基于兴趣区检测与分析的水上桥梁识别

研究自然景物光学图像中大型水上桥梁自动识别的问题，提出了一种新的基于知识的两阶段目标识别策略，首先在全视场中检测符台水上桥梁上下文关系的兴趣区；随后对检出的兴趣区进行图像分割与特征抽取，基于桥梁的几何特征运用模糊推理识别目标，并选择中央桥墩或桥身为瞄准点，对多种场景多种类型的大型水上桥梁光学图像作识别实验，结果表明此方法有较高的目标识别率与计算实时性。     

基于骨架特征的机场主跑道识别

基于骨架对跑道区域进行表示，从骨架图中检测骨架分支基元，计算分支基元的显著性度量并建立分支基元之间的邻接关系。针对机场跑道区域具有的几何特征，采用脊柱基元表示条状区域，将脊柱基元的宽度、长度和方向信息作为脊柱基元的显著性度量，借助先验知识，检测得到主跑道的脊柱基元，识别主跑道。选取一幅某机场遥感图像作为实验分析，验证了算法的可行性。     

基于视觉显著性和目标置信度的红外车辆检测技术

提出了一种复杂地面背景下的红外车辆检测算法。首先,提出一种新的自适应分段线性灰度拉伸方法来增强当图像整体亮度偏低时的目标信息。其次,利用拉伸后图像的显著性图生成目标潜在的兴趣区。再次,利用平均梯度法在兴趣区内进行目标的边缘再分割,完成目标精确分割检测。最后,利用车辆的红外融合特征计算目标置信度,对目标进行评估和确认。实验结果表明:对实际拍摄的红外图像进行检测的算法可有效地检测出地面车辆目标。     

基于兴趣目标的图像检索

当前图像检索算法通常针对整体图像提取特征以完成检索任务.然而,在很多情况下用户只会关注图像的一部分,即他们的兴趣目标.此时,从整体图像提取的特征一部分是有效的,另一部分则是无效的且会对检索过程带来消极影响.为此,本文提出基于兴趣目标的图像检索方案,并借助于现有的显著性检测、图像分割、特征提取等技术实现一款有效的图像检索算法.首先采用HS （Hierarchical Saliency,分层显著性）检测算法分析用户的兴趣目标并应用SC （Saliency-based Image Cut,基于显著性的图像分割）算法将其分割,然后针对兴趣目标提取HSV （Hue、Saturation、Value,色调、饱和度、明度）颜色特征、SIFT （Scale Invariant Feature Transform,尺度不变特征变换）局部特征和CNN （Convolutional Neural Network,卷积神经网络）语义特征,最后计算其与数据库图像的相似度并根据相似度排序返回检索结果.仿真实验结果表明,本文算法在解决"这是什么东西"这类图像检索任务时明显优于现有的图像检索算法.     

中低分辨率SAR图像桥梁识别方法研究

中低分辨率SAR图像中河流、桥梁目标常存在断裂现象,且桥梁边缘线性特征不明显,现有桥梁目标识别方法难以解决上述问题.为提高中低分辨率SAR图像桥梁识别稳健性,提出桥梁在图像中呈现断裂、河流灰度一致性不高情况下的桥梁目标识别算法.对水域分割结果进行河流粗提取,将河流轮廓外扩部分的相交区域作为桥梁兴趣区,在保证兴趣区完整性的同时减少无效兴趣区;采用目标分割与Radon变换结合的方法检测断裂的桥梁主体;对候选桥梁附近的河流轮廓进行形状验证,消除山体等阴影造成的桥梁虚警.实验结果表明,该方法能够在复杂场景中有效地识别出多个水上桥梁目标,桥梁虚警率大大降低.     

基于视觉显著性特征的乳腺肿块检测方法

提出基于视觉显著性特征的乳腺钼靶X射线肿块检 测方法:首先从局 部显著性、全局 显著性和稀少性三方面计算显著图,利用显著图加权增强目标;然后根据前景目标数迭代确 定分割阈值对 加权后图像阈值分割;最后将分割后的前景区域视为疑似肿块区域,利用融合显著性特征及 基于中心-轮廓 距离的肿块形态特征识别肿块。本文利用MIAS数据库中多幅的乳腺X线图像进行实验验证, 结果表明, 本文提出的方法能够准确地分割肿块区域,肿块识别准确性较高。     

基于形状统计模型的多类目标自动识别方法

形状是人类视觉系统分析和识别目标的基础。针对现有方法的不足,该文提出了一种新的基于形状统计模型的多类目标自动识别方法。该模型定义形状基元对作为特征描述子,从样本图像中抽取典型基元对,聚类量化后组成形状字典。然后综合分析各类信息,通过无监督学习来统计目标的特征分布状况,构建类别形状模型。快速定位目标区域并辨识对象类别后,可结合图像分割获取精确形状。实验结果表明,该方法能准确、高效地提取多种类型和复杂结构的目标,较好解决了噪声干扰、旋转侧偏等问题,具有较强的实用价值。     

