基于多特征融合的远距离身份识别研究

在国际反恐背景下,对远距离人的身份进行确认越来越重要。步态和人脸这两种生物互补性质可以考虑他们作为远距离身份识别技术之间的融合。文章先提出步态识别分类方法,基于部件和LBP的人脸识别方法,并在此基础上提出了一种基于多特征融合的远距离身份识别方法。该方法根据被识别物到相机间的距离实时动态调整融合规则。实验结果表明,引入距离权重的融合方法不仅对单一生物特征识别具有良好的表现,而且也好于传统的静态(固定)融合规则。     

基于步态特征的人体身份识别

步态识别是一种新兴的生物特征识别技术,具有广泛的应用前景.首先,给出了步态识别的特点;其次,根据步态序列图像的预处理、特征处理和识别分类三个阶段,阐述了目前所采用的主要技术及各种技术的主要优缺点;最后,提出了步态识别的应用前景和目前存在的主要问题.     

基于局部积分双谱与SVM的雷达目标识别

针对高分辨距离像的特点,应用双谱与SVM研究高分辨雷达目标识别问题。提出了基于局部积分双谱与SVM的雷达目标识别方法。该方法选择具有最强鉴别能力的积分双谱构成局部积分双谱特征,基于局部积分双谱进行距离像特征提取,然后应用支持向量机对提取的特征进行分类识别。利用四种局部积分双谱的目标识别仿真实验结果表明,提出的方法具有良好的分类性能。     

金字塔渐进融合低照度图像增强网络

针对现有低照度图像增强网络对不同尺度特征信息存在感知与表达能力不足的问题,提出金字塔渐进融合低照度图像增强网络模型。网络对图像进行多次下采样操作以组成特征金字塔,通过在特征金字塔的三个不同分支上加入跳跃连接,将不同尺度的特征图进行相互融合。通过精细恢复模块进一步提取精炼信息,将特征图恢复到正常的光照图像。结果表明,该网络模型不但能有效地提升低照度图像的整体亮度,而且能很好地保持图像中的细节信息和清晰的物体边缘轮廓,同时能够有效地抑制图像中的暗部噪声,使增强后的图像整体画面真实自然。     

基于深度时频特征学习的雷达辐射源识别

针对雷达辐射源识别中拓展能力不足和识别率不高问题进行研究,提出一种基于深度时频特征学习的智能识别方法。基于降采样短时傅里叶变换高效提取具备较高辨识度和稳定性的浅层二维时频特征,利用信号局部频域维稀疏性完成降噪等预处理；设计用于深度特征学习与识别的卷积神经网络,并采用不同尺度卷积核组合扩展网络广度,强化特征表征能力；利用高信噪比条件下8种辐射源信号样本对网络进行训练调优,低信噪比样本测试验证算法和网络的有效性。仿真结果表明,该方式在-8 dB信噪比条件下能达到98.31%的整体平均识别率,具备较强的鲁棒性。     

基于B样条的手指静脉结构描述方法*

针对现有手指静脉结构描述方法无法充分描述手指静脉结构中具有显著性和稳健性的线结构的问题,提出一种基于B样条的手指静脉结构描述方法。对于细化后的手指静脉纹路,该方法首先采用线段扫描方式获取各静脉分支上目标点的坐标集合,然后采用B样条曲线拟合各条静脉分支,最后求取各B样条曲线的控制点坐标,用其描述手指静脉的线结构。结果表明,采用本文方法描述手指静脉结构误差小、存储空间占用小,可以有效描述手指静脉线结构,并提高手指静脉的识别率。     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类,但此网络使用BP算法,其误差能量函数是一个不规则的超曲面,容易陷入局部极小值.因此,提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法.该方法能够自动地确定网络的最优结构和联结权值,同时避免网络的局部优化.实验结果表明,将该方法用于被动声纳目标的分类识别,能够有效地克服局部最小问题,具有更好的识别率.     

自组织特征映射网络在目标分类识别中的应用

为了在日趋复杂的空战环境中准确分析出目标的类型,以达到辅助决策之目的,采用自组织特征映射网络来对目标进行分类识别.首先提取影响目标识别的类特征,然后对其预处理.在此基础上建立SOM网络目标识别模型,并利用SOM网络算法实施无监督的自组织学习.在学习的过程中,通过不断调节网络节点间的权向量,来实现目标聚类.最后,通过仿真验证了该方法在目标分类识别中的可行性和实用性.     

手指静脉结构的B样条描述方法

针对现有手指静脉结构描述方法无法充分描述手指静脉结构中具有显著性和稳健性的线结构的问题,提出一种基于B样条的手指静脉结构描述方法。对于细化后的手指静脉纹路,采用线段扫描方式获取各静脉分支上目标点的坐标集合,用B样条曲线拟合各条静脉分支,求取各B样条曲线的控制点坐标,用其描述手指静脉的线结构。结果表明,采用本文方法描述手指静脉结构误差小、存储空间占用小,可以有效描述手指静脉线结构,并提高手指静脉的识别率。     

基于改进连边删除评估法的关键航路段集合识别方法

针对传统连边删除评估方法在识别复杂网络的关键连边集合时,识别结果静态,整体重要性减弱的问题,采用一种"不放回式"的思想对其加以改进,并结合航路网络对该方法进行论证.对目标区域的航路进行复杂网络建模,依次剔除网络中的航路段集合,采用基于多属性决策的方法对网络性能进行综合评估,根据网络性能下降幅度来识别关键航路段集合.以昆...     

