基于区域分割的水下目标实时识别系统

提出了一种基于最优阈值分割算法的水下目标自动实时识别系统。该系统首先运用去噪、图像均衡等方法对实时摄取的水下图像进行预处理。然后运用基于遗传算法优化的 Otsu(即大津方法)最优阈值分割算法对所得图像进行区域分割并提取图像的特征向量。最后采用 BP 神经网络对提取的特征向量进行自动分类从而最终确定了水下目标的类型。水槽仿真试验表明该方法能够在恶劣的环境下自动地检测水下目标,而且该方法具有较强的抗光线干扰能力和较高的准确度。     

基于FPGA和CNN的水下目标识别系统

水下智能设备由于功率受限,采集的图像数据无法进行实时处理.考虑现场可编程门阵列(FP-GA)功耗低,计算能力强和灵活性高等特点,基于FPGA的并行性和流水线技术,利用卷积神经网络(CNN)强大的图像处理能力,设计了一个低功耗图像实时识别系统.实验使用三个不同水域的水下视频图像对该系统进行验证.实验结果表明:该系统达到了...     

基于目标不变量的识别方法研究

一、引言不变量理论在80年代末引入计算机视觉领域,1991年召开了不变量在计算机视觉应用方面的国际研讨会。目前,对这一课题的研究引起了国内外学者的极大兴趣。视觉不变量理论的优点在于它对目标形状的描述不受目标物体的姿态、透视投影和摄像机内部参数的影响。同时它可以冗余地表示目标全局结构特征,当发生部分遮挡时,可以从剩余部分计算出表示全局的结构不变信息。     

基于AD73460的红外目标识别系统

介绍了基于数字信号处理器AD73460的红外目标识别系统的组建。该系统主要用于红外目标识别领域，它采用了目前流行的SOC技术，对比传统的红外目标识别系统，该系统的硬件结构简单，系统性能有了很大的提高。本文主要介绍了系统的整体设计思想，以及系统设计中所采用的几个相关技术：系统级SOC技术、数字化锁相技术和直接数字信号合成技术。     

基于矩特征的三维飞机目标识别

利用矩特征可以从二维图像识别三维目标,４阶矩的图像峰值反映了目标的形状,为了使它具有平移、比例和旋转不变性,作者对其进行了归一化处理。文中将未修正的不变矩、修正的不变矩及归一化的４阶矩用于三维飞机目标识别,仿真结果表明归一化的４阶矩和修正的正的不变矩可有效地用于三维目标的识别。     

基于SVM的自动羽绒识别系统

随着羽绒制品日益受到消费者青睐,一些不法商家为牟利而制假事件屡见不鲜,因此,羽绒种类的鉴定成为至关重要的问题,而鹅、鸭绒的识别更是重中之重。目前,对羽绒种类的识别,主要是用显微镜通过人眼观察完成的,但这种方式存在诸多弊端。论文通过对鹅、鸭绒等绒毛结构的分析,运用图像处理以及基于SVM的图像识别技术,用计算机完成了对鹅绒、鸭绒的自动识别。     

基于知识的声目标探测识别系统

被动声目标探测广泛应用于战场目标识别或自动设备的故障探测;通过对声目标的短时信号处理,使用现场可编程门阵列器件的可重构技术对声目标探测识别系统设计;提出通过提取子带Mel倒谱系数(MFCC)参数特征构建声目标信息的知识库,并使用0阶Mel倒谱系数(MFCC0)进行频谱能量分析,找寻信号起止端点,将声目标Mel倒谱系数(MFCC)特征参数映射为二值图像进行模板匹配识别;将声目标识别输出的控制指令传送给工控机或直接输出控制相关的智能系统,实现战场声目标识别或自动设备的声故障探测.     

基于Wollaston棱镜阵列的目标识别系统

针对传统目标识别方法识别率低、受背景环境影响大等问题,设计了一种基于Wollaston棱镜阵列的偏振光谱成像系统.为了有效地探测野外目标的微弱信号,采用了高光通量的光学天线、偏振模块及干涉模块的设计.为了保证实时采集及高稳定性的设计要求,采用了全静态光学器件完成偏振分光及空间光程调制.系统由偏振成像模块与光谱成像模块构成,可实现同一视场内4个偏振方向图像及光谱图像的同时采集,并经图像融合算法重建被测区域的偏振光谱图像.实验在不同测试距离上分别以钢板和某型火炮作为被测目标,分别采用本系统偏振模块与传统非偏振系统进行测试.实验结果显示,偏振目标识别信噪比高、受距离影响小.基于此实验,再将偏振识别图像与光谱识别图像相融合,从而构成偏振光谱图像.与传统目标识别图像相比较,本系统合成图像中目标清晰可见,受背景环境影响小、可探测距离远,具有很高的野外适应性及稳定性.     

基于ARM的嵌入式直升机目标识别系统

设计了一种用于声探测预警的嵌入式直升机目标识别系统。采用嵌入式微处理器S3C44B0X作为系统CPU完成了目标识别平台的设计,在小波包分析法提取直升机特征向量的基础上,训练BP神经网络分类器进行目标分类。实验结果表明,该识别系统对直升机类目标有较高的识别率。     

采用面向对象技术开发图像目标识别系统

该文从软件工程的角度研究了图像目标识别系统开发的问题.文中总结了应用系统开发中存在的一些困难及其原因,提出了利用面向对象技术对识别系统进行分析和设计的思想和方法,并介绍了一个用该方法实现的遥感图像目标识别系统.     