基于显著性与尺度空间的红外弱小目标检测

针对复杂的天空背景,提出了一种基于显著性与尺度空间的红外弱小目标检测算法.首先通过频域残差法对原始图像进行初步处理,缩小红外弱小目标的待识别目标区域;接着利用DoG算子得到预处理后图像的尺度空间并实行特征点检测,获得最佳尺度图像,再对特征图像进行加权融合;最后通过信息熵分割来实现红外弱小目标的检测.仿真结果表明,本文方法跟文献中所提的优秀算法相比,能有效地检测出红外弱小目标,提升了目标图像的信杂比.同时,能很好地适应不同复杂场景,为红外弱小目标的跟踪应用奠定了基础.     

基于多特征扩展pLSA模型的场景图像分类

场景图像分类近年来受到人们的广泛关注,而基于统计模型的方法更是场景分类中的研究热点。我们提出了一种新的基于多特征融合和扩展pLSA模型的场景图像分类框架。对每幅图像首先用多尺度规则分割确定局部基元,然后提取每个局部基元的多分辨率直方图矩特征和SIFT特征,最后用扩展的概率生成模型对图像集进行建模,测试。我们的方法不仅能够很好的表示图像的语义特性而且在模型的训练阶段是无监督的。我们针对目前常用的3个数据库,做了三组对比实验,均取得了比以前的方法更好的识别结果。      

基于激光视觉传感的渔船目标无人机低空识别研究

为了提高渔船目标无人机低空识别的准确率,提出基于激光视觉传感的渔船目标识别方法。采用阈值分割和角点定位标定渔船目标激光视觉传感图像的方位特征点;提取渔船目标的位置信息、速度信息、加速度信息、运动轨迹信息,建立渔船目标激光视觉传感图像的背景差分检测模型;通过帧动态检测和差分图像聚类,计算相邻目标质心的距离;根据参数估计和像素灰度值检测,结合目标方位估计,实现对渔船目标激光视觉传感图像的定位识别。结果表明,采用该方法能够有效识别渔船目标,目标方位识别准确性达到90.95%以上,提高了渔船目标无人机低空识别准确性。     

Building Recognition Based on Geometric Model in FLIR Image Sequences

In this paper, we propose a novel method for building recognition from forward looking infrared (FLIR) image sequences with clutter in the background for automatic target recognition (ATR). In the first phase, dynamic feature space is defined, and camera model and multi-scale characteristic views model that are used to predict model’s features based on 3D object reference model are introduced. In the second phase, the original image is preprocessed using morphological grayscale filters that respond to the size, shape and orientation of object to suppress the background that contains the non-stationary nature and man-made objects of the clutter image. In the following phase, segmentation for the result of image preprocessing is used to obtain regions of interest (ROIs), and features extraction of ROIs and matching retain ROIs that are closest to predicted features. Lastly, the object is identified by fusing the line features. Experiment results show the algorithm can recognize the object from FLIR image sequences with a complicated background.     

小目标与海空背景合成红外图像统计特性分析

针对海空复杂背景下红外小目标识别的需要，对海空背景及其小目标的红外图像特性进行了统计分析。具体分析了在有目标和无目标两种情况下3~5 μm和8~12 μm两个波段图像的均值、方差和协方差等统计特性以及图像的局部对比度、信杂比和阈值随探测距离变化的规律；同时对生成的红外热像进行了直方图分析。结果表明：随着探测距离的减小，导弹的辐射逐渐增大，到达一定探测距离时（大约8 200 m）可以从热像图中区分导弹的蒙皮辐射和羽流辐射。根据有目标和无目标两种情况下图像特性的差异，可以判断图像中是否存在目标，从而为目标识别提供了关于目标和背景的先验知识，研究结果可用于海空背景下红外小目标的检测。     

一种基于卷积神经网络的雷达目标分类方法

雷达作为对低空和地面目标探测及监视预警的主要手段,在安全领域应用广泛。针对现阶段实际应用中雷达目标分类技术中过于依赖人工提取特征的问题,提出了一种基于卷积神经网络的分类方法,对雷达回波数据进行二维傅里叶变换得到距离-多普勒图像,再以距离-多普勒图集作为数据集,训练神经网络,得到能够完成雷达目标识别的网络模型。结果表明,相较于传统方法,基于卷积神经网络的目标识别模型在省去人工工作的同时提高了目标识别精度。     

