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。     

具有几何和光照不变性的不变矩构建研究

为了解决现有的光照变化条件下仿射不变矩识别不稳健的问题,提出了一种归一化光照仿射不变矩,即采用一种光照模型,基于Jan Flusser仿射不变矩,推导出一种归一化光照仿射不变矩,并且从理论上证明了该方法在各种仿射变换下的稳健性,然后通过对比实验验证了该方法在光照强度、方向和颜色改变下的不变性.实验结果表明,与当前主流的光照不变矩方法相比,该方法不仅适合灰度图像也适合彩色图像,在光照方向改变下,图像的倾斜运动中识别度提高了35％;在线性光照强度改变下,图像的倾斜运动中识别度提高了85％;在光照颜色改变下,图像的平移和旋转运动中识别度提高了7.8％;以多种卫星模型图像为实验对象,在光照改变下,彩色图像和灰度图像的识别度平均提高了36％以上,且计算简单,更适合于航天器目标的识别.     

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。     

质量矩再入飞行器的参数优化和性能分析

 为满足模型的有效性和可操作性,提出了以个体为对象的质量矩再入飞行器（MMV）动力学分析方法,即依靠内力和过载等物理量定性分析并设计主要参数后,再写出姿态、滑块完整动力学方程。该方程在保证MMV机动性不变的前提下,降低了系统耦合性;以驱动滑块运动的内力为控制量的简化方程是仿射型非线性方程,与精确方程的状态响应相比迎角偏差在0.01°以内,因此该方法降低了自动驾驶仪的设计难度。     

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。     

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。     

基于核局部保留映射的全视点三维空间目标识别(英文)

空间目标识别在空间探测和空间监视等领域发挥着重要的作用。其中有两个难点:缺少相关数据和目标视点的剧烈变化。为了给空间三维目标的研究提供相关数据,本文首先建立了称为BUAA-SID 1.0的三维卫星图片数据库。基于此图片库,本文提出使用核局部保留映射(KLPP)进行全视点三维空间目标识别。为了得到目标更精确和利于识别的特征描述,我们使用了不变矩特征、傅里叶描述子、区域协方差和梯度方向直方图来建立目标的特征向量。接下来,将相关特征向量映射到核空间并使用KLPP方法进行降维以得到核空间目标特征的子流形。最后,使用K近邻(kNN)方法进行分类。由实验结果可知,本文提出的方法对于主要考虑视点变化情况下的三维空间目标识别具有较好的效果。基于BUAA-SID 1.0的实验结果显示,相关识别率可以达到95.87%。     

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.      

改进的特征匹配雷达视频运动目标跟踪算法

针对密集杂波和复杂多目标情况下,特征匹配跟踪算法定位跟踪精度较低的问题,提出一种改进的特征匹配雷达视频运动目标跟踪算法。首先,从单帧雷达图像检测结果中提取目标的面积、位置、不变矩信息,在运动目标得到判定后,利用卡尔曼滤波的预测位置以及上一帧特征信息进行目标匹配;然后,根据匹配位置和预测位置给出目标估计位置,并进行特征信息更新;最后,输出目标的特征信息、位置信息和运动参数。利用某型导航雷达上采集的实测数据验证了算法的有效性。     

图像匹配技术在航空电子系统中的应用

 本文概述了匹配定位原理、方法及相似度度量、快速搜索、正确匹配概率、预处理、几何失真及其改善等问题,还指出了特征匹配及匹配寻的跟踪等两个值得重视的发展趋势。最后给出了相关匹配技术在组合导航及导引头中应用的结构组成。     

基于序列图像的自动目标识别算法

由于利用单幅二维图像进行三维目标识别存在识别的多义性,提出了一种基于二维序列图像的三维目标自动识别算法。首先以修正的Hu不变矩构造目标的图像识别特征,进而采用BP神经网络分类器构造关于目标融合识别的基本置信指派函数,以神经网络的训练误差构造证据理论不确定性度量,采用基于吸收法的DS证据理论实现高冲突证据的贯序式融合。对各姿态飞机图像识别的仿真表明,该算法对飞机的空间姿态变化具有很强的鲁棒性,能快速地准确识别飞机类型。此外,算法对先验性参数具有一定的鲁棒性。     

动态背景下基于金字塔LK光流的运动目标检测

提出了一种动态背景下基于金字塔LK光流的运动目标检测方法。首先采用Shi-Tomasi角点检测法提取图像的强角点,再用金字塔LK光流法计算下一时刻这些特征点的对应位置,得到匹配的多组特征点对。利用这些特征点对建立仿射变换模型并计算仿射参数,对图像做仿射变换消除背景运动带来的误差,最后用帧间差分法处理得到前景目标。实验结果表明,本方法能够以较好的实时性、稳定地检测和提取动背景下的运动目标。     

一种基于亚像素匹配的高精度视觉定位方法

大多数应用到无人机景象匹配导航中的匹配算法都只能满足像素级精度,且当无人机利用景象匹配定位时图像之间往往存在较大的视觉差异,这种情况下图像匹配精度低且性能会急剧下降。所以选用具有仿射不变特性的特征点进行匹配,结合高斯亚像素拟合原理及特征描述符简化方法,并采用渐进采样一致性(PROSAC)算法剔除误匹配点,最终实现亚像素级的景象匹配定位。实验结果表明,采用此方法可以大大提高图像匹配的精度,提高到0.05像素以内。