一种基于模板匹配的目标识别方法

在基于模板的目标识别方法中,模板的精度是一个关键问题。由于合成孔径雷达成像机理的原因,在SAR图像中会出现迎坡缩短、顶底倒置和遮挡等现象。因此,SAR图像中的目标形状与一般光学图像中的不同。在进行模板匹配的过程中,其模板也会有相应的变化。针对该问题提出一种目标识别方法,使用新的模板生成方式,即利用OpenGL技术并根据特定目标模型生成符合SAR图像特征的目标模板,这是一种基于模型的识别方法。使用MSTAR提供的数据对该方法进行验证,试验结果证明了方法的有效性。     

基于边缘检测与最小二乘支持向量机的人脸图像识别

文章建立了完整的人脸识别系统,通过图像预处理、特征提取和识别3个过程,实现了人脸的分类识别;研究了图像预处理过程中的边缘检测方法,比较了基于一阶导数的Robert算子、Prewitt算子、Sobel算子和基于二阶导数的Gauss-Laplacian算子的检测效果□在识别阶段采用最小二乘支持向量机方法,进行人脸识别实验,并对实验结果进行比较。     

火星探测出舱机构的识别定位与坡度测量

为实现火星探测两器分离过程中出舱机构的坡度测量,提出一种基于立体视觉技术的出舱机构识别定位与坡度测量方法。首先,采用特征匹配的方法对场景中的出舱机构进行识别定位。针对巡视器导航相机成像视角变化以及出舱机构倾角变化导致图像产生几何形变,火星表面光照因素的影响以及巡视器硬件的计算能力,并结合出舱机构自身特点,提出一种区域特征与Blob特征相融合的识别定位方法。采用加速鲁棒性特征（SURF）算法检测图像中的局部不变特征,并用最大稳定极值区域（MSER）算法检测图像最稳定极值区域,两种特征相融合之后构造SURF描述算子并进行特征匹配。同时,采用M估计抽样一致性（MSAC）算法计算对应点变换矩阵,实现出舱机构在场景中的初步定位。然后,通过对出舱机构上人工标志的精确定位以及三维重建,并采用主成分分析法进行平面拟合,实现出舱机构的坡度测量。试验结果表明,该方法对成像视角变化以及光照变化具有鲁棒性,提取的有效特征数以及计算时间均优于尺度不变特征变换（SIFT）算法,基本满足火星探测中出舱机构坡度测量要求。     

汉字字元构成分析

本文以汉字演变的轨迹为依据,对汉字的字元构成进行了一些分析,讨论了古汉字与现代汉字中字元的关系以及字元的产生、字元的变异、字元的信息量度量,从而对现代汉字字元的切取、归并等提出了自己的看法。基于这些看法,作者选取了近400个字元对《新华字典)(1981年版)上的近一万个汉字的字元组字频率及字元组成的结构类型作了统计,为汉字识别等技术的研究提供了有益的依据。     

制造技术纵横谈

简述了先进制造技术的基本含义及其与国民经济的关系，重点介绍了机械制造产品的新发展。     

逻辑神经网络非线性可分性的实现

1985年，Aleksander领导的小组所实现的逻辑神经网络（LNN）成功地应用于脸谱实时识别。由于LNN无需学习算法，硬件可实现实时识别能力，在英国颇受工业界重视。然而，LNN存在一个缺陷就是在大模式划分成小的子模式后会造成LNN非线性能力下降甚至消失。针对上述问题，提出了一种在LNN中实现非线性可分性的方法。     

人体染色体计算机自动分析

本文简要介绍了染色体图像的输入和预处理技术,建立了染色体的特征空间以及特征空间之间的距离,从而实现了最小距离法自动识别人体染色体。对染色体的其他识别方法文中也作了简要的讨论,最后给出了满意的实验结果,在临床中可用于优生诊断。     

基于视觉识别的电解加工多孔表面评定方法研究

针对电解加工多孔表面特点,提出表面形貌评价指标,获取多孔表面图像并对其进行预处理,提取腐蚀率、不均匀度、灰度等特征参数,揭示各特征参数与电解加工多孔表面形貌的相关性,并通过实例证明该方法适用于电解加工多孔表面的测量。     

小推力最优轨迹协态估计的高效机器学习方法

针对变比冲小推力轨迹间接优化中的协态变量初值猜测问题,提出了一种基于机器学习的协态变量初值高精度高效估计方法。首先,基于标称最优轨迹延拓,建立了状态量边值高扰动上限情形下的数据集生成方法,并分析了扰动上限对求解效率的影响。然后,构建了基于位置速度、轨道根数和改进春分点轨道根数多形式状态量组合输入的人工神经网络(ANN)映射关系,分析并优化了神经网络结构。将提出的方法应用于深空探测小推力转移场景,仿真结果表明该方法相对于标称轨迹直接扰动的数据集生成方法及单一形式状态量输入的人工神经网络映射方法,均有效地提升了求解收敛率,能够高效高精度地估计协态变量初值,实现轨迹快速优化。     

一种多运动模式下自适应阈值零速修正算法

传统基于微机电惯性测量单元（MEMS-IMU）的惯性导航系统（INS）引入零速修正（ZUPT）算法校正器件的累积误差。但由于ZUPT算法零速判定阈值为固定值,只适合单一运动模式,当室内行人运动轨迹包含多种运动模式时,定位精度下降。对此,提出了一种多运动模式下自适应阈值ZUPT算法。分析了室内行人包括静止、走、跑、上楼和下楼5种运动模式零速判定阈值的选取,实现了利用随机森林（RF）算法对5种运动模式的分类识别,并根据识别结果对ZUPT算法零速判定阈值进行自适应调整。为了验证本文算法的可行性和有效性,利用MATLAB软件平台对实测数据进行处理,并与传统定位算法进行了比较。3组实验结果表明,当室内行人运动轨迹包括多种运动模式时,相比传统固定阈值的ZUPT算法,引入自适应调整阈值的ZUPT算法可使定位算法的定位精度提高73.83%。