基于纹理特征的SIFT算法改进

针对SIFT(Scale Invariant Feature Transform)算法中使用固定对比度阈值提出了改进方法。当红外图像纹理特征不明显时,算法所能提取的特征点数量会大量减少,影响后续利用特征点进行如图像匹配、目标识别等处理。而人工改变对比度阈值具有局限性,不适用于很多场合。因此提出了一种基于纹理特征的自适应对比度阈值的SIFT算法。所使用的纹理特征提取方法是灰度共生矩阵,鉴于灰度共生矩阵并不能直接应用的特点,因此提取了特征参数。在图像纹理的特征参数如角二阶矩较大时,调低对比度阈值,使得特征点数量得以提高。此算法经验证表明能够在图像纹理特征不明显的情况下依然提取出大量的SIFT特征点。     

基于GAN和CNN-ELM的监控图像智能修复及检测方法

针对目前石化危险品装车过程中海量监控视频图像人为处理效率低下、模糊图像识别率低等问题,提出一种基于生成式对抗网络(GAN)和卷积神经网络(CNN)与极限学习机(ELM)相结合的监控模糊图像智能修复及检测方法.首先,使用深度学习网络作为 目标检测框架,利用GAN网络中生成器与判别器间的零和博弈对模糊图像进行复原,得到清晰完整的作业图像;其次,利用CNN自适应学习图像特征的能力,对修复后的图像进行自主特征提取;最后,将提取的图像特征输入ELM分类器中进行目标识别与分类,判断作业过程是否存在违规行为.试验结果表明:所提方法图像修复速度快,视觉效果自然,且目标识别准确率高,具有很好的泛化能力.     

一种基于PCNN赋时矩阵的图像去噪新算法

该文从图像脉冲噪声的特点出发,提出了基于脉冲耦合神经网络(Pulse Coupled Neural Networks, PCNN)赋时矩阵的图像去噪算法。赋时矩阵是由PCNN产生的一种从空间图像信息到时间信息的映射图,在图像处理中,赋时矩阵包含有与空间相联系的有用信息。计算机仿真结果表明,通过对PCNN赋时矩阵分析与处理,综合运用相关方法,可以有效地滤除被脉冲噪声污染的图像噪声,且恢复图像的视觉效果明显地好于中值滤波、均值滤波及维纳法得到的结果,其信噪比高、去噪能力强、对边缘和细节的保护性好、适应性强。     

基于小波变换和部分最小二乘的掌纹识别

子空间法作为一种传统的识别方法,识别时基于整幅图像,复杂性比较高,而且没有考虑类别信息.为了降低计算复杂性和在提取数据特征的同时融入类别信息,研究了一种基于小波变换和部分最小二乘(PLS)的掌纹识别算法.在建议的识别方法中,首先通过小波三级分解提取低频子图像,对低频子图像应用PLS提取掌纹特征,然后将样本投影到提取的特征上作为特征向量进行分类识别.应用PolyU掌纹图像库进行实验分析,实验结果表明:与主元分析(PCA)、二维主元分析(2DPCA)和独立主元分析(ICA)相比,该方法的识别率得到了很大的提高,大大减小了误识率和拒识率,验证了该方法的有效性.     

基于加权KPCA和融合极限学习机的人脸识别

针对传统的核主成分分析(KPCA)人脸识别算法的投影变换矩阵未必是最佳鉴别矩阵的问题,提出一种加权核主成分分析(WKPCA)的人脸识别算法。高分辨率人脸图像包含图像的大部分纹理信息,而低分辨率人脸图像体现了图像的大量形状信息,两类图像经WKPCA提取的特征具有一定的互补性,根据此特性将提取的特征融合以实现分类识别。所提算法采用ELM神经网络作为分类器,在ORL人脸库和Yale人脸库上的实验验证了算法的有效性。     

