光照不变量特征提取新方法及其在目标识别中的应用

针对LNSCT光照不变量提取方法因舍弃低频分量而丢失目标轮廓信息的问题,本文提出了一种新的光照不变量提取方法MLNCST.新方法首先用NSCT将对数域的输入图像进行第一重多尺度分解,实现低频分量和高频分量的分离;其次对高频子带系数进行BayesShrink阈值滤波,低频分量做逆NSCT得到其特征图像;然后对特征图像进行第二重NSCT分解,并对分解后的高频子带阈值滤波以及低频分量逆NSCT;经多重NSCT分解,最后由多次分解后的高频子带系数集提取光照不变量特征.经进一步研究光照不变量特征与原始图像之间的关系,设计了并行同步卷积神经网络-Dual Lenet,通过融合两者的高层特征来提高地面目标识别的准确率.实验结果显示,在Lenet模型下,MLNSCT比LNSCT具有更高的分类准确率,并且随着分解重数的增加分类准确率更高;同时融合了光照不变量特征的Dual lenet能进一步提高地面目标识别准确率.     

一种有效的遥感图像目标识别方法

本文提出了一种基于矩不变量和支持矢量机对遥感图像中的目标进行识别的方法，该方法提取目标七个Ｈｕ矩不变量作为特征矢量，应用支撑矢量机方法对其进行分类识别，结果表明，这一方法对仅含有目标和背景的遥感图像具有很好的分类识别结果。此外，我们发现对于不同的图像，其二值化取值范围对识别结果有着直接的影响。     

基于极化不变量特征的雷达目标识别技术

极化是雷达目标具有的特性之一。以电磁散射计算仿真的圆锥形弹头模型、球形和圆柱形诱饵模型为研究对象,在极化不变量理论基础上对这些简单目标的极化特性进行了试验分析研究,提出了一种新的组合极化不变量特征(功率矩阵迹与行列式的比值)用于雷达目标识别,并给出了其对应实际的物理意义。文中以SVM为分类器,提出基于功率矩阵迹、去极化系数和功率矩阵迹与行列式的比值特征进行分类识别,结果表明,该方法可以有效地将弹头和诱饵进行分类识别。     

一种基于Fourier变换的人脸识别算法

针对现有的多数人脸识别算法在单训练样本时识 别性能并不理想这一问题,提出一种基于Fourier-Mellin变换的频域不 变性以及时域不变性的特征提取算法。首先,采用图像亮度作为原始特征,将对图像亮度标 准化以改善光照变化,通过应用2D小波变换降维来管理频域不变量的复杂度;然后,为进一 步改进识别性能,根据分析的Fourier-Mellien变换(AFMT) 以及正交Fourier-Mellin矩(OFMM)法不变量的特征,将两种算法混合,进行特征提取; 最后,利用分值标准化度量频域不变量与时域不变量,并存储到一个特征向量中用于分类。 通过最近邻分类器(NNC)和相关性系 数法(CCM)进行分类和融合。通过在YALE与ORL人脸数据库上进行了大量实验的结果表明, 本文提出方法的性能要优于传统的人脸识别算法。     

基于透视投影不变性的空间平面多边形识别

在计算机视觉中，平面多边形的识别有着十分重要的意义．本文导出了一种五条直线间的透视投影不变量，提出了透视等价多边形的概念，并且用这种不变量和透视等价多边形的性质实现了空间平面多边形的描述和识别．这种方法的识别结果不但与摄像机的视点位置无关，而且具有比较好的抗噪声性能．实验结果证明了这种方法的有效性．     

模糊逻辑与学习方法的车牌颜色识别算法

针对光照环境复杂多变及各地车牌颜色特征不同的情况,提出了一种结合模糊逻辑与学习方法的车牌颜色识别算法.在HSV颜色空间中进行车牌颜色特征提取,并根据反色信息将车牌颜色识别由一个四分类问题转换为两个二分类问题.对HSV颜色空间三个分量的模糊映射进行加权融合,建立基于隶属度的分类函数,相关参数通过学习算法获得.在一个基于DSP的嵌入式车牌识别平台上进行了与其他传统分类方法的对比实验,结果表明本文算法存两个测试集上都取得了更好的识别效果.     

