基于形状特征小波分解的目标识别方法

形状特征是目标识别的重要参数,而小波变换的低频部分代表物体的总体形状特征.首先选取SYM小波,利用小波变换的低频系数重构图像提取物体总体形状,进而利用特征不变矩距离进行目标识别。将该方法应用在实测车标图像的识别中,结果表明该方法识别效果较好。     

一种基于特征整合理论的物体识别模型

基于认知科学的研究提出一个新颖的计算模型用于物体识别.特征整合理论为计算模型提供了总体路线.基于最大熵原理构建学习过程,获得必要的先验知识构成认知网络.利用认知网络,将底层的图像特征和高层知识捆绑起来.利用条件随机场的基本概念和原理建模捆绑过程.将计算模型应用于现实世界的物体识别,在标准图像库上进行评估,取得了很好的效果.     

基于SVM/LDA的SAR图像目标鉴别方法

提出一种基于主成分分析和支持向量机与线性判别分析结合算法的合成孔径雷达(synthetic aperture radar,SAR)图像目标鉴别方法. 利用主成分分析算法对SAR图像向量进行降维并提取其全局特征,对降维后的全局特征采用最小类内散度支持向量机算法进行变换,并对变换结果训练生成最佳分类器,进行分类完成目标鉴别. 实验结果表明该方法可以获得较高的分类正确率.     

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。     

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。     

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。     

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。     

裂隙岩体块体几何识别研究

回顾了块体几何识别研究的发展过程,依据模型的空间维数和切割方法将其分为3个阶段,并分类分析了各个阶段的代表性研究成果.从原理、构建、效率和应用等角度对三维块体全空间识别算法进行比较,归纳出块体识别方法的一般数学描述. 指出了当前三维块体全空间识别存在的问题和进一步研究的方向.     

农作物病害危害程度自动测定与分级研究

农作物在生长和发育过程中,经常受到各种因素的影响,导致农作物发生病害。准确、快速的处理与识别植物病害图像,并自动可靠的对其进行危害程度测定是进行农作物病害防治的关键。为此研究了利用分形理论对农作物病变叶片自然纹理图像进行处理,利用BP网络来实现自然纹理图像的分类问题。分析各种不同的特征在分类器中的性能,提出了一种纹理特征性能的比较方法。     

散货作业区人形识别的二级分类方法

鉴于目前散货码头运用智能视频监控系统时,由于不同方向人形的方向梯度直方图(Histogram of Oriented Gradient,HOG)特征存在较大的变化,使得用传统方法训练获得的少量特异性特征不足以支撑人形的有效分类,因此提出一种基于Ada Boost的针对不同姿势HOG特征的二级分类方法.首先将样本快速分为正(背)面人形和侧面人形,组成第一级分类;然后通过分别为两类样本训练子分类器组成第二级分类;第二级分类对人形进行识别,并对结果进行融合.以天津港干散货码头无人作业区为背景,完成一组人形识别实验.实验结果表明,相较于传统方法,该方法对正(背)面人形具有更高的识别率.二级分类方法整体上提高了人形识别的识别率.