快速并行细化算法

本文提出一种快速并行细化算法。细化过程是一个迭代过程。每次迭代分成两个子迭代。算法收敛速度快,细化连续性好,几何畸变小,对二值纹理图像无特殊要求,具有通用性。算法实现巧妙,独特,占用内存少,特别适合小型计算机图像处理系统。该算法在PCvision图像处理系统上实现的效果良好。     

二值图像的自适应窗口边缘检测技术

英国Aleksander等人用RAM网络实现的自适应模式识别系统可以认为是一种逻辑神经网络,本文详细描述了利用这种模型实现的自适应窗口边缘2检测技术,包括模型的理论分析,边缘检测种种的各种实现方法和实验结果。基于这种模型的边缘检测技术的基本思想是:首先对窗口边缘检测技术,包括模型的理论分析,边缘检测的各种实现方法和实验结果。训练一个或多个对目标物体边缘敏感的模式,然后对图像逐点扫描和测试,根据窗口对特定扫描区域的响应实现对边缘的检测。其过程和模式识别中的训练—识别过程相似。文中讨论了“中心块”和“边缘训练”窗口的响应行为以及窗口大小的选择、响应阀值的确定和N元的选用等具体方法。并给出了相应的实验结果。研究表明,这种方法对边缘检测和噪音滤除都具有较好的效果,且硬件容易并行实现。     

基于改进人工神经网络的航天器电信号分类方法

根据航天器系统级电性能测试工作中数据量大、任务繁重的特点,设计了基于人工神经网络的智能分类系统,对原始测试数据进行智能化分类,将非线性的调试经验以数据的形式储备,可在减少测试工作中对人为经验依赖的同时为航天器信号识别快速提供专家知识。考虑到经典的人工神经网络系统有训练时间长和对网络初始权值的依赖程度高等不足,利用主成分分析对数据进行压缩和自动编码技术对网络权值进行初始化。实验数据测试表明:与传统方法相比,本文提出的改进学习系统的分类准确率、稳定性和响应速度均得到显著提高。      

汽车牌照自动识别技术研究

提出了一种汽车牌照的自动识别算法：先对图象进行直方图均衡,平滑去噪,二值化预处理,再根据车牌上文字变化特点快速,准确地从复杂背景中分割车牌最后采用投影－变换系数法取汉字,英文和阿拉伯数字的不同维数的特征,送到相应的ＢＰ神经网络中进行识别,较好地解决了汽车牌照的自动畜产     

应用神经网络的手写体数字识别算法研究

结合程序代码论述了1个手写体数字识别程序的原理。该识别程序应用了神经网络来实现其功能,采用BP网络。主要论及了关于BP网络的3个问题:反向传播算法;提高BP网络收敛速度的算法;以及文中提出的对网络进行修剪以期能改善其推广能力的1种算法。     

模式识别技术在卫星敏感器系统故障检测中的应用

一个长寿命卫星需要有高可靠性和安全性。由于单个元件的寿命期有限,通常利用冗余备份技术。这样就出现了故障检测问题。本文利用统计摸式识别中的wald序贯判决法对卫星敏感器系统进行故障检测。对一个具体的系统模拟表明,这种方法是可行的。     

SAR图像识别提取与选择特征

阐述了SAR图像在模式识别中特征提取与选择的概念、任务和基本原则,结合国内外图像特征提取与选择的最新研究动态,介绍了在SAR图像目标识别中普遍采用的一些特征提取与选择方法,并对提取纹理特征采用的灰值共生矩阵及其统计量进行了研究。     

基于统计特征的稳健的飞机识别

给出了一种用于稳健的高距离分辨率（HRR）雷达飞机识别（ID）的基于统计特征（StaF)的分类器，HRR波形峰特征在飞行中选择，没有对特征的数目与位置作出先验假设。所抽取的特征取决于所观测的波形（使特征的数目、位置与幅度为随机变量）的信息内涵，这项研究的主要目的是通过保持对已知目标的高识别率同时又使未知目标错误最小来提高分类的稳健性。文中给出了识别结果，表明这种统计特征（StaF)分类器可以显著地降低与未知目标相关的误差，同时保持很高的正确分类概率。     

数字图象条纹细化——逐层削取方法

本文提出一种新方法来解决一般性的条纹细化问题,该方法可以广泛地应用于数字图象处理、模式识别、图象测量等技术领域。算法设计中采用了详尽的模块分析方法,所产生的条纹细化计算法非常有效,已经成功应用于激光全息测量——一种图象测量技术。