细胞图像自动分类技术

医学图像分类识别技术是近年来研究的一个重要热点课题,尤其表现在细胞分类计数和识别方面。本文介绍了细胞图像分类技术的发展概况,综述和讨论了细胞图像自动分类的新兴技术如人工神经网络、支持向量机、模糊识别等方法,并对各技术进行了相关评述。     

一种用红外方法的舰船分类系统

本文研究一种用红外方法的舰船分类系统来提取特征的新方法,在舰船分类研究中,常常需要提取舰船图像特征,即图像在探测器视场内的大小、旋转和平移不变量,文中讨论的特征就具有这样的性质,利用5级分类模拟图像检验这个方法,并对其分类精度的效率进行了分析。     

一种有效的大规模数据的分类方法

本文提出了一种基于自组织特征映射神经网络(SOM)和支撑矢量机(SVM)相结合的复杂模式的大规模数据的分类方法.该方法首先利用自组织特征映射神经网络对待识目标进行聚类,然后应用支撑矢量机方法对其进行分类识别.通过对复杂异或(XOR)分类问题,以及实际的Iris和Appendicitis数据分类问题等的分类实验,且与仅用支撑矢量机的分类方法比较,结果表明,本文提出的方法对复杂模式的大规模数据的分类识别问题具有较好的效果,且训练时间大幅度减小.     

多分量相移键控信号调制识别技术

为解决单通道接收机在多信号环境下的调制识别问题,提出了一种不经信号分离直接提取各信号分量的特征不变量以实现多个相移键控信号的调制识别算法.首先给出了多信号特征不变量提取原则,进而提出了融合二、四阶循环累积量的特征不变量提取方法,推导了所提特征不变量的理论值,最后设计了适合于这里模型的分类器.仿真实验表明:该算法能不受干扰地提取各分量的特征不变量,进而分类器能有效地识别调制组合内任意的双分量相移键控信号.同等实验条件下,所提算法的识别性能优于现有的基于四阶循环累积量的算法.     

基于特征级融合和支持向量机的飞机识别

提出一种新的基于组合不变量的飞机识别方法。对不同飞机机型图像,提取Hu矩、仿射矩和归一化傅里叶描述子（NFD）3类不变量进行特征级融合。针对组合不变量取值范围较大问题,提出采用4种归一化方法,结合支持向量机（SVM）以提高飞机识别系统的分类性能。仿真实验表明,提取飞机的组合不变量特征,采用传统神经网络或SVM构建分类器...     

Image registration and object recognition using affine invariantsand convex hulls

This paper is concerned with the problem of feature point registration and scene recognition from images under weak perspective transformations which are well approximated by affine transformations and under possible occlusion and/or appearance of new objects. It presents a set of local absolute affine invariants derived from the convex hull of scattered feature points (e.g., fiducial or marking points, corner points, inflection points, etc.) extracted from the image. The affine invariants are constructed from the areas of the triangles formed by connecting three vertices among a set of four consecutive vertices (quadruplets) of the convex hull, and hence do make direct use of the area invariance property associated with the affine transformation. Because they are locally constructed, they are very well suited to handle the occlusion and/or appearance of new objects. These invariants are used to establish the correspondences between the convex hull vertices of a test image with a reference image in order to undo the affine transformation between them. A point matching approach for recognition follows this. The time complexity for registering L feature points on the test image with N feature points of the reference image is of order O(NxL). The method has been tested on real indoor and outdoor images and performs well.     

Registering coronal histological 2-D sections of a rat brain with coronal sections of a 3-D brain atlas using geometric curve invariants and B-spline representation

A new approach is proposed for registering a set of histological coronal two-dimensional images of a rat brain sectional material with coronal sections of a three-dimensional brain atlas, an intrinsic step and a significant challenge to current efforts in brain mapping and multimodal fusion of experimental data. The alignment problem is based on matching external contours of the brain sections, and operates in the presence of tissue distortion and tears which are routinely encountered, and possible scale, rotation, and shear changes (the affine and weak perspective groups). It is based on a novel set of local absolute affine invariants derived from the set of ordered inflection points on the external contour represented by a cubic B-spline curve. The inflection points are local intrinsic geometric features, which are preserved under both the affine and the weak perspective transformations. The invariants are constructed from the sequence of area patches bounded by the contour and the line connecting two consecutive inflection points, and hence do make direct use of the area (volume) invariance property associated with the affine transformation. These local absolute invariants are very well suited to handle the tissue distortion and tears (occlusion problem).     