同态滤波在人脸识别中的应用研究

论文首先对人脸识别进行了介绍,通过对人脸识别系统的分析指出预处理在人脸识别中的重要性。然后对已有的人脸识别预处理法作了详细的介绍,并对各种方法进行比较。最后针对光照对人脸图像的影响还提出了同态滤波的方法,在预处理阶段消除光照对人脸图像的影响,实验结果表明,此种方法可以提高识别率。     

基于多智能体框架MAFS的目标识别技术

根据多智能体Agent的自治、协作和分布特性,并基于智能体的思维状态BDI模型,设计了Internet/Intranet支持的多智能体框架MAFS,其中包括MAFS中智能Agent的组成结构、Agent间的协作和通信、智能Agnet的知识表达和Agent计算等;同时提出了绘画式图象分割的策略和网络环境下图象识别的分布式处理思想,并在MAFS上建立了问题求解模型,还进行了桥梁目标识别。实验结果表明,基于多智能体杠架MAFS的目标识别具有高速、有效等优点,且对环境要求不高,并且易实现,从而实现了高速网络体系下的分布式目标处理。     

基于实时视频的人脸识别技术的研究

人脸识别是机器视觉、模式识别等领域的研究热点,具有广阔的应用前景,提出了一种基于实时视频的人脸识别方法,重点介绍了相似度计算,图像二值化,以及人脸识别的编程实现过程,并结合实际图片进行了人脸识别测试,实践结果表明系统效果良好。     

一种新的实时彩色目标分割方法

为实现对视频序列图象中彩色目标的识别与跟踪,提出了一种鲁棒的实时分割方法。它分为象素分类与区域特征提取两过程。在象素分类阶段,把每一个目标象素建模成一个二维高斯模型,定义相应的决策函数,将图象中所有象素点分类成为目标和背景,同时对高斯模型的参数进行在线动态修改,使之对变化的光照条件所引起的彩色畸变具有自适应性。在区域特征提取阶段,对象素分类所形成的二值图象实现行程编码,产生行程编码映射图,在此基础上,采用一种基于树的区域搜索算法计算出区域特征量。文中提出的方法已成功地应用于足球机器人视觉子系统中,取得了良好的效果。     

基于特征区域自动分割的人脸表情识别?

针对目前三维人脸表情区域分割方法复杂、费时问题,提出一种人脸表情区域自动分割方法,通过投影、曲率计算的方法检测人脸的部分特征点,以上述特征点为基础进行人脸表情区域的自动分割。为得到更加丰富的表情特征,结合人脸表情识别编码规则对提取到的特征矩阵进行扩充,利用分类器进行人脸表情的识别。通过对三维人脸表情数据库部分样本的识别结果表明,该方法可以取得较高的识别率。     

一种基于目标分割的实时跟踪方法

为减少颜色相似背景在目标跟踪过程中对跟踪结果的影响,提出一种基于目标分割的实时跟踪方法。利用背景差分的方法进行目标分割,使用目标位置、大小及颜色的特征完成目标状态的更新,对连续帧之间的目标实施匹配跟踪,当2个目标重合分离时采用目标大小、颜色特征实现匹配。实验结果表明,该方法匹配跟踪速度较快、跟踪效果较好。     

基于目标识别与显著性检测的图像场景多对象分割

提出了一种基于目标识别与显著性检测的图像场景多对象分割方法。该方法的步骤包括:在图像训练集上训练语义对象的检测器,用来检测输入图像中对象的位置,标定对象的包围盒;对输入的图像进行过分割处理,得到超像素集合,根据包围盒的位置和超像素的语义概率值计算兴趣区域;在3种稠密尺度上进行场景显著性检测,得到输入图像的显著图;在兴趣区域内计算超像素的邻接关系,形成邻接矩阵,构建条件随机场模型,将多对象分割问题转化成多类别标记问题,每一个对象是一种类别;以每个超像素作为场模型的节点,超像素的邻接关系对应场模型中节点之间的连接关系,将显著性和图像特征转化为节点和边的权重值;利用图割算法,在条件随机场模型上进行优化,迭代终止时得到像素的对象标记结果,从而实现对多个对象的分割。实验结果表明该方法效果较好。     

一种基于漫水填充法的实时彩色目标识别方法

漫水填充法需要人工选择初始种子点.基于漫水填充法的实时彩色目标识别方法,首先通过直方图阈值法实现了初始种子点的自动选取,并设置了去噪邻域窗,以防止不属于目标区域的像素点被选为初始种子点.从初始种子点出发,使用漫水填充法,得到一组互无交集的连通区域及其外接矩形.然后,利用各连通区域外接矩形几何中心之间的距离,对连通区域进行归类.合并属于同一类的所有区域即得到完整的目标区域.实验表明:改进算法能很好地识别颜色特征突出的目标,对光照变化具有较强的鲁棒性,能完成实时彩色目标识别任务,与使用广泛的直方图阈值分割法相比,它能更加准确地对目标进行识别.     

基于改进的阶次规正不变矩小目标识别新方法

提出了一种基于改进的阶次规正不变矩卫星图像小目标识别方法。首先将卫星图像分割成子块,以图像灰度方差描述子块图像特征,应用所提出的子块合并理论进行分类,减少了卫星图像识别的计算量,大大降低了误判率。提出了改进的阶次规正不变矩理论,并将其应用于小目标物体识别中。以改进的阶次规正不变矩特征作为检测模板和待识别小目标图像相似度的测度,有效区分了小目标物体间的较小差别并解决了由噪声所造成的不封闭性问题;同时将GA理论引入图像匹配识别中。实验结果表明：所提方法识别率可达96．67％,该方法的提出对于图像自动识别具有非常重要的现实意义。