基于动态规划的红外小目标检测与识别

研究了天空背景下红外运动小目标的检测与识别,对序列红外图像进行增强处理,通过模板滤波去除弱噪声;运用分割算法和聚类分析把目标和强噪声从背景中分离出来。根据所定义的一种距离运用动态规划的方法找出目标,并得出目标的运动轨迹,给出整套处理方法的实验结果和分析。     

基于多元统计的柑桔图像分割和目标识别

对含有复杂背景的彩色柑桔图像应用多元统计中的马氏距离分析法分别进行了图像分割和目标识别，对识别结果进行了分析，计算了不同条件下拍摄的柑桔图像中柑桔所占的面积比例。结果表明，马氏距离法在合理选择图像元素类别和各类别判定指标的情况下，经过对进行训练的样本空间进行确认，能够克服光照、复杂背景等因素的影响，较好地对柑桔彩色图像进行了图像分割，通过程序实现了目标面积比例的计算。     

一种改进的红外小目标检测与识别方法

研究天空背景下红外运行小目标的检测与识别,对序列红外图像进行增强处理后,通过形态学滤波去除弱噪声,再用分害虫算法把目标和强噪声从背景中分离出来,最后用RMTI算法找出目标,并得出目标运行轨迹,实验结果表明,该方法能有效地检测定位运行小目标。     

红外图像运动目标检测与识别

提出了一种利用相邻帧红我图像实时相减提取运动目标序列的方法，把复杂背景下运动目标识别问题转化为较简单背景下目标识别问题，介绍了一种基于差分图像序列的实时处理算法，可对多个运动目标进行识别与定位。     

基于多元统计的柑桔图像分割和目标识别

对含有复杂背景的彩色柑桔图像应用多元统计中的马氏距离分析法分别进行了图像分割和目标识别,对识别结果进行了分析,计算了不同条件下拍摄的柑桔图像中柑桔所占的面积比例.结果表明,马氏距离法在合理选择图像元素类别和各类别判定指标的情况下,经过对进行训练的样本空间进行确认,能够克服光照、复杂背景等因素的影响,较好地对柑桔彩色图像进行了图像分割,通过程序实现了目标面积比例的计算.     

一种复杂图像目标的分割与识别

研究受光照等因素影响的表面灰度随机变化的空中图像目标的分割与识别。提出了改进的多阈值八邻域像素比较边缘检测算法,对得到的边缘像素进行填充,并在跟踪过程中消除轮廓上的短枝及图像干扰,最后采用快速多边形近似算法,用多边形顶角及目标形状因子作为特征对目标进行识别。     

基于机器视觉的动态多目标识别

提出了一种基于机器视觉的实时动态多目标识别的方法.该方法首先根据前后帧之间像素的变化,分割出运动目标和样本图像,然后使用Gabor滤波器提取图像的特征,得到特征向量.最后使用Fisher判别准则分类识别,将得到的分类识别结果自动标注在输出图像中,并且将其连续输出,便能获得已经识别完成的输出视频.实验结果表明,在多个动态目标的情况下,综合运用Gabor特征与帧间差分法的动态目标识别方法能准确检测到动态目标区域,并能准确分类、识别和标注.     

基于分形和动态规划的复杂背景红外目标边缘检测

针对复杂背景下红外图像目标准确分割的难题,提出一种基于动态规划理论的边缘检测方法.首先根据分形理论,利用红外图像的灰度特征及纹理特征建立优化控制函数;利用局部自适应门限技术寻找潜在目标点,计算最小累计代价阵;在动态规划理论的最优控制下,完成复杂背景下红外图像中目标的边缘检测.实验结果表明,该方法能够有效地提取目标,减少虚警率.     

基于规划的网状结构目标识别研究

在分析ＥＤＧ图的基础上，针对拱桥图像的网状结构，提出了以有向边缘为属性的ｅｄＮＬＣ图文法及其产生式规划，导出了该类网状结构目标的自上而下的识别算法，模拟实验的结果表明，本算法对网状结构的识别是有效的。     

基于框架的远距红外桥梁目标识别

针对远距红外图像中桥梁目标的特征,提出了一种基于知识框架的桥梁目标识别算法,由于远距红外桥梁图像背景复杂,干扰大,同时目标在图像中所占区域小,采用基于整幅图像的全局算法是不现实的,因此,依据桥梁的特征,先检测潜在的桥梁点区域,然后对这些局部区域进行考察分析,根据其与预先建立的知识框架实例匹配程度的不同赋相应的置信度,从而去除虚假目标,找到真正的桥梁,实验证明这种局部的处理算法对远距桥梁目标的识别是有效的。     