基于部件级三维参数化电磁模型的SAR目标物理可解释识别方法

该文通过部件级三维参数化电磁模型(3D-PEPM)描述了复杂目标的电磁散射现象,并基于此模型提出了一种新的合成孔径雷达(SAR)目标识别方法。该方法首先根据雷达参数将3D-PEPM中各个散射体的散射响应投影到二维图像平面,预测每个散射体的位置和形状,然后根据3D-PEPM提供的先验信息评估3D-PEPM与SAR数据之间的相似程度,最后利用一种视角调整方法对整个过程进行优化,产生3D-PEPM和SAR数据之间的最终匹配分数,并根据该匹配分数完成识别决策。这种识别方法明确标识了SAR数据和3D-PEPM散射体之间的对应关系,具有清晰的物理可解释性,能够有效处理各种扩展条件下的SAR目标识别问题,仿真实验验证了该方法的有效性。      

基于中英文混合模型的语音识别研究

针对目前汉语连续语音识别中英文识别问题,采用中英文混合建模的方法建立中英文混合模型.在分析已有语音识别系统的基础上,根据发音学的一些先验知识,提出一种基于主元音及英文音素序列混合的声学模型,同时利用最大似然规则训练出的声学模型,通过最小音素错误准则对声学模型进行区分性训练,更新得到最终的声学模型.在测试集上的结果表明,...     

基于目标红外特征与SIFT特征相结合的目标识别算法

为了解决传统的SIFT算法存在检测时间长,识别率低等问题,提出了一种基于目标红外特征与SIFT特征相结合的红外图像识别算法,该算法首先通过5个能反映红外目标初步信息且易实现的红外特征量进行初步识别,然后采用SIFT算法进行精确识别。通过三种飞机的红外图实验可以看出,将红外特征量与SIFT特征检测识别方法相结合,识别时间缩短0.06s,识别率有较大提高,达到98%以上。     

Modulation recognition method based on multi-inputs convolution neural network

In order to identify the main modulation modes adopted in current satellite communication systems,a signal modulation recognition algorithm based on multi-inputs convolution neural network was proposed.With the prior information of the signals and knowledge of the network topological structure,the time-domain signal waveforms were converted into eye diagrams and vector diagrams to represent the shallow features of the signals.Meanwhile,the modulation recognition model based on multi-inputs convolution neural network was designed.Through the training of the network,the shallow features were deeply extracted and mapped.Finally,the signal modulation recognition task was completed.The simulation results show that compared with the traditional algorithms and deep learning algorithms,the proposed method has a better anti-noise performance,and the overall recognition rate of this algorithm can reach 95% when the signal-to-noise ratio is 5 dB.     

基于循环神经网络的卫星幅相信号调制识别与解调算法

针对卫星通信中常用的幅相调制信号,提出了一种基于循环神经网络的信号识别与解调模型.通过循环神经单元直接对信号时序进行深层特征提取,结合全连接神经网络对特征进行维度映射,最终完成目标信号的调制识别与解调.该方法不需要预估目标信号载噪比,克服了人为确定阈值的缺陷,对信号频偏误差、定时误差容忍能力强;且在开发维护和更新拓展方面,克服了传统算法需重新部署判决规则的缺点,符合实际工程需求.仿真实验表明,当网络训练达到稳态时,在信噪比为6dB的条件下,目标信号识别率接近98%,解调误码率接近理论门限.本文所建立的理论形式为当今智能化信号处理提供了新思路,其思想同样可应用于其他通信信号处理领域.     

基于一维距离像序列的弹道目标融合识别研究*

一维距离像是宽带雷达目标识别的重要特征之一.本文根据弹道目标的微动特性,推导了微动弹道目标的时间-距离像模型.然后提取具有平移不变性的中心矩和双谱作为待识别特征向量,并分别使用K-L变换和局部双谱法对提取到的中心矩和双谱特征进行降维.将降维后的特征分别输入支持向量机进行分类识别,最后将支持向量机的输出进行决策级融合,得到待识别目标的识别概率.与基于单特征量的识别方法相比,本文提出的方法不仅具有较高的识别率,而且具有良好的抗噪能力.     

Infrared small target detection algorithm based on feature salience

It is an important and challenging problem to detect small targets in cluttered scenes with low signal noise ratio (SNR) in infrared (IR) images. In order to solve this problem, a method based on feature salience is proposed for automatic target detection against a complex background. First, in this article, the system utilises the average absolute difference maximum (AADM) as the dissimilarity measurement between targets and the background region to enhance targets. Second, the minimum probability of error has been used to build the model of feature salience. Finally, by calculating the probability of features, this method solves the problem of multi-feather fusion. Experimental results show that the algorithm proposed has better performance with respect to probability of detection. It is an effective IR small target detection algorithm against complex backgrounds.