基于Hough变换的低分辨率雷达目标识别

针对低分辨率雷达目标的识别问题,提出了一种基于Hough变换的特征提取方法.通过对Hough变换后参数空间进行特征定义来描述参数空间灰度图像的纹理分布特点,进而描述图像空间目标的形状特征.文中利用该方法结合径向基函数神经网络对低分辨率雷达船只目标轮廓像进行特征提取并识别,取得了较高的识别率.     

基于傅里叶变换和Hough变换的商标图案倾斜校正

针织物商标图案加工过程中会产生形变,影响纺织品等级和质量。针对商标图案形变检测过程中出现倾斜现象而降低形变测量精度的问题,采用 Hough变换提取商标图案频谱图的旋转角度,以实现图案的倾斜校正。应用结果表明该算法能精确提取商标图案的倾斜角度并进行倾斜校正。算法不改变图案的原始形貌,提高了运行效率。     

基于图像边缘与Hough变换的振动位移测量方法

为了解决振动位移测量场合受限于传感器的安装空间,以及其本身质量对测量精度的影响,课题组提出了一种基于视频图像的振动测量方法,建立了图像边缘检测结果与目标物体位移之间的联系。由于使用经典Canny算法进行图像测量时,其图像边缘会出现不连续或虚假的情况,因此采用图像灰度与Hough变换相结合的方法,提高其测量精度。为验证该方法的有效性,搭建了箱体模型（目标物体）进行振动实验;并将经典Canny算法得出的结果及文中提出的视频图像测量的结果与传感器测得结果进行比较。实验结果表明,提出的方法相比使用经典Canny算法进行图像测量时精度提高了大约12%,且具有测量简单和测量范围灵活等优点。该方法为测量环境受限的场地提供了一种新的思路。     

遥感图像中的军用机场识别算法研究

提出了一种针对遥感图像的军用机场快速识别方法.首先,对图像进行适当的增强处理,并在此基础上使用Hough变换提取出机场的线状几何特征.然后,利用跑道边缘的平行直线特征和跑道边缘与可能机场区域的重叠关系识别出军用机场.本文用真实的遥感图像测试了这种新算法,实验结果表明该方法能够提供准确的识别结果.     

基于SURF和FLANN算法的变电所仪表定位与读数识别

为了实现对变电所指针仪表的自动定位与读数识别,建立了自动图像识别系统,并对采用的SURF、FLANN、累计概率霍夫变换等算法进行研究。首先针对基本SURF算法在目标设备检测中的精度问题,提出了SURF联合FLANN的交叉验证算法。接着,利用透视变换选定目标区域。最后利用LOG变换对目标区域图像进行增强并利用累计概率霍夫变换对仪表指针进行检测。实验结果表明:角度识别检测误差范围小于3%。在保证运算速度的基础上提高了特征匹配精度、指针识别的精度与鲁棒性。     

基于Gabor变换和灰度梯度共生矩阵的人耳识别研究

人耳识别作为一种新兴的生物特征识别技术,具有其自身独特的优势。提出一种基于Gabor变换和灰度梯度共生矩阵的人耳身份识别方法。首先,利用Gabor变换和灰度-梯度共生矩阵融合提取人耳图像的纹理特征,然后采用K-NN分类器对特征进行分类。该方法用USTB人耳图像库做测试。实验结果表明介绍的提取人耳图像的纹理融合特征的方法优于只采用Gabor变换提取特征或是只提取灰度梯度共生矩阵的二次统计特征的性能。在明氏距离测度及K=1时,交叉验证识别率达到81.77%。     

多特征有序字符串的Joint变换识别

本文就Joint变换用于特征识别问题作了进一步的分析研究,首次讨论了多特征有序字符串的Joint变换识别,求得了这类问题的数学模型,给出了实验研究的结果,证明了t个有序特征字符串的识别,可以在Joint变换相关运算系统的输出平面上,通过对确定位置的t重重叠自相关的检测来实现,为多特征信号的识别工作提供了有益依据。     

用时空能量图和小波变换方法表征和识别步态

该文提出一种基于时空能量图和小波变换的步态特征表达和步态识别方法,步态特征由时空能量图经过小波变换后来表示,不必进行严格的时间配准或步态周期的定位。时空能量图将一个序列的多帧图像用一幅灰度图替代,集成了人的运动信息中时间与空间变化的特点,减少了特征的数据量,经证明,时空能量图对噪声不敏感。实验结果表明该算法具有较好的识别性能和较低的空间需求和计算量。     

基于视觉识别的中小企业产品形象构建

从产品形象相关研究的角度出发,使用视觉识别实验的方法,观察记录用户对产品某一特征变化的反应,通过用 户识别差异性分析,寻找用户的敏感特征单元作为产品的识别单元。研究期望为具体企业产品差异性设计及产品形象 的构建提供参考。     

基于Curvelet变换的多聚焦图像融合算法

曲波变换是近几年发展的多尺度分析方法,它比小波更适于分析图像中的曲线边缘特性,利用这一特性,本文提出了一种基于Curvelet变换的多聚焦图像融合算法.实验结果表明,该算法融合效果优于小波变换等其他传统图像融合算法.     