基于目标检测的红外和可见光动态图像融合

提出一种基于运动目标检测的红外和可见光动态图像融合方法,通过对红外序列图像中的运动目标进行检测,将运动目标信息融合到可见光序列图像中。试验结果表明,文中算法所得到的融合图像能够综合利用红外图像较好的目标指示特性与可见光图像较清晰的场景信息,有利于安全监视人员进行目标识别和情景感知。     

基于上下文敏感度的动态图像目标识别

针对机载实时系统获取的图像序列既不满足背景固定又没有目标、背景的高灰度比,而且常规方法处理这些图像存在局限性,提出了基于上下文敏感度的运动图像目标识别算法.首先,对标准Hough变换(HT)算法进行改进,即沿着某一方向做HT,如果线段长度或已识别的目标点数加上剩余线段长度小于阈值,则停止此方向的扫描,这种变换克服了标准HT以图像边界点为扫描边界的缺点.其次,在静态图像识别的基础上,定义了图像识别的置信度,对运动图像前后帧的关系进行了量化,据此实现了对目标的识别.实验结果表明,与标准HT相比,改进的算法不仅具有很强的稳定性和高抗干扰能力,识别准确性高,而且处理速度是标准HT的3～5倍.     

基于动态规划的最优化医学超声图像边缘提取

动态规划（DP）是一种解决多阶段决策过程最优化的方法。图像边缘提取时为了使系统输出具有最小的不确定性，考虑最优化判据是必要的。动态规划算法用于图像的边缘检测主要是获得一个图像的最低能量代价阵的过程，而图像的边缘对应于最低代价阵中的终止点和起始点之间能量梯度降低最快的路径，由此可以由最低代价阵勾勒出需要的边缘。对于质量较差的图像，可以先用梯度算子和一种LUM滤波器相结合进行预滤波。实验表明，基于该算法用于超声图像的边缘检测要获得全局最优的稳定的边缘线，是一种理想的最优化算法。     

基于动态时间规划的基因芯片数据识别

研究了动态时间规划(DP)在基因芯片数据识别中的应用,提出了基因芯片数据的全局最大自相似度的定义以及基于最大自相似度和高维局部片段校对的基因芯片数据自动识别方法。讨论了基于最大相似度建立模板的方法与基于最大相似度的基因沿校对路径平均的建立模板方法对基因识别和分类的影响。对肿瘤基因的识别实验结果表明：基于最大相似度的DP算法(DP-MS)能够达到100%的识别率,本方法可以应用于基因芯片数据的识别、分类和基因疾病推断。     

基于小波变换的弱小目标检测

研究了天空、海面或野外地面背景下运动弱小目标的检测,对图像进行了小波分析,使用小波反变换将背景中低频分量和杂散噪声去除,并采用自适应阈值处理,用最大非零像素数分割方法进行分割,最后经过插值、填充得出检测结果.实验结果表明,该方法能有效地检测和定位弱小目标,并具有较强的抗噪声性.     

基于小波变换的红外成像弱小目标检测方法

研究红外目标图像中弱小目标的自动检测和定位方法 .将弱小目标看作是红外图像中灰度和位置均未知的暂态信号 ,通过对图像信号作多尺度的小波变换 ,可以在低信噪比条件下检测出弱小目标 .实验结果表明 ,小波变换能很好地增强目标 ,抑制背景杂波 ,从而提高目标检测概率 ,降低误检测     

基于向量小波变换的小目标检测方法

研究红外图像中的小目标检测问题 .将小目标考虑为二维图像中具有相对连续小块区域的灰度信号突变 ,用向量小波变换来增强目标 ,抑制噪声 ,从而提出了一种由粗到精的小目标检测和分割方法 .实验结果表明 ,对一般噪声条件下得到的红外目标图像 ,该方法能准确地检测、定位和分割小目标 .而且 ,该方法鲁棒性好 ,简单实用     

Shape Recognition and Retrieval Based on Edit Distance and Dynamic Programming

An important aim in pattern recognition is to cluster the given shapes. This paper presents a shape recognition and retrieval algorithm. The algorithm first extracts the skeletal features using the medial axis transform. Then, the features are transformed into a string of symbols with the similarity among those symbols computed based on the edit distance. Finally, the shapes are identified using dynamic programming. Two public datasets are analyzed to demonstrate that the present approach is better than previous approaches.