共查询到10条相似文献,搜索用时 15 毫秒
1.
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。 相似文献
2.
基于高阶神经网络的目标不变性识别系统 总被引:1,自引:0,他引:1
针对大尺寸目标图象的不变性识别提出了一种综合目标识别系统。该系统用形心到外轮廓的距离序列表示目标形状,将二维的目标图象识别问题传化为一维波形曲线的识别问题。对于这种波形曲线的识别,采用具有平移不变性的高阶神经网络(HONN)方法,成功地解决了目标旋转变化后导致的边心距序列循环移位的问题,克服了传统匹配识别方法寻找匹配起始点的困难;同时使得HONN由三阶降为二阶,极大地降低了对存贮容量的要求,仿真结果表明该系统对大尺寸目标图象的平移、旋转和比例不变性(TRSI)识别是切实可行的。 相似文献
3.
本文用形心到外轮廓的距离序列表示平面形状,将二维的平面形状识别问题转化为一维波形曲线的识别问题。对于这种波形曲线的识别,采用具有平移不变性的高阶神经网络方法,成功地解决了目标旋转变化后导致的边心距序列循环移位的问题,克服了传统匹配识别方法寻找匹配起始点的困难。实验表明,本文的方法简单易行,并且具有较高的识别率,可实现平移、旋转和比例不变性识别。 相似文献
4.
5.
基于三阶相关量的目标图像不变性识别技术 总被引:3,自引:0,他引:3
重点在于应用基于三阶相关量的人工神经网络方法解决目标图像的平移,尺度变换,旋转不变性识别问题。该方法通过计算“零片”三阶相关量,对数级坐标变换和计算Fourier变换幅度谱,得到TSRI特征,并作为模式分类器的输入信号;模式分类器采用单层感知机。理论分析和对3类飞机目标的实验结果表明,该法具有抗噪声,高识别率,处理速度快,结构2简单等特点是一种有效的TSRI识别方法。 相似文献
6.
首先简要阐述了模型基视觉法是基于知识的智能化识别目标的方法,然后以桥梁例比较详细地介绍了应用模型基视觉法解决目标识别问题的过程,包括:建立目标图像、确定预理方法、设计识别算法和提高识别算法的鲁棒性等。对四种地面固定目标识别研究的结果表明,型基视觉法是解决地面目标识别问题的有效方法。 相似文献
7.
现有反舰导弹编队识别技术存在侧重于队形识别而非目标选择、对编队末端态势变化考虑不足、实时性偏弱、未考虑队列线检测区间对聚类效果的影响和聚类数优化与聚类迭代过程相互独立等问题。基于Hough变换和优化K均值聚类算法,提出反舰导弹编队识别目标选择流程,构建V形、平行和环形编队目标生成与目标选择模型,旋转、缩放、冲淡式干扰和队型变化等编队目标变化模型。仿真结果表明,聚类数优化代价函数在关键聚类数段区分度明显、聚类数优化准确,移动检测区间检测解决正常检测区间两侧边缘样本点对应机制缺失问题,采用多样本更新聚类与单样本更新聚类结合的聚类迭代、聚类数优化迭代与聚类迭代融合迭代效率高,工程适用性强,对于反舰作战模拟具有重要意义。 相似文献
8.
9.