银行印鉴的模糊识别方法

印鉴的计算机自动识别在金融电子化进程中是一个关键问题，也是一项十分难以解决的课题，目前国内外已提出了一些算法，但仍然在存在若干未能解决的问题，本文结合遗传算法，图像分析，模糊识别等方法，提出了一套完整的印鉴识别方法，能适应不同形状，大小的印鉴，配准精度高，特征提取较为全面，有效，分类准确，且能较好的消除背景干扰，基本达到实用要求。     

数字图像条纹检测——极值判别方法

本文针对一般情况下的条纹图像提出了极值判别条纹检测方法,可以用来解决图像处理和模式识别中的条纹特征抽取问题。在图像测量领域中,往往需要对各类条纹图像进行判读处理,也存在条纹特征抽取问题。文中,在极值线定义的基础上,分析得出一整套极值检测判据,并用高阶混合极值检测判据实现了算法,对时间平均法激光全息测振干涉条纹图像进行了判读处理,取得了很好的效果。     

基于2DPCA的金属断口图像识别方法研究

针对PCA在金属断口图像处理中容易引发的维数灾难问题,提出了一种基于2DPCA的金属断口图像识别方法研究。在提出的方法中,2DPCA以最大化类间散度为准则,其协方差矩阵由原始图像矩阵直接构造。同时将提出的方法与基于PCA识别方法相比较。由实验结果可知:本文提出的识别方法计算量小且识别率也高于PCA识别方法。另外,选取合适的特征空间维数十分重要。当选取特征空间维数过小时,图像信息不完善,识别率低,而当特征空间维数过大时,图像信息冗余,计算量会加大。     

基于无监督学习视觉特征的深度聚类方法

基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器（Convolutional auto-encoder with an asymmetric structure, ASCAE）的学习视觉特征的深度聚类方法,其中非对称结构的卷积自编码器用于学习特征表示,然后使用K-means算法对特征数据进行聚类分析。为进一步提高特征表示能力,ASCAE方法的网络采用变步长的卷积层和全连接的重构误差正则约束网络的重构误差。在7个公开图像集上的实验结果表明该网络有很好的特征表示能力,并且使得K-means算法能提供很好的聚类结果。在COIL-20和MNIST图像集上,聚类方法ASCAE的聚类精度分别为0.754和0.918,优于同类型的4种深度聚类方法（AEC、IEC、DEC和DEN）。     

复杂背景下磨粒显微图像分割

针对DMAS系统中复杂背景下磨粒图像的自动分割问题，根据磨粒图像的相关特征，充分利用领域知识，基于图像分割和边界跟踪的思想，选取了适合磨粒图像分割的最大类间方差阈值法，并结合腐蚀、膨胀等图像处理技术，实现了复杂背景下磨粒图像的有效分割和目标提取。最后算例表明了本方法的简洁有效性。本文研究将对进一步展开磨粒识别和机械设备故障诊断研究工作提供前提和依据。     

基于ARG模型识别局部被遮挡物体

在计算机视觉中，局部被遮挡物体的识别有着重要的意义。本文提出了一种基于ARG（关系属性图）模型识别局部被遮挡物体的新算法。由于关系属性图对图像遮挡、噪音或者二维几何引起的变形都是稳定的，所以用ARG模型能够识别那些由于局部被遮挡或其它原因引起的丢失特征的物体。该算法如下：首先，根据模型和图像特征之间的局部和整体的对应性约束，在图像中选出有限数量的侯选子图。其次，基于在关系向量空间中的误差分析，使用投票方案对丢失的特征进行迭代检测，丢失的特征全部被检测出后即可进行匹配。最后用实例进行了验证，结果表明该算法是有效的。     

一种基于逼近信噪比的SAR图像质量评估方法

提出了一种基于修正逼近信噪比的合成孔径雷达(SAR)图像质量评估方法，结合SAR图像信噪比提出了逼近信噪比概念。首先选择对乘性噪声有较好滤波效果的自适应维纳滤波器对SAR图像滤波，然后人为对SAR图像降质，通过最小二乘法拟合曲线修正逼近信噪比来逼近图像的真实信噪比作为衡量SAR图像质量的指标。该方法无需原始图像作参考．适用于乘性噪声的SAR图像评估。仿真试验结果表明，该指标与峰值信噪比RPSN基本符合，比较准确地反映SAR图像的质量，符合人眼视觉特征，可作为评价SAR图像质量的一种指标。     

一种基于时间差分运动检测的改进方法

本文提出了一种基于时间差分运动检测的改进方法。首先计算时间上连续的两帧灰度图像的差分图像；然后，将得到的差分图像通过低通滤波和二值化处理；最后，利用图像序列中的多帧灰度图像计算得到一组二值图像，通过对二值图像进行像素的算术运算，提取出运动目标区域。实验结果表明：这种方法是有效的。     

基于FLICM与几何特征组合的缺陷识别算法

针对边缘模糊、对比度低的缺陷图像,采用传统模糊聚类方法容易引起目标聚类错误,阻碍了缺陷特征参数的提取精度,从而引发了缺陷错误分类和降低了缺陷识别率。为此,本文提出了一种新颖的基于FLICM与几何特征组合的图像缺陷识别算法。首先采用FLICM模型分割缺陷图像,以获取图像缺陷区域;其次提取图像缺陷的多类几何特征;最后采用几何特征的参数变量组合识别缺陷目标。实验结果表明该模型提高了疏松、夹杂、裂纹、分层、窜层、气孔缺陷识别率。     