子空间模型下的仿射不变目标跟踪

针对目标跟踪过程中目标可能出现的快速变化和严重遮挡等问题,提出了一种基于新的子空间表示的目标跟踪算法。采用距离不变量对尺度不变特征变换(SIFT)特征点匹配对进行提纯。用提纯后的特征点匹配对,通过线性拟合得到仿射变化参数。在粒子滤波的理论框架下,采用快速的迭代算法,建立目标的主分量(PCA)子空间表示,结合计算得到的仿射变化参数,构造有效的目标观测模型完成跟踪。同时,采用在线学习的方法对SIFT特征点和PCA子空间进行定时更新。大量实验表明,提出的算法能快速有效地完成对姿态和形状剧烈变化的目标的精确跟踪。     

基于组合矩的激光雷达距离像目标识别

激光成像雷达距离像与目标表面物理结构特性密切相关,体现目标的本质特征,是目标识别的主要研究方向。采用组合矩的神经网络方法进行了相干激光雷达距离像目标识别仿真研究。用Hu不变矩和仿射不变矩两者的低阶矩组合表示距离像目标区域特征,利用反向传播(BP)神经网络识别不同方位角的车辆。当视场角不变时,训练10个目标,每个目标取3～19个样本,在不同载噪比(CNR)情况下,分析Hu不变矩、仿射不变矩和两者组合矩的识别率。理论分析和仿真实验表明利用组合不变矩进行距离像目标识别性能优于单独利用其中一种不变矩。     

一种新的适合于目标识别的仿射不变量

针对仿射变换所造成的某些特征点提取不稳定,提出一种新的适合于目标识别的仿射不变量,它是基于特征点和几乎不受仿射变换影响的目标轮廓线．当目标无遮挡时,新不变量仅依赖于当前特征点和整个轮廓线;当目标有遮挡时,新不变量依赖于当前特征点、与它直接相邻的两个特征点以及它们之间的轮廓线．在已有的基于特征点的仿射不变量中,新不变量所依赖的特征点是最少的,可以很好地应用于特征点提取不稳定场合的目标识别．     

基于两尺度自卷积的直方图仿射不变量提取方法

提出了一种新的两尺度自卷积直方图仿射不变量。以图像二维坐标线性变换生成新图像为基点,建立两尺度自卷积变换,进而把新图像度密度函数值转化成直方图区间划分,由此推导出新的直方图仿射不变量。另外,重点分析了新不变量的参数选择范围,并详述了其计算步骤。利用经典的“fish”和“coil-100”测试数据库,对比性能优的多尺度自卷积归一化直方图仿射不变量,从时间效率、抗图像变形、抗视角变化等方面,全面验证了所提新仿射不变量的有效性。     

彩色图像的四元数径向矩仿射不变量

为了研究彩色图像的不变量特性,本文把传统灰度图像的不变量理论推广到四元数层面上来,定义了彩色图像的四元数径向矩并构造了该矩函数的仿射不变量。采用四元数对彩色图像建模,可以充分利用彩色图像整体信息,实现彩色图像RGB通道的并行处理。实验结果表明,彩色图像的四元数径向矩仿射不变量的稳定性要优于L.V.Gool等人提出的彩色矩仿射不变量,其数值稳定性(σ/μ值)提高了一个数量级。本文所提出的四元数径向仿射不变量可以作为模式识别中彩色目标的特征描述子。     

基于差分进化算法和遗传算法的混合优化 算法及其在阵列天线方向图综合中的应用

阵列天线方向图综合作为智能天线的一项重要技术对于复杂系统的优化问题提出了更高的要求.本文结合差分进化的基本思想和遗传算法的基因交叉和变异方法构建了一种新的混合优化方法.该算法使用差分进化算子作为主要优化手段,结合遗传算法优胜劣汰的基本思想以及其中的交叉和变异方法,通过融合两种优化方法各自的优点,可以显著改善多参数、高度非线性问题的优化结果、提高计算效率.计算机仿真结果表明,与现有算法相比,该算法用于天线方向图综合具有收敛速度快、优化能力强、算法可靠等优势.     

非线性正则子空间法雷达目标一维距离像识别

雷达目标识别中,目标一维距离像的分布常表现出明显的非线性和复杂性时,经典的线性子空间方法的识别性能会有所下降.为此,本文提出非线性正则子空间法,通过对一维距离像进行非线性变换,使在原有空间线性不可分的一维距离像模式在高维空间有望具有线性可分性,从而提高目标的识别性能.对实测飞机数据的实验结果表明了该方法的有效性.