基于智能人形识别的港口无人区监控系统关键技术

为改善以人工为主的传统监控系统,在天津港煤码头无人区运用智能视频监控技术进行智能人形识别监控研究.该技术利用优化的方向梯度直方图(Histogram of Oriented Gradient,HOG)算法快速对人体轮廓进行描述;结合基于港口实际场景训练得到的支持向量机分类器,标定出图像中有人的区域.在天津港煤码头无人区的现场实验表明,该技术对一幅320×240像素的图像的检测时间小于200 ms,满足港口监控实时性的要求.对具有复杂背景的监控区域,该技术能够高效地进行人形目标的匹配与识别,从而使安全得到更有效的保障.     

基于稀疏求解的改进PCA方法在SAR目标识别中的应用

针对实际军事情况下车辆目标为非合作目标,提出改进的主成分分析方法（IPCA）。它首先利用稀疏求解方法得到与测试样本最相关的部分训练样本以及它们对测试样本的表示系数。然后结合主成分分析（PCA）得到最优投影矩阵,使投影后不同测试样本能更好地利用训练样本信息进行分类。利用美国运动和静止目标获取与识别数据库中3类目标进行识别实验,结果表明基于改进的PCA方法比传统的PCA方法能够得到更高的识别率,并对稀疏方位角训练样本有更好的鲁棒性。     

高分辨率SAR图像CFAR分割的改进方法

针对传统的基于韦布尔模型的恒虚警检测(CFAR)分割中误差大、精度低的缺点,提出了分割前对特定方向角样本进行垂直中值滤波、分割后采用区域生长滤波的改进方法.最后用区域间对比度和最终测量精度的分割评价准则,与传统CFAR分割和计数滤波的方法进行了比较.对运动和静止目标获取和识别(MSTAR)样本的实验结果表明,改进方法提高了分割精度,分割效果优于传统的CFAR分割方法.     

基于SVM分类器的集装箱箱号识别法

为准确、高效地识别集装箱箱号,提出基于支持向量机(Support Vector Machine,SVM)分类器的集装箱箱号识别法.在对大量箱号图片进行实验并统计各种特征识别率的基础上,经过预处理、箱号定位、字符分割,得到36×22像素大小的二值化图像;提取箱号字符的边界和质心特征、改进的灰度直方图特征以及边缘方向直方图...     

基于卷积注意力和胶囊网络的 SAR少样本目标识别方法

合成孔径雷达( SAR)目标识别在军事和民用领域都具有重要的研究价值。但由于SAR数据获取成本高、样本数目少,传统的卷积神经网络提取目标特征的能力不足,准确率低下。提出结合卷积注意力和胶囊网络的分类模型,利用胶囊网络中的多维向量神经元表示目标更多的特征;同时,考虑到少样本情况下目标特征信息缺乏,为提高神经网络的学习效率,对胶囊网络加入注意力机制,通过学习不同特征的重要程度,引导分类网络重点关注对分类结果贡献大的特征,弱化对分类结果贡献小的特征,提高神经网络的学习效率。针对MSTAR数据集和实测车辆数据集的实验结果表明,该算法的准确率高于传统的卷积神经网络和胶囊网络算法。     

基于卷积神经网络与主动学习的高光谱图像分类

在利用主动学习方法进行高光谱图像分类时，往往存在空-谱特征不能得到有效利用和样本需要进行手动标注的问题。针对这些问题，提出一种结合卷积神经网络的主动学习方法进行高光谱图像分类。该方法首先提取像素的空间邻域组成训练样本，通过卷积神经网络对样本的空间特征和光谱特征进行学习并对数据进行初步分类；然后，基于高光谱图像的空间相似性和光谱相似性，对无标注样本进行标注，并将其加入标注训练集以提高分类器的分类精度。在Salinas、PaviaU和Indian Pines这3个高光谱数据上的实验结果表明，该方法能在较少标注样本的情况下，有效提高高光谱图像的分类精度。     

基于模板匹配和特征匹配的集装箱箱号识别算法

为实现对集装箱箱号的正确识别,提出一种基于模板匹配和特征匹配的识别算法。对采集到的集装箱图像进行预处理,得到改善后的集装箱二值化图像;采用数学形态学操作使字符域连通,计算字符连通域的宽高比得到集装箱箱号区域;利用投影检测方法实现对箱号字符的分割;运用模板匹配算法与特征匹配算法相结合的分类方法对集装箱箱号字符进行识别。该算法用MATLAB进行编程,完成对集装箱箱号的自动定位、分割和识别。提出的方法可正确识别出集装箱箱号,识别率达到93%,识别时间为130～150 ms,可提高码头的工作效率。     

