稀疏表示框架下的SAR目标识别

稀疏表示选择最佳线性表示重构信号,可避免合成孔径雷达(SAR)目标识别中的方位角估计难题,同时减轻强相干噪声影响。稀疏字典选择是稀疏表示中的关键问题之一,该文提出分别使用级联方式和并联方式构造稀疏字典实现SAR目标识别。首先对训练样本进行对数归一化处理,使用主成分分析(PCA)特征提取和降维;然后对处理后的数据分别组成级联字典和并联字典,采用截断牛顿内点法(TNIPM)获得目标的稀疏表示;最后,在两种字典的稀疏表示框架下设计分类器对SAR目标识别。通过对比实验,验证了该文的字典构建方式在稀疏表示框架下对SAR目标识别的有效性。     

基于一维距离像的雷达目标识别研究进展

现代高分辨雷达为雷达目标识别提供了新的途径,相应的高分辨一维距离像具有易获取和处理的特点,同时还能够揭示出目标径向结构的分布特性,因而在目标识别领域具有良好的应用前景.文中分析了基于一维距离像的雷达目标识别研究现状,包括一维距离像的模型、距离像特性分析、特征提取方法以及分类器的设计方法等,并且指出了高分辨一维距离像目标识别今后的研究方向.     

最优的核判别分析用于雷达目标识别

特征提取是雷达目标识别研究中的重要问题,有效、稳健的特征是提高识别率的关键。核判别分析(KDA)是一种抽取非线性特征的有效方法,但它会因为奇异性问题而难以求解。基于子空间投影的思想,给出一种最优的核判别分析(OKDA)方法,用于对雷达目标的距离像进行特征提取,然后采用基于核的非线性分类器对所提取的特征进行分类,实现对雷达目标的识别。分别对仿真和实测距离像进行实验,结果表明该方法具有较好的识别效果。     

基于运动特征的分层模糊目标识别

提出了一种基于目标运动特征的空中目标实时分层模糊识别方法.对直升机、固定翼飞机、空地弹及巡航弹等空中目标的运动特性进行了分析,提取目标的高度、速度、加速度、高度变化率和加速度变化率等特征.进行分层目标识别,首先根据加速度、高度变化率和加速度变化率等特征识别出空地弹目标,然后根据高度、速度和加速度特征对目标类别的隶属度和模糊密度,实现直升机、固定翼飞机以及巡航弹目标的实时识别.实验结果表明,该方法计算简单,识别率高.在实际工程应用中取得了良好的效果.     

基于SVM的多类模拟调制方式识别算法

提出了一种基于支持向量机的多类模拟调制方式识别算法。该算法通过分析模拟调制信号的特点,提取有效的特征向量以区分不同的调制方式,并基于支持向量机和判决树分类思想,将特征向量映射到高维空间中加以分类。仿真结果表明:在具有加性带限高斯噪声的环境下,信噪比不小于10dB时,识别正确率大于90%。     

光电传感器CCD与CMOS的原理及应用

随着微机技术向高速度,大容量,多功能方向快速发展,计算机在图形,图象处理领域中得到广泛的应用。数码相机,扫描仪,数字摄像机作为主要的图像输入设备在微机应用中有着十分重要的作用。本文就扫描仪,数码相机,数字摄像机中的主要成像元件,CCD和CMOS光电传感器的原理,结构及应用作一讨论。     

基于梯度矢量流snake与多尺度分析的血管内超声图像轮廓提取

提取血管内超声(IVUS)图像的血管内腔轮廓对冠状动脉疾病的诊断有积极意义。本文提出了一种基于梯度矢量流(GVF)snake与多尺度分析的轮廓提取新方法。针对传统GVF snake的轮廓初始化、抑制噪声和伪像干扰两个难点,本文方法在如下两个方面进行了改进:第一,利用序列图像的特性产生时间方差图并得到初始轮廓,从而实现轮廓提取过程的全自动化;第二,引入多尺度分析,使GVF snake在离散小波变换得到的多尺度图中形变,从而增强了算法的鲁棒性。对仿真图像和实际IVUS图像的实验表明,该方法在轮廓提取的精度方面优于传统的GVF snake方法。     

基于RCS的空间目标识别技术

讨论了利用目标雷达散射截面(RCS)进行空间目标识别的问题.阐明了RCS测量机理,介绍了国内外在利用RCS测量信息进行空间目标姿态判别、尺寸估计及个体识别方面的研究进展,并提出了RCS测量信息在空间目标识别领域的应用方向.     

