基于光照模糊相似融合不变矩的航天器目标识别

针对航天器目标识别中现有的光照变化和图像模糊条件下几何仿射不变矩识别不稳健问题,根据灰度光照模型,结合图像模糊和不变矩的基本理论,提出了一种光照模糊不变量,与几何仿射不变矩进行融合,构建出一种新的光照模糊相似融合（CIBA）不变矩,并从理论上证明了光照、模糊和相似变换（平移、缩放和旋转）不变性。对3种不同的航天器目标的识别实验表明,光照模糊相似融合不变矩在最小距离分类器中的识别准确率达到了86.37%,比几何仿射不变矩提高了94.00%,比具有光照不变性的几何仿射不变矩提高了24.54%,有效地解决了对不同位姿、不同光照模糊条件下的航天器目标识别问题,提高了基于矩的目标识别鲁棒性。     

基于仿射不变矩特征的舰船图像识别方法

获取舰船图像会受到视角影响,产生仿射变换。文章研究了矩特征的平移、旋转、尺度不变性和仿射变换的性质,进一步构造了仿射不变矩。首先,提取舰船图像的封闭轮廓;然后,计算仿射不变矩作为识别的特征库。通过计算待识别图像仿射不变矩与特征库特征的相关系数进行舰船类型识别,通过仿真数据证明仿射不变矩具有良好的识别性,最大相对误差小于...     

基于组合不变矩与神经网络的卫星目标识别

首先介绍了Hu提出的不变矩和Jan Flusser提出的仿射不变矩,在不增加特征向量维数的前提下,将不变矩的部分分量与仿射不变矩组合成新的特征向量——组合不变矩。利用组合不变矩提取图像中的不变特征向量,并结合基于人工神经网络的分类器,较好的实现了对卫星目标的分类识别。     

高斯模糊下舰船图像的矩特征

针对舰船目标图像受到自身运动、环境和图像预处理的影响出现模糊,丢失轮廓信息,造成像素点阵模糊和矩特征变化的问题,在高斯模糊低阶矩特征分析的基础上,提出并证明了Hu矩、仿射不变矩特征在高斯模糊作用下的变化定理;通过2个仿真实验验证了定理的正确性;为了保证舰船目标的识别效率,提出了建立多尺度特征库的建议。     

固体发动机CT检测中的一种缺陷识别方法

提出一种图像不变矩法和直方图分析法相结合的缺陷识别方法.首先,利用图像不变矩方法,通过形状识别,将裂缝从固体发动机缺陷中提取出来;然后,利用直方图分析法,计算出气泡和夹渣像素值所在的灰度区间,将气泡和夹渣区分.从而实现固体发动机缺陷的自动分类识别,解决了现有技术中通过人工判决缺陷而导致的识别效率低、准确性差的问题,保证了固体发动机的性能.      

彩色车牌图像的多阈值分割方法

彩色图像的颜色是图像分析的重要特征信息,颜色特征的提取是图像分析的重要步骤,但彩色图像为多维空间信息且可能涉及的是多种颜色特征。文章介绍了采用多阈值分割方法,将多种感兴趣的颜色信息转化为灰度图像,在同一个灰度图像中对应多种彩色信息,对各种不同颜色信息方便处理。通过200幅实测车辆图像使用彩色图像的多阈值分割方法进行车牌定位试验,准确率为98%。     

基于小波变换和不变矩的车标识别方法

形状特征是目标识别的重要参数,小波变换的低频部分代表物体的总体形状特征,而图像中的噪声主要分布于高频部分。根据这一特征,利用小波变换消除噪声提取目标形状,进而利用特征不变矩距离进行分类,实现目标识别,将该方法应用在实测车标图像的识别中,结果表明识别效果较好。     

基于SIFT和仿射变换的航空器起飞图像跟踪方法

针对机场监视的需要,结合航空器起飞特征,研究了尺度不变特征变换( SIFT)算法和仿射变换模型,在对图像进行灰度图像序列处理的基础上,提出了将SIFT特征点跟踪与仿射变换相结合对航空器起飞信息识别、跟踪的方法。以滨海国际机场的一个起飞过程为例,对图像序列进行了运动目标识别和帧间特征点的匹配,验证了方法的可行性,为机场航空器的起飞跟踪方法提供参考。     