运用核Fisher鉴别分析和MPM分类器的入侵检测

为了提高分类器的正确率和减少训练时间,将特征提取技术与分类算法结合,提出了一种基于核Fisher鉴别分析和最小极大概率机算法的入侵检测算法。利用核Fisher鉴别分析技术提取关键特征,运用最小极大概率机对提取特征后的数据进行分类,采用离线数据集KDDCUP99进行实验。实验结果表明,该算法是可行和有效的,使分类性能和训练时间都得到了提高。     

二维小波变换在虹膜特征提取中的应用研究

本文提出了一种采用canny变换来提取虹膜特征,并用小波神经网络来进行分类的虹膜检测识别的新方法。该方法结合了小波神经网络作为一种新的分类方法,它很好地改进了识别精度,同时提高了系统的性能。一个简洁并且能快速训练的算子Adaboost也将在小波神经网络中给出介绍。实验结果表明,应用该算子进行分类识别时,识别率为100%,该方法具有很高效的可行性。     

使用小波变换的图像边缘检测算法

描述了一种新的图像特征提取方法。它基于小波变换的多尺度方法。这种方法通过对二进尺度下图像小波变换局部极大值的检测提取图像边缘特征。文中给出了图像特征提取的实例。     

基于小波变换的机织物高密度检测

针对目前高密度机织物密度自动检测算法测量精度较低的现象,提出在三原组织织物密度自动检测过程中,利用小波变换的分解与重构特性分析预处理后的织物图像,对分解的子图像进行二值化、平滑处理来提取纱线周期性特征 参数,统计二值图像中黑白循环更替次数来确定织物经纬密度。为提高密度检测精度,采用分区域平滑减小了斜纹纹路的影响;通过缎纹织物图像反面获取纬纱信息消除缎纹组织织物浮长的影响;运用形态学滤波去除因高密度织物上纱线毛羽导致平滑过程中出现的细条块。实验结果表明：该方法检测误约为1.00%,测量精度较高,具有一定的实用参考价值。     

基于Logistic与Fisher的上市公司财务困境判别模型比较研究

以我国股权分置改革后A股制造业公司为研究对象,采用大样本法选取样本,选用财务困境发生前2年内8个季度的财务数据进行分析,对财务困境公司与正常公司的财务指标分别进行Fisher判别分析、线性logistic回归和非线性logistic回归分析。研究结果表明,我国上市公司财务困境发生前2年的季度数据对公司财务困境是否发生具有预测效力;总资产净利润率、营运资金比率和成本费用利润率三个指标对财务困境的预测能力较强;非线性logistic模型的误判率最低,线性logistic模型其次,Fisher模型的误判率最高。     

基于非下采样Contourlet变换和分水岭算法的图像分割方法

图像分割技术在数字图像处理中占有非常重要的地位。提出基于非下采样Contourlet变换的图像分割方法,有效地将非下采样Contourlet变换与数学形态学中的分水岭算法结合起来,既减少了分水岭变换的过分割现象,又有效地保持了图像中的边缘信息。实验结果表明,此方法是可行的,并能得到良好的分割效果。     

基于CCD的瞳孔自动识别方法的设计与实现

研究了从视频流中识别人眼瞳孔并定位瞳孔中心点的问题。基于CCD人眼图像采集平台,图像预处理采用高斯算子进行低通滤波,去除采集过程中的尖锐点。利用Hough算法对瞳孔进行粗定位,利用椭圆拟合的方法,根据瞳孔的平面几何特征,最终达到定位瞳孔的中心点。经过大量的帧图片验证,其系统能够以较高的准确性和较快的速度在帧图片中识别瞳孔边界及定位瞳孔中心。     

基于特征的小波变换与高通滤波相结合的图像融合算法

提出了一种基于多尺度分解的像素图像融合方法,综合考虑图像的边缘特征和小波变换后的系数相关性,对低频分量进行高通滤波,得到低频分量的细节分量并进行融合;在高频区域采用提取图像的边缘和区域能量相结合的方法进行融合.实验结果表明该算法具有很好的融合效果.     

“藏粮于技”战略的演进逻辑与未来取向

“藏粮于技”是粮食安全可持续发展的重大战略。新中国成立以来中国农业技术发展总体服务于粮食安全,经历了以粮食增产、增产提质、增产增效绿色发展为导向的三个阶段。“藏粮于技”战略是马克思农业技术思想和诱致性技术创新理论的中国化实践,是内嵌于不同时代制度框架下的技术创新,丰富了粮食安全实践形式。“藏粮于技”面临技术体系转型、权责框架优化、人才结构更新等新的发展议题。未来要厚筑粮食根基,革新技术体系;统筹顶层设计,压实党政责任;挖掘人才活水,激发内生动力,以实现“藏粮于技”与粮食安全协同发展。