基于CNN的SAR图像目标和场景分类算法

随着合成孔径雷达（Synthetic Aperture Radar, SAR）成像技术的发展和SAR图像数据的急剧增加,SAR图像解译技术成为了当前的研究热点。针对SAR图像的目标和场景分类问题,提出了一种改进的基于卷积神经网络的图像分类算法。为克服卷积神经网络训练过程中因数据量不足而出现的过拟合问题,采用数据增强人工增加训练样本的大小;针对高层卷积层参数过多的问题,采用一种多尺度卷积模块替代高层的卷积层;在输出层采用卷积和全局均值池化的组合替代传统的全连接层,大幅度减少了网络参数。网络训练阶段,通过误差反向传播来更新网络参数。针对MSTAR数据集和高分辨率的机载SAR图像分别进行目标及场景分类,实验结果表明该算法实现了较好的分类性能。     

一种创新性激光图像三维目标识别算法

针对径向基神经网络在激光图像分类识别中识别率低及训练时间长的问题,提出粗糙集与神经网络相结合的方法,将粗糙集算法简约后的样本特征作为神经网络的前置输入。首先建立不同视点的激光主动成像三维仿真图像,然后提取17个目标特征,并采用粗糙集算法选择分类的属性,从17个特征中筛选出5个影响决策的特征属性,最后选用4层径向基神经网络作为基本的网络结构,并采用在各层节点上与粗糙集相结合方法识别目标。仿真结果表明,结合粗糙集的集成神经网络方法识别正确率保持在80%以上,与未结合粗糙集的神经网络相当,但训练与识别时间缩短10倍以上。     

一种有效的基于边缘图像的机场跑道识别算法

边缘特征是图像的最底层特征,解决好边缘检测问题对多数目标识别系统都有重要的意义.针对机场跑道的直线段特征,提出了一种有效的基于边缘图像的机场跑道识别算法.首先,将方向小波变换用于目标的边缘检测,得到定位准确、边缘完整、冗余信息少的边缘图;然后两次遍历该图,改进Hough变换在提取直线段的同时,获得直线段端点坐标,精确定位出跑道位置.实验结果表明了该算法的有效性和准确性.     

基于图像深度学习的调制识别算法

针对现阶段基于深度学习的调制识别算法中出现的检测效率低下的问题,提出一种高效的调制识别算法—RadioFSDet(Radio Frequency Spectrum Detection)检测算法.RadioFSDet算法利用信号在频谱图上的特征差异,使用目标检测算法YOLOv4检测频谱图上的调制信号.相较于主流的基于深度...     

红外目标识别图像复杂度度量方法综述

红外图像复杂度度量方法不仅可以用于描述目标识别面临的复杂场景变化,而且在红外成像系统性能预测与评估、目标识别算法性能对比、建立和改进目标获取性能模型等方面也有广泛而重要的应用.给定了红外目标识别图像复杂度的定义,对该领域近年来最新出现的和部分经典的度量方法进行系统的归纳总结和对比分析,提出了度量方法选择的依据,指出了现有度量方法的缺点和不足,并指出红外目标识别图像复杂度度量未来将向着融合多种特征或者综合多种度量方法的趋势发展.     

一种优化前馈神经网络算法

神经网络由于其非线性处理能力强，性能稳定等特点得到了广泛应用和研究。主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法（back—propagation简称BP算法）。BP算法存在局部极小点，收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S（W）不能忽略时的Hesse矩阵的近似计算，进而训练网络。     

遗传算法优化神经网络在图像目标识别中的应用研究

针对传统的目标识别方法存在易陷入局部最佳值和识别精度低的问题。提出基于遗传算法优化神经网络的图像目标识别方法,通过灰度共生矩阵运算出图像的纹理特征值,并融合像素灰度值构成分类图像的特征矢量,将特征矢量输入到神经网络中实施训练。神经网络先采用遗传算法获取最佳检索范围,再通过高阶神经网络实施寻优运算,获取最佳的图像目标识别结果。实验结果说明,所提方法在图像目标识别精度和效率方面具有较高的优越性。     

激光雷达中基于组合纹理的低空风切变识别算法

针对不同的风切变在激光雷达图像上所呈现的不同纹理特性,提出了一种组合局部纹理特征和全局纹理特征的识别方法。先分别从激光雷达风切变图像中提取LBP特征和灰度-梯度共生矩阵特征,LBP特征反应图像的局部纹理,代表风场局部风速的变化,灰度-梯度共生矩阵特征反应图像的全局纹理,代表风场全局的风速变化,再通过典型相关分析对两种特征进行融合,最后采用最近邻分类器对三种风切变进行匹配识别。实验结果表明,该算法对三种低空风切变的平均识别率达到99.02%,与三种单一的纹理特征分类识别相比,分别提高了18.86%,5.88%和7.01%。     

基于组织协同进化分类算法的遥感图像目标识别

针对遥感图像目标识别问题,提出了一种基于组织协同进化分类算法的识别方法。它没有复杂的运算,训练和识别速度都很快。对实测遥感图像的实验表明,本文方法性能稳定,优于文献[3]和[4]中基于支撑矢量机的方法,识别率均达到了95％以上,且训练时间非常短,不到1秒钟。     

基于结构特征的遥感图像机场目标识别

提出了一种遥感图像中机场跑道的自动识别方法。在分析机场结构特征的基础上。首先采用形态学方法提取图像的线结构;然后通过非监督聚类方法将直线段动态分组;最后进行直线段修复和跑道配对,实现对机场的识别定位。计算机仿真验证了该方法的有效性。     