一种三维物体的视觉识别方法研究

研究了一种利用二维图像识别三维物体的方法。通过颜色特征提取物体的有效区域．使用链码描述了区域中三维物体的形状特征，并形成物体的形状特征向量。将该特征向量作为所设计的BP神经网络的输入进行物体匹配识别，网络输出为属于某种物体的隶属度。通过在各种光照环境下不同三维物体的二维彩色图像进行实验，证明了所提出方法的有效性。     

基于RVCF的大视角差异图像匹配方法

文章针对 SIFT算法对大视角变化图像匹配效果差的问题,提出一种改进的 SIFT算法——抗视角变化特征 提摘取算法(Resistance to Viewpoint Change Feature,RVCF)。首先,利用最大稳定极值区域(MSER)算法提取图像中 的仿射不变特征区域；然后,利用协方差矩阵将 MSER检测出的椭圆区域转化成符合尺度空间条件的圆形区域；最 后,利用 SIFT算法对获得的圆形区域进行仿射不变特征的提取与匹配。实验结果表明:RVCF算法能够在大的视 角和尺度变化下成功实现图像间的匹配。     

三维模型在SAR图像自动目标识别中的应用

提高高分辨率SAR图像在复杂战场环境中的目标识别能力,对防御未来战争中来自地面目标的威胁具有重要意义。针对地面特定目标的大小、方位、旋转等变化以及强杂波背景给目标识别带来的严重影响,提出将目标的三维模型投影到二维平面,采用余弦傅里叶矩和瑞利分布的CFAR检测方法分别对其矩特征和峰值特征进行提取,利用级联组合分类器对目标识别进行建模分析,并通过试验验证该方法的有效性。结果表明:该方法实现了在特征维数高和姿态变化下的目标识别,而且无需额外增加对制导控制系统的开销。     

基于仿射变换的飞机图像的识别

 先基于细胞神经网络提取飞机图像轮廓,再用基于仿射变换方法对多种飞机的轮廓图像做不变特征的提取,把多种飞机的不变特征放在数据库中。进行飞机类型识别时先计算实时图像中飞机(目标) 的不变特征,然后与数据库中的每个不变特征做相关运算,即可识别飞机的型号。     

基于改进SIFT的高鲁棒性特征点提取方法

为实现无人作战飞机(UCAV)认知导航的高鲁棒性特征点提取,提出一种基于自适应非极大值抑制(ANMS)的多元量化Hessian-Affine迭代式尺度不变特征变换(SIFT)方法。针对认知导航对特征点均匀分布的需求,提出基于ANMS的初始特征点优选算法。为确保特征点的仿射不变性,利用引入迭代调节因子的Hessian-Affine迭代算法估计仿射不变区域,并在对应归一化圆形区域进行主方向确定以及圆形描述子生成。针对模拟特征序列分布不均匀、正确匹配率不高的缺陷,采用多值量化与比特抽取结合法对模拟特征序列进行多元量化,并且分析验证了该方法的优越性能。仿真结果表明,本文方法具有较高的正确匹配率,具有旋转不变性和尺度不变性,其抗噪性能提高了10 dB,并且在大视角变化范围内具有较优的抗仿射性能。     

信息融合图像识别算法及其在三维飞机图像识别中的应用研究

将D S证据推理与不变矩理论相结合,提出了信息融合图像识别算法,并应用于三维飞机图像的识别。构造了基本置信指派函数,建立了分类规则,针对Dempster组合规则只适用于高置信度、低冲突性的情况,应用可解决证据冲突的加权分配冲突法及吸收法,完成了三维飞机图像识别的仿真,比较了3种组合规则的识别效果,结果表明吸收法识别率最高。     

基于合作目标和视觉的无人飞行器全天候自动着陆导引关键技术

 GPS受他国控制和易受干扰对基于该导航系统的无人飞行器导航和着陆具有潜在危险,为了使其安全自动着陆,提出通过在着陆跑道(广场或公路)上预设具有受控发射红外光的地面合作目标,实现无人飞行器的视觉全天候自动精确着陆新技术。首先研究得到切实可行的工作过程;然后研制了合作目标,通过理论分析和实验得出,无论能见度高低,8~12 μm中远红外视觉系统探测到的合作目标图像质量远优于可见光视觉系统,研究得到合作目标和背景的温差在170~200 ℃时,成像效果最好。在识别研究中发现,基于传统的不变矩算法对合作目标的识别可靠性稍差,为了进一步准确地识别合作目标,又提出了基于方向链码的合作目标识别算法,该方法的耗时为不变距的96%,但是识别的可靠性比前者有显著提高。