基于位图一维相关分析的目标识别研究

提取目标的轮廓特征形成一维序列,降低了数据量一个幂级,用快速付氏变换实现其一维相关分析,减少了运算量并提高了识别速度,对FMS中的工件进行自动识别.该方法也适用于交通、军事等其它领域,尤其适用于实时性要求较高、参考样本较多的场合.     

结构和内容联合提取的XML网页分类研究

针对XML网页特点,重点研究了XML文档结构和内容特征的提取方法,提出了一种基于频繁结构层次空间模型的联合特征提取策略,并给出了结构特征权重和关键词出现的位置及频度权重的计算公式,并根据计算结果提取XML网页特征矩阵,分别就结构、内容联合提取三种情况进行分类测试,通过ROSSETA系统,利用粗糙集优越的属性约简构造文本分类系统,实现XML文档分类。实验表明,该方法分类准确度较高,计算量较小。     

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。     

基于环境传感器和穿戴式传感器的行为异常检测

针对独居老人频繁出现行为异常的情况,提出了基于热释电红外传感器和穿戴式传感器的老人行为异常检测系 统。设计了行为异常检测的硬件环境,介绍了红外传感器和穿戴式传感器的工作原理,提出了依据重力加速度所在轴向 检测老人躺下位置是否发生异常的方法,并融合了红外传感器和穿戴式传感器的信息对躺下位置异常进行检测。在1 居室的家庭环境中对位置异常检测的方法进行验证,通过实验的方法验证了算法的可行性,并确定了检测躺下状态的阈 值。系统能有效实现对独居老人是否发生躺下位置异常进行检测。     

手写汉字识别粗分类方法的研究

提出了一种基于汉字结构关系的手写汉字识到粗分类的新方法。该方法以抽取手写汉字基本笔划为基础，利用汉字的结构特征进行粗分类。它不仅算法简单、分类速度快、分类能力强、分类稳定、可靠，而且在分类的同时又能把组成汉字的部件及其笔划随之而分离出来，为用句法结构方法识别手写汉字奠定了基础。这种方法成功地用于在ＰＣ／ＡＴ机上实现的成页手写体（楷书）汉字识别系统中，效果满意。     

基于数字图像处理的癌变细胞识别方法研究

作为图像处理技术与模式识别方法在细胞学的研究与诊断方面的应用,提出了一种新的识别癌细胞的方法,取得了预期的结果。为了提高系统识别癌细胞的稳定性与有效性,我们采用了一种新的细胞分割与分类的分层处理结构,利用细胞的形态学特征检出可疑癌细胞。     

基于二维主分量分析的人耳身份识别研究

有效的特征提取方法是解决人耳身份识别任务的关键之一。以主分量分析(PCA)为代表的线性子空间方法在特征提取工作中得到了广泛应用。为了更有效地提取人耳图像特征并减少运算量,将基于二维图像矩阵的2D PCA方法应用于人耳身份识别。针对三个USTB人耳图像库,采用最近邻分类器,研究了选用不同的特征维数、贡献率,及不同的相似性测度时,2D PCA方法与传统的PCA方法的识别性能。交叉验证的实验结果表明:2D PCA方法较PCA方法获得了更短的训练时间和更高的识别率,说明基于图像矩阵的2D PCA方法是一种效率更高     

基于分数本征特征的手写数字识别

特征提取是手写体数字识别研究中的重要问题,有效、稳定的特征是提高识别率和识别精度的关键。该文提出了一种基于分数本征特征和核非线性分类器的手写数字识别方法,首先找到时频平面的一个轴进行分数傅里叶变换,使不同类别样本在这个轴上最大限度地分开,然后用主元分析进行降维,得到比较稳健的低维特征,再将常用分类器用于特征分类,实现对手写数字的识别。对实际数据进行实验,结果表明上述本征特征与核非线性分类器相结合有较高的识别率和训练、分类效率。     

基于稀疏分解的高分辨雷达信号特征提取

从含噪的目标波形中提取稳健的目标特征,是准确识别目标的关键.通过稀疏分解将高分辨雷达回波信号展开于一个超完备Gabor时频字典上,从具有局部化时频结构的信号中提取相关特征量,并采用改进的混合粒子群算法降低匹配追踪过大计算量的问题.实验表明,使用少数原子就可以表示原信号的主要特征信息,可作为目标识别的依据.     

一种基于小波变换特征提取的集成学习算法

将不同训练数据子集和不同特征子集相结合,提出了一种基于小波变换特征提取的集成学习算法Wavelet-Forests.先随机划分特征集,用小波变换提取特征子集的特征,再用小波系数重构特征集训练基分类器.使用公认的WEKA平台验证了Wavelet-Forests算法的性能,与经典算法Bagging,AdaBoost和Random Forest相比,本文所提算法具有良好的泛化能力.