基于不变性特征的SVM遥感图像飞机类型识别

根据遥感图像飞机目标的特点,提出一种基于不变性特征的支持向量机(SVM)识别算法。首先结合小波分解进行平移、旋转、缩放不变性特征提取;然后对基于遗传算法(GA)的SVM模型参数选择方法在核函数的选择、搜索空间的确定等方面进行改进,并用改进后的算法实现SVM模型参数选择。对480幅遥感图像进行仿真实验,得到97.56%的正确识别率。与BP神经网络相比,识别率高,验证了算法的有效性。     

一种适用于智能手机的图像识别算法

针对目前常用的图像识别算法运算复杂和内存占用量大,不能很好的应用于移动平台等问题,本文提出了一种适用于智能手机的图像识别算法：首先,通过使用BRISK特征点检测算法提取图像特征和低字节的FREAK描述符对特征进行表述,解决了特征检测时间长和特征描述符内存占用大的问题;其次,将智能手机的重力信息添加到图像特征中改善了BRISK特征的区分能力,解决了相似结构特征难以区分的问题;最后,建立描述符的多级索引,实现相似描述符的快速查找,解决了描述符匹配问题.实验结果表明,本文提出的算法能有效地运行在资源受限的智能手机上实现对场景的实时识别.     

一种用于目标识别的图像融合算法

随着越来越多的装甲车辆装备了红外图像传感设备,使得将可增强战车侦察力的多传感器图像融合技术运用到火控系统的改进中成为一种趋势.针对这一情况,提出了一种基于IHS空间的红外与可见光图像的像素级融合算法.该算法基于IHS空间建立源图像灰度级与色调、饱和度和亮度等与人的感知颜色特征之间的函数关系,通过矩阵转换,得到融合图像的RGB值,可输出显示.实验结果显示:采用该融合算法得到的融合图像目标突出、色彩自然,具有较好的视觉效果,有助于伪装目标的识别.     

基于多尺度注意力CNN的SAR遥感目标识别

目标识别是合成孔径雷达（Synthetic Aperture Radar,SAR）图像解译的重要步骤。鉴于卷积神经网络（Convolutional Neural Network, CNN）在自然图像分类领域表现优越,基于CNN的SAR图像目标识别方法成为了当前的研究热点。SAR图像目标的散射特征往往存在于多个尺度当中,且存在固有的噪声斑,含有冗余信息,因此,SAR图像目标智能识别成为了一项挑战。针对以上问题,本文提出一种多尺度注意力卷积神经网络,结合多尺度特征提取和注意力机制,设计了基于注意力的多尺度残差特征提取模块,实现了高精度的SAR遥感图像目标识别。该方法在MSTAR数据集10类目标识别任务中的总体准确率达到了99.84%,明显优于其他算法。在测试集加入4种型号变体后,10类目标识别任务中的总体准确率达到了99.28%,验证了该方法在复杂情况下的有效性。     

一种适用于指纹识别ASIC的图像旋转算法

研究了指纹图像旋转预处理对基于相关系数原理的自动指纹识别系统(AFIS)的正确识别率的影响，证明指纹图像旋转对确保指纹识别系统的安全性是必要的。进而提出了一种新颖的易于用专用集成电路(ASIC)实现的图像旋转预处理算法。该算法简洁有效，能以较低的硬件实现代价，换取正确识别率的极大提高。实验中实现了该算法，并应用于已有的未做图像旋转预处理的AFIS。实验结果表明，在相同条件下，其正确识别率可提高46．64％。     

基于压缩感知的SAR图像目标识别

提出一种基于压缩感知的合成孔径雷达图像目标识别方法,将目标识别问题转化为稀疏表示的近似求解问题。该方法利用测试样本在全体训练样本基下的稀疏性,实现样本间的近似稀疏表示。通过考察稀疏系数主要集中于样本真实类别之上的分布特性,研究了稀疏系数本身对目标类别具有的可区分能力,最后基于稀疏系数的分布特性设计分类算法完成目标识别。基于MSTAR数据中三类目标的实验证明,与目前已有的几种典型方法相比,该方法可以取得更高的识别率,是一种有效的合成孔径雷达图像目标识别方法。     

一种基于多源遥感图像融合的桥梁目标识别方法

利用桥梁、河流和陆地三者的上下文信息和它们各自在遥感图像上的特征,本文提出了一种基于多源遥感图像融合的典型战略目标桥梁识别方法,能在复杂大幅场景中有效地检测识别桥梁,获得桥梁位置、方向角、长度和宽度等目标参数。     

基于Gabor变换与克隆选择的遥感图像分类算法

提出了一种Gabor变换与克隆选择算法相结合的遥感图像分类算法。该算法首先对遥感图像进行离散Gabor变换,以Gabor变换系数模的平均值作为该图像的纹理特征,然后利用克隆选择算法对纹理特征进行优化,得到最优纹理特征。实验结果表明,该算法要优于传统的Gabor变换分类算法,分类精度和kappa系数都有较大提高。     

遥感图像拼接算法改进

根据中心像元与周围像元之间的临近像元效应,提出了基于动态规划与灰关联分析的最佳拼接线检测算法.首先利用该算法在要进行拼接的图像中找到一条最佳拼接线,然后利用动态宽度的强制改正方法消除拼接缝效应,实现了图像的无缝拼接.为了验证该方法的可行性与有效性,分别以纹理规则、纹理杂乱、不同时相的三组遥感影像进行了实验.研究结果表明,该算法实现简单,达到了较好的视觉效果.