一种基于模糊聚类的自动目标识别算法

研究利用低分辨率雷达视频回波信号实现可靠的自动目标识别问题 ,提出了一种基于模糊聚类的自动目标识别算法 .基于这种算法 ,对三类船目标进行实验 ,获得平均近 90 %的正确识别率 .理论和实验表明 ,采用这种算法可以设计出可靠的自动目标识别系统     

基于小波包分解的声目标识别

小波变换是处理非平稳信号的一个有力工具,研究了基于小波包分析的声信号特征提取方法,并应用该方法对直升机等4种目标的声信号进行了特征提取,降低了特征向量的维数。采用设计改进的BP神经网络分类器对声目标进行分类,分类结果准确率高,获得满意的实验效果。     

基于生物视觉通路的目标识别算法

研究哺乳动物视觉通路的结构和功能,为机器学习提供了广泛的思路。文章对经典稀疏编码和HMAX模型进行改进,建立一种模拟完整视觉通路的算法。用4DGabor金字塔模拟了视觉信息从视网膜到腹侧通路V1区的处理过程;设计一种带稀疏编码性质的非线性滤波器,模拟了信息在V1区到PFC区的多层次处理步骤。实验表明该算法能够符合已知生物模型,达到现有同类先进算法的效果。     

一种适用于PC机的视觉注意点定位算法

人眼观察屏幕时,其脸部姿态与屏幕视觉注意点具有内在对应关系。摒弃传感器、头盔等跟踪设备,提出并研究一种适用于日常PC机的视觉注意点位置获取方法。使用摄像头抓取人脸实时图像,经Haar级联分类器提取能够反映脸部姿态的特征:双眼、口、鼻等,通过BP神经网络训练出特征相对坐标与视觉注意点之间的对应关系。实验证明该方法在无需任何专门设备支持的条件下,即能够检测视觉注意点位置,检测精度达到0.1视距。为立体影像或虚拟场景的裸眼立体观察,提供了一种新的解决方式及方法。     

一种基于复加权的目标极化识别方法

针对未知和时变的杂波环境,在目标极化状态已知的情况下,探讨了极化域目标识别的问题.在全极化雷达的极化正交的双通道接收系统中,对两路极化正交回波信号进行复加权后与期望信号比较,使其均方误差达到最小,从而抑制了干扰,增强了目标信号.对抑制和增强效果在干扰分别为定极化和变极化的情况进行了仿真,仿真结果表明了该算法的有效性.对此算法中步长因子的取值范围进行了探讨.提取目标极化特征,进行目标识别,并进一步提出识别递推算法.对识别结果进行仿真,仿真结果表明了该方法的有效性.     

一种新的基于HRRP的雷达目标识别算法

雷达目标高分辨距离像(HRRP)包含目标结构信息,是目标重要的分类特征.提出基于独立分量分析(ICA)的雷达目标特征提取方法,将雷达目标高分辨距离像(HRRP)在"基信号"域中分解,提取相应的基系数组成向量,作为目标特征向量.采用反向传播(BP)神经网络作为识别系统的分类器,对神经网络的输出进行编码,为了克服分类器对非库属目标的误判问题,引入拒识门限设计一种新的分类器.采用电磁场时域有限差分(FDTD)算法仿真了飞机的宽带回波,并用所提的方法进行实验.结果表明,基于以上算法的雷达目标识别系统在最大拒识率前提下具有较高的正确识别概率.     

基于声纳图像的水下目标识别技术研究

随着声纳技术的发展和图像声纳的出现,对基于声纳图像处理的目标识别技术的研究刻不容缓.本文设计了一个水下目标识别系统,其中,预处理采用小波平均阈值法,特征提取采用灰度共生矩阵法,目标识别采用BP神经网络分类器,实验识别率达在90% 以上.     

基于贝叶斯分类器的实时图像目标识别实验研究

基于对不完全朴素贝叶斯分类器的分析,提出一种离线训练在线识别的目标图像识别与跟踪实验方法。实验将模板图像与目标实时图像之间的特征匹配问题转换为特征分类问题,并在成像自寻的导引系统上运行。实验结果表明,该方法在保持很高鲁棒性的同时,大幅减少在线目标识别的计算量,具有较强的实时性。     

基于隐Markov模型的雷达目标识别技术研究

该文首先提出了非相干平均、多分辨率分解、富氏变换的特征提取方法；然后用隐Ｍａｒｋｏｖ模型来描述、识别基于一维像的特征序列。３类ＩＳＡＲ飞机目标的实测数据用验证上述方法的效性，取得了９９．３３％的识别率。     

一种基于列扫描灰度差异的快速目标识别定位算法

以动态连续图像的实时识别与定位为应用背景,提出了一种简单的快速的目标识别定位算法,该算法以列扫描灰度特征差异为基础,同时研究了灰度峰谷点的特征,使该算法不仅可以快速地识别出简单的目标,而且可以快速地识别出比较复杂的目标,最后通过一系列的实验验证了该算法的快速性。     

