基于特征组合的舰船目标粗识别方法研究

针对单一特征量无法准确识别目标的缺点,文中利用特征组合方式进行目标粗识别.首先,利用基于图相似性分割方法提取目标的二值图像;然后,计算目标仿射不变矩并利用分类器进行聚类分析;最后,通过最小外接矩形法提取目标几何参数,并依据图像分辨率计算出实际目标参数,且与舰船目标配属库进行比对,实现目标粗识别.实验结果表明,该方法鲁棒性强,易于实现,通过实测数据可以识别出舰船目标类别.     

基于特征组合的舰船目标粗识别方法研究

针对单一特征量无法准确识别目标的缺点,文中利用特征组合方式进行目标粗识别.首先,利用基于图相似性分割方法提取目标的二值图像;然后,计算目标仿射不变矩并利用分类器进行聚类分析;最后,通过最小外接矩形法提取目标几何参数,并依据图像分辨率计算出实际目标参数,且与舰船目标配属库进行比对,实现目标粗识别.实验结果表明,该方法鲁棒性强,易于实现,通过实测数据可以识别出舰船目标类别.     

基于图像矩和小波能量的红外目标特征提取

特征提取是目标分类和识别的基础。图像矩反映了物体灰度相对于质心的统计分布情况。目标的红外图像信息在小波域主要集中在低频部分。文章中提出了一种提取红外目标不变特征的新方法,利用该方法提取的特征向量,对红外目标图像进行了分类识别。实验结果表明:这种方法对精确制导武器的目标识别具有较高的实用价值。     

红外目标自动识别分类及跟踪算法

提出了一种红外图像预处理、跟踪、分类的自动目标识别算法,利用小波变换提取不同频带的多尺度空间能量和不变矩作为特征量,再用神经网络进行分类识别,结果表明该算法具有很高的识别率,对于精确制导武器的目标识别研究具有一定的参考价值.     

基于不变性模糊特征融合的红外目标识别方法

研究了将平移、缩放与旋转变化(TSRI)的不变性模糊特征信息融合技术用于红外目标图像识别分类的方法,通过提取红外目标图像奇异值与不变矩的平移、缩放与旋转变化(TSRI)的不变性特征,结合模糊特征融合的模式识别方法,并应用模糊判决准则进行分类。实验结果表明,基于红外图像的TSRI不变性多特征信息融合的目标识别方法比不具有TSRI不变性多特征信息融合的识别方法具有更好的稳定性、准确性和可靠性,能够有效地提高红外成像末制导识别系统的精确度,并增强了系统的容错性能。     

基于统计中心线的目标特征提取算法研究

为了有效识别激光近场探测环境下的目标和云,提出了一种新的易于FPGA实现的目标特征提取算法。该算法提取了目标图像的突变、多分支、大角度、宽度变化等特征。测试结果显示,该算法能对目标进行有效识别。     

基于PCA的红外图像区域特征选择方法

特征提取在模式识别和分类中起着关键的作用,本文针对红外目标的准确分类识别问题,围绕红外图像特征提取和特征选择进行研究,提出了基于PCA的区域特征选择方法。该方法首先采用基于数学形态学的滤波技术对红外图像进行预处理,有效地增强了目标区域,便于目标特征的提取;其次,本文研究了区域形状特征提取及基于PCA的特征选择方法,通过对区域特征进行优化选择,构造准确描述目标特性且维数较低的特征。实验结果表明,本文提出的方法有效地提取红外目标的特征,可用于红外目标的分类且有利于提高算法的效率。     

基于角点特征不变量的红外图像匹配研究

在红外目标识别过程中,针对系统实时性要求高的场合,提出了一种基于角点的特征不变量,证明了该不变量具有平移不变性、旋转不变性和比例不变性.将该不变量作为匹配因子,运用动态规划的方法把目标的不变量与模型中的不变量进行匹配,并与三角形边长匹配法进行了比较.实验证明,该方法有效地降低了匹配误差,提高了识别的实时性,效果较好.     

一种基于特征匹配的目标识别跟踪方法

针对复杂背景下的动态目标跟踪问题，提出了一种基于边缘检测，综合多图像特征与伺服机构位置信息进行匹配的目标识别跟踪方法。利用SUSAN算法检测边缘，提取出单帧图像中的可疑目标，依次选用灰度、目标几何、伺服机构位置信息和边界不变矩信息匹配，完成目标的识别。采用kalman预测滤波对脱靶量滞后时间进行补偿，选用目标空间位置进行多步预测，引导伺服机构跟踪。外场实验表明，该方法能有效她匹配识别出目标，并保持连续稳定的跟踪。     

目标回波时频分布的几何结构图像形态特征

沉底目标识别的关键在于从混响背景中提取出稳定的目标回波信号特征。目标的棱角散射能够携带目标的几何形状信息,在时频域内具有较规则的分布特性,但是各棱角散射回波声程差小,而且淹没在混响中。已有的时频分析方法局限于其抗混响能力及时频分辨力,为得到一种有效的目标几何特征提取方法,提出将一维几何回波时域信号在二维时频域中的几何分布特征作为图像特征进行特征提取,通过研究几何亮点回波和混响在时频平面上的形态特征,构造与几何亮点时频特性匹配的结构元并对时频分布图像进行形态滤波。通过仿真与湖试数据分析,相比已有方法,文中所提方法能够在实现目标几何亮点结构的识别同时进一步抑制混响。     

