基于不变性模糊特征融合的红外目标识别方法

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。     

基于高阶神经网络的目标不变性识别系统

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。     

基于高阶神经网络(HONN)的封闭平面形状识别

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。     

基于原始图像矩的抵抗RST攻击的数字图像水印算法

设计抵抗RST(旋转、缩放、平移)攻击的数字水印算法是数字水印技术研究中的难点。针对这个难点，本文采用了广泛应用于模式识别中的几何矩技术，利用3个原始图像的几何矩和遭受攻击后图像的几何矩信息准确地估计出水印图像所经历的几何攻击，然后对其逆变换校正，确保了水印嵌入与检测的同步，极大的提高了水印算法抵抗RST攻击的能力。本文实验结果表明：该算法对抗RST攻击具有很好的鲁棒性。     

基于三阶相关量的目标图像不变性识别技术

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。     

四种地面固定目标识别方法研究

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。     

基于Hough变换和优化K均值聚类的反舰导弹编队识别目标选择方法

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。     

图像对数极坐标变换的FPGA实现

为了解决景象匹配系统中引入对数极坐标变换后实时性降低的问题,文中采用FPGA查找表的方法,以Quartus II作为综合仿真平台,运用Verilog描述语言,结合Matlab工具,实现了把64×64像素的灰度图像转换成50×80像素的对数极坐标图的过程,变换时间小于100μs该方法可以作为DSP景象匹配系统的预处理前端,实现对旋转和缩放图像的实时匹配。     

基于伪Zernike矩的羽毛缺陷几何特征提取及识别

针对拍照角度影响羽毛缺陷识别精度的问题,将不变矩的思想引入到羽毛缺陷识别领域。提出利用伪Zernike矩描述羽毛缺陷的几何特征,用支持向量机（SVM）进行分类识别的方法。模拟实验表明算法能够较好地容忍图像平移、旋转和尺度变化,具有识别速度快、识别精度高的特点,并且算法对噪声、光线变化适应性好。     

基于角点特征不变量的红外图像匹配研究

在红外目标识别过程中,针对系统实时性要求高的场合,提出了一种基于角点的特征不变量,证明了该不变量具有平移不变性、旋转不变性和比例不变性.将该不变量作为匹配因子,运用动态规划的方法把目标的不变量与模型中的不变量进行匹配,并与三角形边长匹配法进行了比较.实验证明,该方法有效地降低了匹配误差,提高了识别的实时性,效果较好.