基于峰谷点特征的红外目标自动识别方法

研究了红外目标图像峰谷点特征提取的方法,提出了一种目标识别相似性度量准则,证明了这种相似性度量在尺度和小角度旋转等变化情况下的不变性,并在此基础上提出了一种基于目标峰谷点特征的自动目标识别算法．真实场景下长波红外目标图像实验证明了该算法的正确性和有效性．     

基于差分最小二乘支持向量机的目标识别研究

目标识别是目前机器视觉、图像处理和模式识别领域的研究热点之一,广泛应用于各行各业。最小二乘支持向量机算法简便、速度快、精度高,是当前目标识别的主流算法之一。针对最小二乘支持向量机的参数难以确定,仅靠传统经验试凑的方法不易实现,且结果不理想;提出一种改进的差分进化算法实现最小二乘支持向量机的参数整定。通过改进变异策略,引入早熟判断机制,遏制了传统算法早熟收敛的问题。通过实验仿真,验证了改进算法可跳出局部最优点,结果比传统算法更优。以SM-TMSSY光电伺服跟踪转台为实验平台进行实例验证,证明了改进算法收敛速度快、精度高,正确识别率可从85%提高到92.5%,验证了算法的优越性。     

复杂岩性地区岩性识别与储层预测

中国陆相地层岩性成分较为复杂,岩性波阻抗值常呈多极分布。水动能强度的急剧变化、高频率的水进水退等沉积背景造成了薄互层广泛发育的特点。储层间干涉现象普遍存在,直接影响到地震岩性解释的精度。针对复杂岩性地区岩性–波阻抗关系复杂的特点,系统分析了造成传统地震储层预测方法解释误差的原因。根据复杂岩性的地球物理响应特点,选取对区分复杂岩性敏感的测井参数。同时,将90°相位化地震数据作为测井参数反演的相对波阻抗约束数据体。研究结果表明,该方法对复杂岩性进行了有效的区分,达到了精细描述复杂岩性地区储层空间发育及平面展布特点的目的。     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

一种自动目标识别算法参数的优化方法

提出了一种基于试验设计方法学的响应曲面模型方法，用于建立算法的性能模型．将一种小群体自组织的遗传算法用于算法参数的优化．遗传算法的改进，使得结构更加合理简单，收敛速度明显加快．实验结果表明，所提出的方法能够随着场景条件的变化较好地调整算法参数，从而有效地提高了算法性能．     

一种舰艇防御的目标自动识别算法

研究利用航迹分析方法识别飞航式反舰导弹的滤波器后处理技术,并且导出了基于IF…THEN规则和基于模糊映射的反舰导弹识别判据,在此基础上对这两种识别判据的性能进行了分析对比,这种反舰导弹识别算法利用回归分析和识别判据提取飞航式反舰导弹的航迹特征,给出速度和高度参数,从而断定目标类型,为拦截系统提供参考信息,仿真结果表明,该算法能有效提取目标运动学参数等目标识别信息。     

基于深度学习神经网络的SAR图像目标识别算法

提出了一种有效的SAR图像目标识别新方法。首先采用改进后的增强Lee滤波和HOG变换对SAR图像进行特征提取,然后通过层叠RBM和GRNN相结合的混合神经网络对SAR图像进行目标分割和目标识别。利用测试图像库的MATLAB算法仿真,结果表明该方法可以明显提高目标识别率,正确率可以达到97%。     

基于极化不变量的谐波雷达导引头目标识别算法

为解决基于目标谐波散射系数的FFT识别算法无法有效识别目标全弹道谐波散射特性的问题,采用了基于极化不变量的目标识别算法.根据目标的半导体模型拟合出目标的谐波散射系数,用卡尔曼滤波器对谐波散射系数进行估计.将估计结果作为酉矩阵的对角元素,建立了目标谐波极化散射矩阵及与其对应的功率矩阵,通过就不同的目标进行谐波散射极化计算得到了仿真结果.结果表明,与基于目标谐波散射系数的FFT识别算法相比,目标谐波极化散射矩阵行列式的值及功率矩阵的迹能反映出目标的全弹道谐波散射特性,二者可以作为有效的目标识别特征量.      

移动机器人门牌号识别算法研究

以门牌号为对象，利用现代图像处理技术，研究移动机器人门牌号识别算法．将彩色图像转换成R-G图像，利用正交投影获得了门牌号定位．基于大津阈值分割方法，提出了图像二值化阈值选择算法．针对细化后的二值图像，综合利用端点、叉点、欧拉数和端点斜率，提出了门牌号识别算法．仿真结果证明了所提算法的有效性。