抗仿射变换图像局部特征检测与匹配算法研究

针对SIFT局部特征在图像发生大视角变化时匹配失效的问题,提出了一种基于仿射变换模型的图像局部特征检测和匹配算法。通过建立图像仿射变换模型,对相机光轴视角变换的纬度角θ和经度角Φ进行模拟,并采用SIFT算法进行特征检测,基于最邻近法进行特征匹配,使算法除了具有SIFT本身的抗图像缩放、旋转和亮度变化等特点外,还具有较强的抗仿射变换能力。试验结果表明:当图像发生相对斜率较大的仿射变换时,该图像特征检测和匹配算法仍有较强的抵抗能力。算法可用于图像末端寻的制导弹丸和空中侦察设备拍摄的图像进行有效匹配。     

基于模拟退火算法的空中目标识别

根据NMI特征和Jan Flusser提出的仿射不变矩的特点及各自的适用条件,提出了一种组合不变矩。利用所提取的组合不变矩的特征向量,实现了对空中目标的K-mean聚类分析识别。在此基础上将模拟退火机制引入其中,以克服K-mean聚类的局限性和对初始聚类中心的敏感性,最后提出了基于模拟退火的改进K-mean聚类算法。仿真实验结果表明,该方法具有较高的识别精度和较好的抗噪性。     

轮廓自动匹配方法研究

介绍了用于打击效果评估的目标轮廓自动匹配方法已成为当今的一个研究热点．基于遗传算法和带电粒子模型，提出了一种新的具有仿射不变性的目标轮廓自动匹配方法．该方法首先提取目标图像梯度，然后利用带电粒子模型对图像梯度进行电场化．最后采用模板图像轮廓线在电场化后的梯度图像中的最大能量熵值，利用遗传算法确定先验模板图像与目标图像之间的仿射变换参数，达到轮廓匹配的目的．该方法可完成自动目标轮廓匹配，实验验证了该方法的有效性和鲁棒性．     

图像配准方法及其在目标跟踪中的应用

给出了一种基于点特征的图像配准方法,可以用于复杂背景下任意角度旋转的图像之间的配准。图像配准算法分为四个步骤:用Forstner算子分别提取参考图像与待配准图像的特征点;使用旋转不变特征向量获取特征点之间的初始匹配关系;使用投票算法剔除误匹配点对,获取正确配对的同名点对;用最小二乘方法由正确配对的同名点对获取图像之间的配准参数。给出了基于点特征的图像配准方法在目标跟踪中的应用方法,并进行了仿真实验,结果证明该图像配准算法可以对复杂背景下弱对比度静止目标进行精确跟踪,而且算法具有很好的通用性。     

一种改进的SIFT双向匹配算法

分析SIFT特征提取匹配算法，利用SIFT特征向量匹配对的唯一性约束改进算法的匹配策略提出双向匹配算法，在已有匹配结果的基础上引入匹配的唯一性约束，进一步降低实时图像与参考图像时序匹配的误匹配率，以达到在实时图像中寻找已知着陆区域的目的，提高图像匹配的准确率。实验结果表明该方法有效。     

一种基于改进SIFT的SAR图像配准算法

为克服SIFT (scale-invariant feature transform)描述子应用于SAR图像配准领域时配准精度低的不足,提出一种基于改进SIFT的SAR图像精确配准算法.该方法首先提取特征点的SIFT描述子和改进的旋转不变纹理化特征描述子,再利用典型相关分析特征融合算法将2种描述子融合,形成新的特征描述子,计算2幅图像中各个特征点间的改进加权距离并通过预先设定好的阈值完成粗匹配,最后通过随机抽样一致性算法去除误匹配实现精匹配,并代入仿射变换模型以求得变换参数,完成图像的配准.仿真结果表明:该方法的匹配性能明显优于SIFT及PCA-SIFT算法,能够有效处理图像在尺度变化、灰度变化、旋转角度变化的情况下SAR图像配准问题,且配准精度达到了亚像素级.     

一种漏磁信号不变特征提取方法

为了提高漏磁缺陷的重构精度,提出一种基于径向基函数(RBF)的漏磁信号不变特征提取的方法。该方法在对漏磁检测过程中速度影响进行全面分析的基础上,建立二维有限元模型,采集不同速度下的漏磁信号,将速度影响下的漏磁信号作为RBF网络的输入,静态下的漏磁信号作为输出进行训练。实验结果表明:这种方法实现了速度效应的补偿,提取出了漏磁信号的不变特征,而且具有较高的精度,是一种有效的方法。     

一种基于仿射变换模型的图像自动对准方法

提出了一种基于仿射变换模型的图像自动对准方法.该方法采用基于边缘特征匹配和一致性判断技术,既实现了同名匹配点的自动选取,又提高了同名匹配点的可靠性.同时运用最小二乘法的迭代修正得到仿射变换的最优估计.以可见光与可见光、可见光与红外图像间的自动对准为例,验证了该方法在多模态图像间自动对准的有效性.     

基于组合矩特征的舰船目标识别

针对采用一维距离像特征进行舰船目标识别时,大样本需要、算法复杂和效率较低的问题,提出一种利用组合矩特征进行舰船目标识别的方法.首先提取目标距离像的变换不变矩及小波不变矩特征,并且在考虑算法效率及分类器设计的基础上,最终选取共6维特征构造组合矩,作为分类器输入,并利用实测数据对特征进行简化.分析结果表明:经过实测舰船数据验证,所提取的特征克服了姿态、幅度敏感性等特点,能够较好地表征不同类型舰船的差异.算法分类正确率较高,具有较好的工程应用前景.