一种新矩在水电机组轴心轨迹识别中的应用

结合不变矩和神经网络提出一种水电机组轴心轨迹自动识别方案,证明了离散点状态下曲线不变矩具有平移不变性和旋转不变性,但不满足比例因子缩放不变性;构造一组同时满足平移不变性、旋转不变性和比例因子缩放不变性的新曲线不变矩;通过引入动量项的BP神经网络对轴心轨迹自动识别。并给出了仿真和实际水电机组轴心轨迹识别诊断结果;对初步定性诊断结果进行定量分析,计算轴心轨迹形状特征参数,为故障定位分析提供参考．     

基于多小波神经网络簇轮廓伸展的手写体数字识别

提出采用多小波神经网络簇伸展轮廓识别手写体数字的方法. 该方法的原理是： 跟踪待识别数字的轮廓, 对轮廓进行均衡化和重采样, 使其具有平移不变性和缩放不变性;采用多小波神经网络簇对轮廓壳进行伸展得到数级多分辨率和其平均值;将这些壳系数输入前馈神经网络簇, 以识别该手写体数字. 研究结果表明, 该方法可用于将轮廓壳进行多分辨率分解.     

鼠标点击的图形代替快速识别算法

鼠标图形是一种方便快捷的软件操作方法,本文首先对鼠标图形进行分析,提取具有平移和放缩不变性的特征,并使用这些特征作为多层前馈神经网络的输入来对鼠标图形进行识别.采用改进的RPROP算法对神经网络进行训练,实验结果表明,该算法能够识别复杂的鼠标图形,具有准确度高和抗干扰强,识别速度快的特点.     

统计骨架信息的形状描述新方法

针对形状描述与识别问题,提出了骨架结构特征直方图,利用提取的形状骨架信息,解决了形状轮廓的起点选择、旋转、平移以及缩放等不变性。首先,计算每对骨架点关于骨架中心的测地路径长度比例特征和骨架点圆盘半径比例特征,然后结合上述2个特征统计构造直方图矩阵来描述图像形状。实验结果表明,该形状描述不仅具有刚性变化不变性,在一些非刚性变化下也能够实现高效率和高精度的形状检索。     

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。     

确定轮廓形状匹配中形状描述函数的方法

提出一种确定形状描述函数的方法．先利用模板累加确定形状匹配参考点,再用确定的形状中心点和边界匹配起始点构造形状描述函数．该方法的特点是算法原理简单,两种点的提取采用同一算法,基于同一过程产生．实验证明本算法确定的固定点具有平移、旋转和伸缩不变性．将该形状描述函数用于形状匹配,所经历的匹配次数较边界点总长是很少的,而速度较一般匹配算法大有提高．结果表明该方法用于形状识别是可行和有效的．     

一种基于质量(面积)的不变量

了对几何变形的图像进行正确和有效的识别,构造了一种新的特征基于图像质量（面积）的不变量．它们具有平移、旋转、尺度和反射不变性,且构造过程简单易懂:首先以物体的质心为圆心,生成一组同心圆,然后对每个圆计算圆内质量（或面积）与物体总质量（或面积）之比,这组比就是一组平移、旋转、尺度和反射不变量．将它们用于机械零件和字符的识别,获得很高的识别率．     

基于脉冲耦合神经网络的目标特征抽取方法

为解决待识别目标的特征抽取问题,提出了一种脉冲耦合神经网络结合形状信息的图像混合特征抽取方法。该方法利用脉冲耦合神经网络将图像空域信号转化为时域信号的特性,结合物体形状信息,对图像的灰度和形状进行了统一描述。实验结果证明,该方法在一定程度上对物体的形变、平移、缩放不敏感,对目标识别系统是一种很好的特征抽取方法。     

运用形状不变性技术计算Rosen-Morse势的能量本征值

采用形状不变性技术计算了Rosen-Morse势的能量本征值,其能谱公式与采用因子化方法得到的严格解完全一致,而一维修正Poschl-Teller势的能谱公式是Rosen-Morse势的一个特例。所得形状不变性关系式表明:Rosen-Morse势是单参量平移型形状不变势。     

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.     