利用曲波变换和局部线性嵌入算法的SAR图像海面油膜特征提取

溢油事故带来的海洋污染问题日益严重,SAR图像快速准确地自动识别为溢油事故的处理和决策支持提供了重要前提。为了获得更高的油膜识别准确率,提出了一种基于曲波变换（Curvelet）和局部线性嵌入（Local Linear Embedding,LLE）算法的SAR图像特征提取方法。首先,利用Curvelet对图像进行分解,选取包含了主要信息的低频分量作为新的图像矩阵;然后,利用LLE进行非线性降维,提取图像分类特征。为了验证提取特征的有效性,所提的Curvelet-LLE算法与PCA、LLE、等距特征映射（Isomap）、Curvelet变换和 Fisher 判别分析(Curvelet-KFD)、Wavelet-LLE等特征提取算法,利用K最近邻和支持向量机分类器分别进行了对比实验。实验结果表明,Curvelet-LLE算法能更有效地提取SAR图像油膜识别的分类鉴别特征,其准确率相对较高,具有较好的实用性。     

基于灰度共生矩阵的海洋溢油识别算法研究

如何通过图像处理和计算机视觉的方法,在可见光范围内,通过提取图像特征以达到分类识别海洋溢油的目的是溢油识别的一种新的尝试和思路。通过提取和优化视频图像的灰度共生矩阵参数特征,结合支持向量机(SVM)模式分类技术,实验并成功开发出具有实用价值的稳定的海洋溢油自动识别系统,验证了在可见光条件下通过视频图像处理技术可以较好地识别海洋溢油的思路。     

结合尺度空间FAST角点检测器和SURF描绘器的图像特征

为了获得能够很好地应用于远距离目标识别且计算快速的图像特征,本文提出了一种结合尺度空间FAST(加速分割试验特征)角点检测器和SURF(加速鲁棒特征)描绘器的新特征算法。SURF算法利用了基于快速海森矩阵的关键点检测算法,容易从图像中快速海森矩阵响应值较高但信息匮乏的边缘区域提取大量关键点,进而导致大量的低独特性特征以及不可忽视的误匹配率;同时,其高斯滤波带来的图像模糊使得算法在远距离目标区域内检测到的关键点数量减少,从而对远距离目标的识别造成困难。针对SURF算法的这些问题,本文方法利用尺度空间FAST算法代替快速海森矩阵,并利用具有良好的独特性的SURF描绘器。该方法能够有效地减少对上述类型的干扰性关键点的提取,对远距离目标的关键点检测的性能相对于快速海森矩阵具有显著优势,且其独特性优于同样使用FAST角点检测器的BRISK特征。实验结果表明,对于带有光照变化、尺度变化和3D视角变化目标,基于本文特征的识别算法的识别正确率高于基于SIFT、SURF和BRISK特征的识别算法;本文特征适用于远程目标识别,同时其计算速度达到了与SURF接近的水平。     

基于QR分解与2DLDA的单样本人脸识别

提出了一种新的基于矩阵的QR分解与2DLDA的单样本人脸识别算法(QR decomposition+2DLDA).利用矩阵的QR分解,将单样本人脸图像进行QR分解后提取有效的部分信息构成虚拟图像,结合原训练图像生成新的训练样本集,应用2DLDA进行特征提取和识别.在ORL人脸数据库上对算法进行了实验,实验结果表明此算法的识别效果不仅优于PCA、SPCA、(PC)2 A、E(PC)2 A算法,而且对于光照、表情等因素具有良好的鲁棒性.     

基于积谱矩阵局部二值模式的欺骗干扰识别

针对跟踪雷达的三种常见欺骗干扰,提出了一种基于积谱矩阵( SPM)局部二值模式( LBP)的识别算法。首先,计算雷达接收信号不同脉冲重复周期( PRI )的积谱,并将其按照频域和慢时域排列成一个二维积谱矩阵。然后,将图像处理的纹理特征引入到欺骗干扰识别的算法中,采用局部二值模式提取二维积谱矩阵的灰度图像特征。最后,通过仿真实验验证了算法的正确性,当雷达接收信号的信噪比( SNR)大于5 dB时,该欺骗干扰识别算法的平均识别概率优于90%。