雷达跟踪、探测及系统

0620739基于迷向圆变换和BP网络的不变识别方法[刊,中]／周升响／／空军雷达学院学报．-2006,20(2)．-129- 131,137(D)为提高以具有旋转、缩放和平移3种变形的二值图像的识别率和简化识别算法,提出利用迷向圆变换和图像面积调整方法将图像的3种变形归一化,再提取归一化图像的水平和垂直2个方向的统计特征输入BP神经网络进行分类识别,从而使神经网络的输入维数降低。仿真结果表明。该方法对具有上述3种变形的图像具有较高的识别率。参5     

基于角点傅里叶描述子及空中飞机识别

本文提出了角点傅里叶描述子，并将它作为二维目标的特征和神经网络的输入，用于构成一基于ＢＰ神经网络的飞机目标识别系统。该识别系统对旋转、位移、尺度变换具有不变性。计算机模拟结果表明该识别器对空中飞机的识别具有很高的识别率和联想能力。     

基于极值特征的不变性形状识别

本文提出形状识别的一种新方法,该方法针对形状中几何特征的分布在旋转和尺度变换条件下不变的特性,首先通过等间距极坐标映射对形状进行径向采样和环向采样,把形状的旋转和尺度变换转化为采样平面内具有平移性质和不变性质的两个一维投影,然后为了减小几何变形等原因造成的投影特征不稳定,提取径向和环向两个一维投影的极值点,根据极值点类型和幅值计算极值点权重向量作为形状的有效不变特征,其中,权重的位置信息反映了形状中像素点较集中和较稀疏的局部区域在空间上的分布,权重的大小反映了形状中局部区域像素点集中和稀疏的程度.在特征匹配过程中,考虑了几何变形对权重向量产生的扰动,在分析极值点变化范围基础上,设计了参数重整的匹配策略和匹配模板,使得该识别方法对形状的平移、尺度、旋转变换和一定程度的非刚性变形不敏感.仿真试验表明了所提方法的有效性.     

基于BP神经网络的心电信号智能诊断设计

结合差分阈值法、多重神经网络心电诊断方法提出一种新型的递进型双层BP神经网络心电信号智能诊断设计。采用差分阈值法检测QRS波特征点,通过心电采集电路板对该信号进行放大滤波处理后进行心电诊断。通过对比单一BP神经网络与递进型双层BP神经网络识别结果,得出递进型双层BP神经网络识别室性早搏、房性早搏、心房颤动时识别率更高(达到97%以上)的结论。测试结果表明,该设计有助于诊测和判断心血管疾病,提高了对治疗方法的有效性判断。     

一种基于雷达回波序列的舰船目标识别方法

介绍了一种基于中分辨雷达回波序列的目标轮廓成像识别方法。该方法实现了一维回波序列到目标二维径向轮廓像的变换。在二维轮廓像基础上，可以提取到较一维回波更加有效、稳定的特征。选择ＡＲＴ２神经网络模型对这些特征进行分类，得到了平均９１％的正确识别率。     

基于修正不变矩和范数的物体特征识别方法

为了快速而准确地识别出不同类的物体,提出基于修正不变矩和最小范数的物体识别方法,提取物体的不变矩和圆形度特征,利用泛函分析中的范数理论对不同形状的物体进行识别,方法简单,识别速度快,并且识别率较高.仿真结果表明该方法对物体的平移、旋转、缩放都具有不变性,从而验证了该方法的有效性.     