基于协同理论的不变性模式识别

提出了一种基于协同学理论的不变性模式识别模型．该模型首先对输入图象模式进行位置和大小上的归一化，然后提取其旋转不变性子波特征作为模型的试验模式，最后由协同系统的序参量迭代方程得出正确的识别结果．这种方法与Ｈａｋｅｎ提出的两种协同不变性模式识别方法相比，既比频域法更接近于人类的认识过程，又避免了“伪状态”的出现，使得系统严格收敛到正确的模式上．实验表明，该模型不但具有很好的识别精度，而且还表现出较好的抗干扰和缺损能力．     

线性图形的拓扑性质检测算法研究

拓扑性质具有对图形的平移、伸缩、旋转的不变性。因此，拓扑性质检测在机器视觉及模式识别领域有十分重要的意义。本文以着色算法为基础，给出了一种可以检测线性图形拓扑性质的算法。     

用于旋转不变模式识别的一种逆滤波算法研究

为简化运算过程，较好地实现旋转不变相关识别的目的，提出了一种将逆滤波与基本的SDF（Synthetic Diserirninant Functions)相结合的改进的逆滤波器算法。该算法用实现旋转不变识别的基本综合鉴别函数方法合成逆滤波器的传递函数，既可识别旋转变化的图像，又具有逆滤波固有的相关峰尖锐、区分能力强的特点。计算机仿真结果表明，平面旋转的图像与传统的SDF相比，该模型具有较好的识别效果。     

利用神经网络实现界面缺陷的智能辨识

通过对数学散斑条纹的分析与处理,找出了能代表条纹信息的移位不变与旋转不变特征值－－最大斜率,进而构造一种新的网络模型,即单步前馈式三层网络系统,率先实现了把神经网络系统用在数字散斑无损检测之中,完成了神经网络系统对粘接界面缺陷的智能辨识。     

电视图像目标实时分割与识别算法

研究一种电视图像目标实时分割和识别算法.在二维图像不变矩和相对矩的基础上,进一步组合优化得出4个不变矩,结合复数矩、圆方差和椭圆方差组成目标特征向量,利用k-近邻法实现目标的识别和分类.图像分割采用改进矩不变阈值分割和基于梯度的自适应阈值分割提取目标.仿真实验表明,提取的目标特征量对于平移、缩放和旋转均能保持较好的不变性.用该分割算法分割的图像边缘清晰,分割时间为8 ms,易于硬件实现.     

基于注意的图像识别模型及其在人像检测中的应用

提出了一种基于注意机制的图像识别模型。其基本想法是：在进行复杂的场景分析或目标识别时,首先通过注视控制机制,获得视景中的关键特征区域,并将注视点按照一定的顺序对这些关键特征区域进行串行扫描。在扫描到每一个关键特征区时,将对该区域附近的局部模式进行记忆或匹配。对一个复杂目标的记忆将包括2部分,一部分是对局部模式的记忆,即组成该目标的各“部件”的模式;另一部分是对各局部模式之间的空间关系的记忆,即组成该目标的各“部件”之间的结构关系。与记忆过程对应,识别过程也包括2部分,一部分是对局部模式的匹配,另一部分是对各局部模式之间结构关系的匹配。当匹配上的局部模式足够多且其空间关系正确时,目标即得到识别。用该模型对复杂背景中的人像进行了检测。实验结果表明,模型较好地解决了不变性识别的问题,即识别结果与目标物的平移、旋转和尺度变化无关,并且具有良好的鲁棒性和速度,是一种具有认知意义并且可以实用化的模型。     

协同神经网络的不变性研究

协同神经网络作为一种全新的神经网络,它的自上而下的构造方式,与自然界中自组织现象存在深刻的相似性．文中在介绍了模式识别协同神经网络的基础上,研究了协同神经网络用于模式识别的空间不变性．通过二维傅氏变换、复对数映射等方法,对图象进行预处理,提取图象的空间不变性,并在变换后的空间上利用协同神经网络进行识别．试验表明,协同神经网络不但能够识别空间变化的图象,并且对缺损、加噪图象也能很好识别,并且识别速度快,鲁棒性强,不会出现传统神经网络经常出现的伪状态．     

角点特征在目标识别中的应用

针对在视点变化情况下进行目标识别这一问题,作者结合主分量变换提出了一种基于Hausdorff距离的目标匹配算法,该算法在噪声和遮挡下性能稳定,时间代价较小.作者还提出了一种具有平移、旋转、尺度不变性以及对噪声有抗干扰能力的角点特征构造方法,通过BP网络实现目标分类.与其他三种形状特征进行实验对比,结果证明该方法在视点发生变化时对目标的识别更为有效.     

应用综合鉴别函数实现畸变不变图像识别

针对传统图像识别方法对目标图像的尺寸、方位敏感问题,采用综合鉴别函数(SDF)实现比例和旋转不变图像识别. 给出了应用综合鉴别函数实现畸变不变图像识别的基本原理,研究了加权系数的计算,提出了用图像序列集{tn(x,y)}合成综合鉴别函数的方法. 通过计算机模拟和光学实验,证明了该方法的可行性.