最大平均相关高度法实现复杂背景畸变目标识别

相关模式识别的瓶颈技术是对复杂背景下畸变(比例缩放、旋转等)目标的准确识别。通过对多种畸变目标识别算法的研究比较,对已有的最大平均相关高度(MACH)滤波器进行了改进。在合成滤波器时把白噪声和模拟背景噪声结合在一起,并对滤波器的控制参数进行优化,使滤波器具有较高的畸变容差并能有效抑制复杂的背景噪声。在畸变公差范围内,用改进后的最大平均相关高度滤波器对畸变目标(可见光目标和红外目标)进行频域滤波,能够得到尖锐的相关峰,准确的识别目标。作为实例,对复杂背景下的战机和红外目标吉普车进行了计算机模拟实验,验证了该算法的可行性。     

畸变不变联合变换相关器目标识别技术研究

针对传统目标识别方法对目标图像的尺寸、方位敏感问题,采取最大平均相关高度功率谱滤波的方法,对联合变换功率谱面进行滤波,成功地实现并改进了原算法.通过大量计算机模拟和光学实验,证实了在光电混合实时联合变换相关器中应用改进的最大平均相关高度法可以解决存在旋转和大小变化的目标识别问题,使得相关峰的对比度明显增强,从而也提高了目标识别率.作为实例,给出复杂背景下地面目标汽车大小变化的实验结果,验证了该算法的可行性.     

相关小波法在结构系统识别中的应用

对于一个线性结构系统，从输入输出数据中提取精确的脉冲响应函数和频响函数是对系统进行动力学建模和参数识别的关键步骤。在循环小波变换的基础上，研究了提取脉冲响应函数的相关小波法及其相应的平均算法。数值仿真结果表明，对于不同的激励信号，相关小波法都能够获得比FFT方法精度更高的脉冲响应函数和频响函数，具有更大的优越性。利用悬臂梁实验验证了相关小波法在实际结构中的正确性和有效性。     

基于小波相关滤波法的滚动轴承早期故障诊断方法研究

目前基于小波分析的滚动轴承故障诊断方法研究已经很多,但是这些方法对于强噪声背景下的早期故障微弱信号特征提取效果并不理想。为此,提出了适用于强噪声背景的小波相关滤波滚动轴承早期故障诊断方法。该方法将小波相关滤波降噪方法和Hilbert包络细化谱分析相结合:对被测信号进行小波相关滤波降噪处理,对降噪处理后的高频段尺度域的小波系数进行Hilbert包络细化谱分析。该方法在滚动轴承的早期故障诊断中的试验结果表明,该方法与直接小波系数包络谱诊断方法相比,较大地增强了对滚动轴承早期故障诊断的能力,在强噪声背景下有效地提取出滚动轴承的早期故障频率。     

改进核相关滤波器的海上船只目标跟踪

提高海上智能监测水平,为了实现对海上船只目标的跟踪,文中针对典型海况环境下的海上船只目标跟踪问题,提出了一种改进核相关滤波器(Kernelized Correlation Filters,KCF)的船只目标跟踪算法。首先,针对KCF算法的特征,提出船只目标跟踪临界概率的概念,用来判断目标跟踪是否异常;接着,加入卡尔曼滤波模块,用来预测跟踪目标下一时刻的位置;然后,对跟踪异常的目标设计目标跟踪异常处理模块进行处理;最后,针对4组典型的海上目标跟踪场景,通过实验验证了算法的性能。实验结果表明:文中算法在海上船只大幅度晃动、跟踪目标被遮挡、目标出界、目标尺寸变换等复杂情况下,跟踪准确率和速率比原KCF算法分别提高17.23%和7.86%。满足海上目标跟踪精度、实时性、适用性等方面的要求。     

基于自适应最大相关峭度解卷积和频率切片小波变换的齿轮故障特征提取

针对最大相关峭度解卷积(MCKD)降噪效果受滤波器阶数影响的问题,提出了自适应MCKD方法。针对频率切片小波变换(FSWT)在强背景噪声中提取冲击故障特征的不足,提出了自适应MCKD和FSWT相结合的齿轮故障特征提取方法。首先用自适应MCKD对噪声齿轮信号进行降噪处理,然后对降噪后的信号进行频率切片小波变换和故障特征提取。齿轮故障诊断实例的分析结果验证了该方法的有效性。     

采用改进尺度不变特征变换在多变背景下实现快速目标识别

提出一种改进的尺度不变特征变换(SIFT)算法,用于实现多变背景下的快速目标识别。首先,构建目标图像尺度空间,提取SIFT特征点并将其按大小分类,目标识别时只需比较同一类型的特征点。然后,由SIFT特征点子区域方向直方图计算得到4个新角度用于代表特征点的方向信息,并且在目标识别时根据角度信息限制特征点匹配范围,从而提高SIFT算法的运算速度。最后,计算目标图像和待识别图像之间的尺度因子,在尺度因子约束条件下进行目标特征点匹配,从而有效地保证正确匹配数量,提高目标识别的鲁棒性。实验结果表明:当目标在待识别图像中发生局部遮挡、旋转、尺度变化或者弱光照等情况下,改进的SIFT算法能够完成多变背景下快速目标识别任务,平均识别速度提升了40%。