基于数学形态的旋转不变纹理识别方法

本文基于数学形态学的理论,提出了一种新的旋转不变纹理识别方法。模拟实验表明本文提出的方法具有较好的旋转不变性和较高的识别率,对七个不同方向的八类纹理样本的平均识别率达到了97.1％。     

基于BP神经网络的脱机手写数字识别

脱机手写体数字识别有着重大的使用价值,特征提取占据了重要的位置,本文针对手写体数字识别中单一识别方法的局限性,提出采用BP神经网络进行识别,并且提出了一种特征提取方法。采用BP神经网络,利用其良好的监督学习功能进行识别,结合提取的降维数字符号的特征,能较好的识别出手写数学符号。BP神经网络（Back-Propagation）,又称误差反向传递神经网络,是一种依靠反馈值来不断调整节点之间的连接权值而构建的一种网络模型。最后,在Mnist手写数据库上的试验结果表明,该方法具有较好的识别率和较高的可靠性。     

基于主元分析的人耳识别方法的研究

由于人耳图像自身的特点,基于外观形状特征如利用边缘或耳廓压痕的识别方法存在很大的缺陷,尝试采用了基于主成元(PCA)的分析方法提取人耳特征,然后运用BP神经网络进行识别。他完全克服了在以往应用外观形状特征进行识别时存在的错误率过高和特征提取预处理要求过于苛刻的问题。实验结果表明该方法实用、有效,可使识别率达到99%以上,有着广泛的研究价值和应用前景。     

结合手势二进制编码和类-Hausdorff距离的手势识别

针对目前动态手势识别方法受手势旋转、平移、缩放的影响,并解决手势识别的实时性问题,提出一种基于手势二进制编码和类-Hausdorff距离模板匹配的手势识别方法.首先,把分割好的手势图像进行标准化处理,求出标准化图像中的手势主方向,建立二维手势直角坐标系,提取空间手势特征;其次,根据前五帧手势图像中手势像素点个数的变化量识别出动态手势类型;然后,用手势二进制描述子从动态手势类型中再筛选出可能的候选手势集合;最后,用类-Hausdorff距离模板匹配方法从候选手势集合中识别出最终手势.主要创新点在于：提出的动态手势类型识别和手势二进制描述子匹配的方法,大大缩短了动态手势识别的时间;提出的结合手势主方向的类-Hausdorff距离方法,不仅对旋转、平移和缩放手势具有不变性,而且对区分度较小的手势也具有较高的识别准确率.实验结果表明,在光照相对稳定的条件下,该方法能够实时准确的实现动态手势识别,总体识别率达到95%以上,对发生缩放的手势识别率能达到92%以上,对发生旋转的手势识别率能达到87%以上.本文算法已经在一个基于手势的人机交互界面中得到应用.     

基于支持向量机的飞机图像识别算法

研究了一种基于支持向量机的飞机图像识别算法。采用基于神经网络的图像边缘检测方法,该方法首先基于邻域灰度极值提取边界候选图像,然后以边界候选象素及其邻域象素的二值模式作为样本集,输入边缘检测神经网络进行训练。提取具有RST不变性的轮廓特征向量,输入支持向量机进行训练和识别。将支持向量机与传统的人工神经网络的算法进行了对比实验,实验表明基于支持向量机的飞机图像识别算法具有更好的性能。     

基于区域生长法和BP神经网络的红外图像识别

针对变电站巡检机器人远程监控系统中红外图像识别存在的问题,提出一种基于改进区域生长法和BP神经网络的红外图像目标设备分割与识别的方法。利用最小二乘法拟合出红外图像中亮度与温度之间的线性关系,建立基于像素的图像温度场;根据设定温度范围确定区域生长法的种子点位置,利用Otsu法确定截屏窗口最优分割阈值,并结合灰度相似性阈值作为区域生长法的分割准则,实现该窗口目标设备精确分割;将分割出的设备二值图像的Hu不变矩作为设备形状特征向量,并对其进行不变性和类间区分度验证;采用引入附加动量法和自适应调整学习率的BP神经网络实现多种电气设备的识别,实验数据表明优化后的BP神经网络具有迭代收敛快,误差波动性小,分类准确度高等特点。     

基于神经网络的图像弱边缘检测方法研究

主要立足于图像点处理与神经网络相结合的思想,提出了一种基于边缘点特征的BP神经网络图像边缘检测方法.利用提取出的图像边缘特征向量作为训练样本来训练BP神经网络,进一步完成图像边缘的检测.最后,通过实验与传统的边缘检测方法进行了对比,结果证明该方法检测的边缘轮廓清晰,检测速度较快,特别对含有弱边缘的图像能够更好避免漏检和...     