基于机器视觉的交通标志识别研究

在对交通标志识别系统分析的基础上,提出了交通标志检测与识别的方案。系统对采集到的图像灰度化、平滑处理后进行归一化操作,并统一图像尺寸大小,方便特征提取。把处理好的图像进行特征分割,利用HOG算法进行特征提取,采用SVM风险算法,训练数据库实现交通标志有效、自动、快速的分类。最后,采用MATLAB进行图像识别仿真,结果表明,该算法能准确识别检测出标志,并且在保证实时性的前提下,准确率较高。     

掌纹特征提取算法综述

掌纹特征的提取是掌纹识别中最关键的一个环节,特征提取算法的好坏很大程度上决定了系统的识别率和效率的高低．结合近年来发表的文献,按照分析和描述的方式对掌纹的特征提取方法进行了分类,并对主要特征提取算法进行了分析和特性比较,最后总结了掌纹多特征融合方法是未来掌纹特征提取方法进一步的研究方向．     

基于隐马尔可夫模型的人像鉴别算法

提出了基于小波变换和隐马尔可夫模型的人像鉴别算法. 该算法首先对图像进行3级小波分解,然后把3个不同分辨率的低频子图像由小到大排列成树状结构,形成低频小波树. 接着利用独立元分析对每个小波树枝进行去相关、降维,形成特征小波树枝,并把它作为观测向量对隐马尔可夫模型进行训练,把优化的模型参数用于人脸识别. 分析了观测向量维数与识别率的关系,以及状态个数和高斯概率混合成分的个数对识别率的影响,定性描述了隐马尔可夫模型的本质. 在ORL人脸数据库上,同其他四种相关方法进行了比较,实验结果表明,该方法识别率较高,工程上易于应用.     

基于局部特征优化的语音情感识别

情感识别在人机交互领域具有广阔前景。由于情感表达在时间上具有一定的持续性，统计特征更能体现不同情绪语音的差异和动态变化，大多数语音情感识别研究都使用全局特征（如最大值、最小值等），并没有充分挖掘局部特征（如单帧的短时能量、过零率等）中的信息。提出一种基于局部特征优化的方法，对每个情感语音样本做进一步提纯，通过聚类分析对情感特征相对不显著的帧进行过滤，在此基础上进行统计计算和分类，以提高预测的准确率。实验结果表明，基于优化后的样本进行情感分类，3个语料库的平均准确率提高5%~17%。进一步的研究发现这种优化方法可能更适合于语音长度较长的情感识别场景。     

遗传规划在SAR图像识别中的应用

提出一种基于遗传规划的合成孔径雷达图像识别方法.首先提取SAR图像的5种特征作为原始特征,然后利用遗传规划算法在5种原始特征上合成新的特征,最后采用支持向量机进行分类.实验结果表明了算法的有效性.     

基于多角度合成SAR图像的目标识别性能分析

合成孔径雷达（synthetic aperture radar，SAR）在合成孔径累积时间内仅在小范围方位角获取目标的后向散射特性，导致SAR图像对观测方位向的变化极其敏感。通过图像非相干合成方法将不同方位向上的多幅同目标SAR图像合成单幅特征更明显的SAR图像，通过二维主成分分析方法提取特征和k-近邻分类方法实现目标识别。在两组不同数据集上对识别性能进行分析。实验结果表明，多角度SAR的识别率比单一角度更高。多角度SAR对观测平台俯视角的变化具有较强的鲁棒性。     

从“传神写照”到“以形写神”——试析顾恺之的绘画美学观

"传神写照"、"以形写神"是东晋绘画美学家顾恺之提出的两个美学命题。"传神写照"是指在审美构思阶段,要超越现实对象外在的形体束缚,去把握现实对象内在的精神气韵。"以形写神"是指在审美创造阶段,要重视艺术形象之形的刻画,更好地表现艺术形象之神。这两个命题体现了从审美构思活动到审美创造活动的转化关系,是顾恺之在人物绘画的不同阶段对"形"、"神"的审美把握和审美追求。     

基于非负稀疏编码和RBPNN的掌纹图像识别方法

主要探讨了一种新颖的基于非负稀疏编码（NNSC）和径向基概率神经网络（RBPNN）模型的掌纹图像识别方法。使用NNSC算法可以成功地提取掌纹图像的特征,利用RBPNN模型可以有效、快速地实现掌纹图像的分类。与RBFNN和BPNN模型相比,实验结果表明RBPNN模型具有更高的识别率和更好的分类能力。     

基于Gaussian-Hermite矩和HVS的图像质量评价

提出一种基于Gaussian-Hermite矩和人类视觉系统（HVS）特性融合的图像全参考质量评价方法。正交矩在图像处理和模式识别方面有很重要的作用。图像的低阶矩能很好地表征图像的特征，可用于图像质量的准确评价。该方法首先通过计算两幅图像间连续正交矩能量差异获得低阶矩特征；然后，结合HVS的掩盖效应对图像的不同区域分配不同权重；最后，对图像所有分区的连续正交矩能量差进行加权平均得到图像质量分数。在国际通用的图像质量评价数据集中，对所提出的方法进行测试。实验结果对比表明，该方法具有很好的效果。