舰船复合材料局部结构细节设计方法

由于复合材料结构具有各向异性、组份复杂、可设计变量多等特性,有效的复合材料结构设计应同时考虑整体结构宏观设计和局部结构细节设计,两者虽密切关联,但在分析方法上存在一定差异。对此,将整体结构简化分析与局部结构细节设计联系起来,重点针对局部结构细节设计方法进行探讨,提出了一种细节设计方法。该方法基于子模型与试验工况模型的对比分析,通过局部结构试件试验对整体结构承载特性进行了综合评价。以某型船复合材料甲板室结构设计为例,通过整体简化模型优化分析确定板架构件尺度参量和铺层设计方案;提取典型局部结构承载形变特征要求,并基于子模型分析技术探讨局部结构细节设计;最后,以局部结构试验验证与考核完成整体结构的优化设计。计算结果表明:该方法能在有效控制设计成本的同时,合理开展复合材料结构设计工作,可供研究和设计者参考。     

模糊神经网络的并联结构及其在噪声信号识别中的应用

采用模糊神经网络分类算法,提出了一种模糊网络的组合结构及多种组合算法．通过对辐射噪声信号的分类试验表明,该方法可充分利用多种特征子网络的模糊分类信息,显著地提高了网络的分类能力．     

面向结构洞的指挥控制网络关键节点识别方法

针对目前指挥控制网络关键节点识别方法利用局部信息识别精度低、利用全局信息识别复杂度高的问题,提出了一种面向结构洞的指挥控制网络关键节点识别方法,该方法综合考虑了指挥控制网络结构特征和全局拓扑信息,引入了层级流介数的概念用以计算网络的约束系数。实验分析表明,该方法提高了关键节点识别精度,降低了算法复杂度,更加适用于指挥控制网络关键节点识别的需要。     

基于目标识别的HEVC分割算法优化与实现

为了优化视频信号在复杂网络环境下由于网络拥塞出现的数据丢包等情况,提出了一种基于目标识别的HEVC(high efficiency video coding)分割算法的优化方法,提高了视频编码的压缩效率,并实现了算法在全国产平台上的移植运行。利用深度学习进行目标识别,确定感兴趣区域,再通过指导不同区域采用不同编码单元分割深度,提高整体压缩效率。实验结果表明,该优化方法可以有效提高整体压缩效率,并完成在全国产化平台的运行实现,实现整体技术的自主可控。     

基于子块积分双谱的空间目标识别算法

对于空间目标识别这个具有挑战性的研究课题,提出了基于子块积分双谱的空间目标识别算法.该算法首先从空间目标距离像的双谱中提取出子块积分双谱特征;然后应用KL变换进行特征压缩;最后应用模板匹配方法进行分类识别.计算机仿真实验表明,该算法取得了比较好的识别效果.     

基于贪婪算法的影响网络行动方案优选

针对影响网络中行动方案的优选问题,分析了现有方法存在的不足,提出了一种基于贪婪算法的行动方案优选方法。该方法采用自顶向下的搜索方式,通过分析行动组合对期望效果的整体影响来选择较优的行动方案。并进行实例验证。结果表明,与灵敏度分析法和穷举搜索法相比,该方法能够在较短时间内找到较优的可行行动方案集合,可有效支持行动方案的优选。     

多通道特征级联的人体目标再识别

人体目标再识别是视频监控等应用的关键问题之一,文章从特征级联和组合的角度研究了人体目标再识别问题。分析了局部特征集成(ELF)方法的缺点,研究了多通道特征级联的再识别性能,并将提出的级联特征与其他特征进行了组合,最后在公共图库上进行了广泛的验证和比较实验。实验结果表明,与ELF等其他特征相比,文章提出的多通道级联特征和组合特征可获得相当或更好的人体目标再识别性能。     

基于NNLI技术的齿轮箱故障诊断

将NNLI技术应用到齿轮箱的故障诊断中,提出了基于NNLI的特征提取方法,并将该方法与神经网络结合起来,进一步提出基于NNLI特征提取的神经网络故障诊断方法,给出了两种不同的网络分类器,通过齿轮箱故障诊断实例验证了该方法的有效性。     

基于D-S证据理论的多特征数据融合算法

Dempster-Shafer证据理论是不确定推理的一种重要方法,提供了一定程度的不确定性,可以指定给相互重叠或互不相容的命题,然后通过Dempster组合规则将不确定性信息在新证据中进行重新分布,该理论在许多方面都得到了广泛的应用.将来自图像传感器的多种图像特征,通过D-S证据理论将这些特征信息进行融合,并应用于目标的识别.实验结果表明D-S证据理论用于多特征数据融合的目标识别算法是有效的,基于该理论的多特征数据融合具有广阔的应用前景.     

融合战术与修正物理特征的空中目标战术类型识别

针对敌方飞行器隐身、伪装技术的日趋成熟,致使我方由侦察设备获取的电磁信号严重变形,特别是物理特征在目标类型识别中的作用日趋减弱的现实问题,提出了一种融合目标战术特征修正物理特征证据的目标战术类型识别方法。该方法从目标战术类型识别的军事需求出发,提出对冲突物理特征证据的阶梯式修正规则,以及对冲突证据折扣因子的优化方法,并将修正后的证据重新组合得到识别结果。仿真实例证明该方法在处理目标冲突物理特征证据时具有高准确率的特点。该方法为复杂环境下的目标战术类型识别问题提供一种新的解决思路。