基于形状分析的点状地图符号识别

着重讨论了基于形状分析的点状地图符号识别。其主要内容包括点状地图符号的计算机描述，点状地图符号识别系统的结构，点状地图符号识别实验与分析等。文中利用带搜索控制准则的新边界跟踪算法，改进了传统的边界跟踪算法，提出了用傅立叶系数描述点状地图符号的形状特征，并对计算公式作了进一步改进，介绍如何由傅立叶系数提取形状特征不变量，实现了对点状地图符合的自动识别。     

多源遥感影像深度识别模型对抗攻击鲁棒性评估

基于深度神经网络的多源遥感影像目标识别系统已逐步在空天遥感情报侦察、无人作战自主环境认知、多模复合末制导等多个军事场景中广泛应用。然而，由于深度学习理论上的不完备性、深度神经网络结构设计工程上的强复用性、以及多源成像识别系统在复杂电磁环境中易受到各类干扰等多因素的影响，使得现有识别系统在对抗攻击鲁棒性方面评估不足，存在极大安全隐患。本文首先从深度学习理论不完备性和识别系统攻击样式两个方面分析了潜在安全风险，并重点介绍了深度识别模型对抗样本攻击基本原理和典型方法。其次，针对光学遥感影像和SAR遥感影像两类典型数据形式，从鲁棒正确识别率和对抗攻击可解释性两个方面开展多源遥感影像深度识别模型对抗攻击鲁棒性评估，覆盖了9类常见深度识别网络架构和7类典型对抗样本攻击方法，验证了现有深度识别模型对抗攻击鲁棒性普遍不足的问题，分析了对抗样本与正常样本的多隐层特征激活差异，为下一步设计对抗样本检测算法和提升模型对抗鲁棒性提供参考。     

西安电子科技大学地图自动输入与识别系统

西安电子科技大学人工智能与模式识别研究室，从1987年开始，在电子工业部的支持下，率先开展了对地图自动识别与理解技术的研究工作，经过多年努力，现已开发出一个“地图自动输入与识别系统”。该系统依据计算机视觉和模式识别原理，以实际的中等复杂度的彩色地图为处理对象，有效地将其颜色特征及结构特征结合起来，通过扫描输入、颜色分层、跟踪识别，实现计算机对地图要素的自动识别与分类，从而形成“电子地图”。适用于地域规划、勘探、地震、环保、航海、空中交通管制及自动化军事指挥系统等领域。     

基于面解译的模型匹配识别体素

为了用线性征摄影量数学模型软件包对复杂工业零件进行了自动量测与重建，必须首先用计算机识别工业零件的各个组成部分－体素。为此，作者提出了基于面解译的模型茶杯识别体素的思想。     

车牌定位在GIS-T中的应用

GIS-T是GIS技术在交通领域的延伸,是GIS与多种交通信息分析和处理技术的集成。车牌识别系统是GIS-T中的重要模块,车牌定位作为其中的关键技术,影响着车牌识别的精度和GIS-T智能功能的发挥。在对车辆识别系统阐述的基础上,总结归纳了车牌定位的常用方法,并对车牌识别技术的发展作了探索性的展望。     

车牌定位在 GIS-T 中的应用简

GIS-T 是GIS 技术在交通领域的延伸,是 GIS 与多种交通信息分析和处理技术的集成.车牌识别系统是GIS-T 中的重要模块,车牌定位作为其中的关键技术,影响着车牌识别的精度和GIS-T 智能功能的发挥.在对车辆识别系统阐述的基础上,总结归纳了车牌定位的常用方法,并对车牌识别技术的发展作了探索性的展望.     

自组织特征映射神经网络及其在彩色地图自动分层中的应用

地图数据分层是地图识别系统的一个重要组成部分。由于传统的基于Ｂａｙｅｓ准则识别方法要求已知概率分布密度，当实际概率分布与假设条件存在差异时，无法取得满意的识别效果。神经网络方法可以克服这些缺点。本文利用Ｋｏｈｏｎｅｎ提出的自组织特征映射网络的学习、识别能力，实现了对彩色地图扫描数据的自动分层。     

自组织特征映射神经网络及其在彩色地图自动分层中的应用

地图数据分层是地图识别系统的一个重要组成部分。由于传统的基于Ｂａｙｅｓ准则识别方法要求已知概率分布密度，当实际概率分布与假设条件存在差异时，无法取得满意的识别效果。神经网络方法可以克服这些缺点。本利用Ｋｏｈｏｎｅｎ提出的自组织特征映射网络的学习、识别能力实现了对彩色地图扫描数据的自动分层。     

油管图像识别系统的设计与实现

针对难以提取已刻码油管特征而导致的识别率低的问题,设计开发了一套用于识别油管身份标识的系统。该系统利用线阵CCD扫描相机采集油管图像,并参考相关计算机图像处理算法,实现了对油管刻码标识的准确识别。实验数据表明,该系统采用的算法识别率高,已在Windows平台下用Java语言实现,具有较好的鲁棒性。     

渍害遥感识别的基本原理与方法

本文论述了渍害遥感识别的主要标志，通过土壤热惯量、土壤含水量及土壤温度等渍害相关因子的讨论，阐明了渍害遥感识别的基本原理及几种主委方法。由于渍害涉及诸多因素，本文给出了以地学相关分析为基础的渍害判别模型。本研究表明，用遥感方法研究渍害是切实可行的。     

