发展方向。     

基于小波自适应阈值方法的探地雷达去噪

探地雷达在实际使用过程中会被各种噪音信号干扰,针对这一问题,本文提出一种基于小波自适应阈值算法的探地雷达信号处理方法。常规小波阈值算法处理探地雷达B-scan图像时因处理前后的小波系数有所差异,可能导致图像失真。为了使目标信号更加明确,并消除噪音等干扰,通过对小波阈值的选取方式和阈值函数进行改进,使用小波变换的不同层数的子带长度确定阈值,实现阈值自适应准确量化。实验结果表明该方法相对传统小波阈值算法更加适用于探地雷达信号处理,自适应阈值函数拥有更好的良好连续性和稳定性,进一步提高了去除直达波和降噪效果,更好的保存了目标图像的细节。与其他方法对比结果表明,本文提出的算法提高了峰值信噪比,降低了图像熵。可见该方法在探地雷达实际使用情况下有一定的应用价值。     

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。     

位置控制模块在堆垛机中的应用

本文介绍堆垛机控制系统的硬件组成，详细描述了位置控制系统和为使堆垛机有较高的定位精度而采取的必要措施，并叙述了日立ＯＭＲＯＮ Ｃ５００－ＮＣ２２１－Ｅ位置控制模块的应用。     

小波阈值法在图像去噪领域的应用研究

小波阈值法在图像去噪领域已经成为热门的研究方向,为了使人们能对小波阈值法有概括性的了解.在对小波阈值法现有技术的优缺点进行分析的前提下,总结出小波阈值法在图像去噪领域的三个主要研究方向,即阈值选择的自适应性,小波系数的分布模型,以及防止Gibbs振荡,并探讨了小波阈值法在图像去噪领域的发展方向.