基于形态学的SAR图像相干斑抑制算法的改进

在抑制相干斑噪声的同时应尽量保持图像的边缘和纹理特征。基于数学形态学方法的几何滤波算法在有效去除相干斑的同时，能较好地保留图像的边缘特征，但是运算量较大，处理速度较慢，将不利于数据的实时处理。为了克服此缺点，本文应用形态学中平滑方法对该算法作了改进。并对真实SAR图像进行处理并与几何滤波算法及Lee滤波算法处理结果作比较。结果验证了改进算法与几何滤波算法相比在达到同样的处理效果的情况下．减少了一半以上的运算量，大大地缩短了处理时间。     

基于树形小波变换的断口图像识别

断口图像的识别是进行失效分析的一个重要组成部分,本文提出一种基于小波的断口识别方法,该方法采用树形小波对金属断口图像进行二级小波变换,剔除近似分量,对其余的各个频带输出的标准差作为断口识别的特征,并采用最小距离分类法进行分类,实验证明,此方法对细节丰富的断口的识别率很高。     

基于前向神经网络的与内容无关的笔迹鉴别

与内容无关的笔迹鉴别是属于图象处理和模式识别领域的一项课题，有着广泛的实用前景。本文提出了一种基于前向神经网络的与内容无关的笔迹鉴别的方法。文中讨论了提取笔迹灰度图象特征和用前向神经网络分类器进行两大问题。对笔迹灰度图提取了3大类18个灰度特征，面前向神经网络分类器由一种新的遗传算法同时优化设计其结构和权重矢量。通过对10人、每人6幅笔迹度图象用18个灰度特征进行鉴别,试验结果显示此方法设计的前向神经网络分类器收敛率高，比常用的最近邻分类器有更高的识别正确率。     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

抗旋转和尺度变化的导航系统图像匹配算法

在惯性导航系统中,定量分析了景象匹配过程中惯性导航系统漂移和无线电气压高度表测量误差对实测图的旋转和尺度所造成的影响,引入了对数极坐标变换.基于图像边缘特征提取,提出了一种结合中心点的4-邻域点共同参与计算的抗旋转和小尺度变化的图像匹配算法,并给出了相应的算法流程.仿真分析表明,在导航系统误差漂移所引起的图像旋转和气压高度表所引起的尺度变化范围内,该算法能满足匹配准确性的要求,并能有效给出系统的定位误差修正信息.     

基于阴影信息的多视角SAR图像识别

传统的SAR图像识别技术主要基于目标的电磁散射特性,而目标阴影信息对SAR图像目标识别具有重要的作用。若能获取同一目标在多个方位角下的多幅SAR图像,可改善目标识别的性能。针对该问题,本文提出了一种基于隐马尔可夫模型及阴影信息的多视角SAR图像识别技术。该技术提取目标阴影形状的链编码作为特征向量,并结合同一目标在不同方位角下的多幅图像的特征向量,生成该目标的特征序列,然后利用HMM对特征序列进行识别。仿真结果表明,该方法可有效实现SAR图像目标识别。     

用于彩色图像分割的有效特征分析(英文)

提出了一种基于分析特征分割贡献的彩色图像分割方法。该方法不受某一特定彩色空间的限制 ,有效特征的确定取决于所设计的特征编码器对被测彩色图像中各种彩色特征的分析结果。该技术不同于以往的分割技术 ,自组织特征映射被用来构造特征编码器 ,使得编码器能自组织地分析不同彩色图像的有效特征。当合适的彩色特征和初始参数给定后 ,模糊聚类技术被用于最后的分割处理。该方法已经应用于不同类型的彩色图像分割处理 ,实验结果说明了该技术明显优于传统的聚类技术。研究表明 ,特征编码为彩色图像分割的自动化和最优化提供了保证。     

移动机器人铣削制孔系统基准检测

结合航空大部件的数字化对接装配需求,设计了一套用于对接面铣削制孔的移动机器人加工系统,并提出具体的加工工艺流程。研究了基于激光轮廓扫描仪的大量散乱点云数据的预处理算法,提出基于栅格法和迭代拟合法的对接面特征提取算法。针对移动机器人加工系统在大场景下的高精度定位问题,提出基于扫描线法和最小二乘法原理的对接基准孔坐标找正算法。通过产品的加工实验验证,对接面铣削和制孔精度满足系统要求的各项技术指标,证明了本文提出的移动机器人铣削制孔系统的装配对接面加工方法能够精确地完成大部件数字化装配任务,对提高装配质量和效率具有重要意义。     

基于多目立体视觉和神经网络标定的表面形貌测量方法研究

针对三维表面形貌的非接触式光学测量是计算机多目立体视觉技术的一项重要应用，但目前还存在相机个数受限、特征点匹配算法复杂与纵向测量精度不够等难题。开发了一种基于多目立体视觉和神经网络标定的表面形貌测量方法，其中包括:使用神经网络完成多目标定与三维重构，在表面投射激光点阵作为图像识别与匹配的特征点，应用蚁群粒子跟踪测速技术进行多相机间相同特征点的匹配。经实验测试，相较于传统基于小孔成像模型进行标定与基于核线约束或互相关算法进行匹配的立体视觉测量系统，所提出的方法可适配具有大光学畸变的场景，能有效提高测量的空间分辨率，深度方向的测量误差在1.0%～2.0%的水平。