图像的空间频谱识别与分类

本文介绍一种光学－计算机混合处理系统对图像进行空间频谱分析的原理和方法。该系统的光学部分是一个夫琅和费衍射装置，它把光学图像转换成二维的傅立叶频谱，即空间频谱。计算机则负责频谱数据的采集与分析。鉴于遥感地质日视解译中区分岩类的主要识别指标是遥感图像的影纹特征，文中以岩石的遥感图像的空间频谱采样与特征提取，对空间频谱进行识别和分类为例，阐明利用衍射图样对图像进行识别的方法。     

神经网络计算机及其在遥感应用中的展望

本文概述了神经网络计算机的基本特点、神经网络的形式化描述、目前国际上神经网络计算机的现况以及在遥感图像处理中应用的潜力和展望。     

Research on radar emitter attribute recognition method

In order to solve emitter recognition problems in a practical reconnaissance environment, attribute mathematics is introduced. The basic concepts and theory of attribute set and attribute measure are described in detail. A new attribute recognition method based on attribute measure is presented in this paper. Application example is given, which demonstrates this new method is accurate and effective. Moreover, computer simulation for recognizing the emitter purpose is selected, and compared with classical statistical pattern recognition through simulation. The excellent experimental results demonstrate that this is a brand-new attribute recognition method as compared to existing statistical pattern recognition techniques.     

遥感图像中城市道路信息的自动识别与制图

遥感图像中的地物自动识别一直是图像处理中的研究热点,本文在彩红外航空图像中计算机自动识别提取城市道路上做了一些尝试,将形状指数作为光谱分类后的后处理,并通过人机交互修正分类结果.提取后的道路信息将通过自动制图功能形成矢量格式的地理底图.系统采用VC++6.0语言设计完成.     

基于神经网络的遥感图像识别算法

随着遥感技术的发展,将会有更多不同时间、空间分辨率的遥感图像数据应用于各个领域的工程中,遥感图像的模式识别便成为当前遥感图像应用研究领域中一个很重要的研究方向。人工神经网络（Artificial Network Networks,ANN）是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。基于神经网络的遥感图像识别是遥感图像处理领域这几年的研究重点。本文首先介绍了人工神经网络和模式识别算法的基本理论知识,然后利用人工神经网络在Matlab工具箱环境中进行高空间分辨率的遥感图像识别。     

Research on radar emitter attribute recognition method

Introduction Theprimarymissionofanelectronicwarfare dentificationsystemistodetectthepresenceof hostileemittersandidentifytheemittersas quicklyandaccuratelyaspossible[1,2].Thecur entrecognitionalgorithmsarebasicallymatc hingalgorithms.Theyperformasequenceo…     

遥感图像识别中粗糙集理论与神经网络的结合

由于传统神经网络与遥感图像信息量不相匹配 ,为此 ,提出将粗糙集理论集成至遥感图像神经网络识别中。首先分析了神经网络与粗糙集理论结合的可能性以及优势 ,在此基础上提出了基于粗糙集的遥感图像神经网络识别模型 ,并就其中的粗糙集方法处理样本特征集模块和遥感图像识别神经网络模块展开详细的分析。通过对比实验数据说明集成粗糙集理论的遥感图像神经网络识别能够有效提高遥感图像的识别效率 ,具有较强的现实意义     

基于人工免疫系统的遥感图像分类

提出了一种基于人工免疫系统(ArtificialImmuneSystem)的分类方法。该方法首先应用人工免疫系统的克隆选择算法对样本进行自学习,得到全局最优的聚类中心,然后利用学习得到的聚类中心对整幅影像进行分类。由于人工免疫系统继承了生物免疫系统的自组织、自学习、自识别、自记忆的能力,从而使得人工免疫系统具有非线性的分类能力,并能够快速准确地得到全局最优解,克服了传统分类方法约束条件多,容易陷入局部最优的缺点。实验结果证明,该算法分类精度上优于传统的分类方法,总精度和Kappa系数分别达到了89.80%和0.8725,因而具有实用价值。     

基于方向膨胀的核安全壳锈蚀识别算法

核安全壳锈蚀影像噪声密集,锈蚀缺损严重,颜色相似的干扰强。本文提出了一种基于方向膨胀的锈蚀识别算法。利用锈蚀的黄橙色特征对影像进行RGB三通道阈值分割提取锈蚀基础信息,根据锈蚀的圆环形态特征,按照轮廓延伸方向进行多角度分块。设计了八方向膨胀核,对相应轮廓块进行不同方向膨胀以补全圆环轮廓,计算轮廓矩进行圆度识别。试验证明,该算法能滤除大量噪声和颜色相似的干扰信息,正确识别并定位锈蚀。     

基于MATLAB图像处理的汽车牌照识别研究

汽车牌照识别是智能交通领域的重要研究课题,整个过程主要分为预处理、车牌定位、字符分割、字符识别4个环节。用MATLAB软件编写代码实现每一个过程,有效地解决恶劣环境下的车牌定位、字符倾斜、字符分割等复杂问题,结果表明MATLAB在彩色汽车牌照的识别中十分有效。