一种混合神经网络在颗粒图像边缘检测中的应用

本文提出了一种应用混合神经网络进行颗粒图像检测的方法。混合神经网络由用于对边缘候选图像的二值输入模式进行聚类特征提取的自组织竞争子网络（ＡＳＣＳＮＮ）和用于获取颗粒图像边缘矢量信息的ＢＰ子网络（ＢＰＳＮＮ）组成,边缘候选图像是通过采用基于灰度极小值算法提取的边缘候选象素获得。神经网络以边缘候选图像中的边缘候选象素及其邻域象素的二值模式作为训练样本。对经过噪声污染的图像进行实验表明,该方法获得的边缘图像封闭性好、边缘描述真实,抗干扰能力较强,适用于颗粒图像的边缘检测。     

复杂背景下回转体目标识别方法研究

提出了基于改进BP神经网络的复杂背景下的回转体目标识别方法,实现了对目标的准确提取.采用中值滤波滤除图像噪声,用改进最大类间方差阈值法进行图像分割.提取回转体目标7个不变矩特征作为神经网络输入的特征向量,建立了基于BP神经网络的目标识别系统,进行回转体目标识别,模拟实验结果说明,所提出的图像预处理方法可有效去除复杂背景图像噪声、准确地分割图像,选择7个不变矩特征作为回转体目标识别特征是合理的,基于BP神经网络的回转体目标识别方法具有较高的识别率.     

基于BP神经网络的地震动信号识别

通过数据采集得到三种不同类型车辆的地震动信号,采用小波消噪和特征提取,得到样本数据对神经网络进行训练,训练完成的神经网络就能实现车辆类型的识别。试验结果表明,BP神经网络对车辆目标具有较高的识别率,证明对地震动信号的特征提取方法是正确的,人工神经网络是有效的目标识别方法。     

基于小波包分析与BP神经网络的氧化铝熟料检测

利用小波包分析与BP（Back Propagation）神经网络相结合的算法,对氧化铝熟料检测的应用进行了研究。通过对回转窑中的氧化铝熟料下落碰撞窑壁产生的声音信号进行采集,利用小波包分析提取特征向量,根据氧化铝的烧结状况与声音信号特征向量的对应关系,提出建立BP神经网络模型。经过MATLAB对测试样本进行验证,结果表明BP神经网络模型在氧化铝熟料检测的可行性,而且具备一定的准确率。     

直升机声信号的检测和识别

详细介绍了一种基于小波包和神经网络的新算法，用于对直升机声音信号检测并且识别机型。具体方法是对采集到的声音样本利用小波包分析提取特征向量，把这些特征向量输入反向误差传播（Back Propagation，BP）神经网络训练，用训练好的检测神经网络进行直升机的检测。检测完毕，证实是直升飞机声信号后，再通过识别神经网络区分不同型号直升机。实验表明，此方法能利用小波包时频局部聚焦分析能力和BP神经网络的自适应能力，较好地对不同型号的直升机声信号进行有效地检测和识别。因此。基于小波包和神经网络的直升机检测和识别算法不仅可靠而且是可行的。     

基于情感模型的感性图像检索

感性信息处理是让计算机能够模仿和识别用户的情绪、感觉和感情，实现和谐的人机交互，达到“以人为本”。通常人们用一些形容词来表达自己的情绪，本文提出了一种情感模型用来处理这些表达心理的形容词，从心理学的“维量”思想出发，采用语义量化技术和因子分析的方法建立情感空间，并分析情感空间的相似性度量方式；抽取图像的颜色和形状特征作为图像的感性特征，采用径向基函数神经网络将图像由特征空间映射到情感空间，在情感空间内实现图像的感性检索，取得了较好地实验结果。