共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
目标识别中Hu矩、Zernike矩和小波矩的比较 总被引:7,自引:0,他引:7
在图像识别中利用矩特征是一种重要的方法。综述了前人使用Hu矩、 Zernike矩和小波矩进行目标识别的研究工作,并比较了它们在具体应用中的特点, 为图像识别算法中目标矩特征的选择提供了一定的依据。 相似文献
3.
主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。 相似文献
4.
为克服图像识别中传统方法需要进行高维矩阵奇异值分解的困难,提出了先局部降维再总体降维的组合变换方法.ORL人脸图像数据库的实验表明,这一方法不仅减少了运算量,而且能较好地解决人脸这样一类复杂的图像识别问题;总体来说优于传统的基于KL变换的识别方法. 相似文献
5.
主成分分析网络(Principal Component Analysis Network,PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。然而PCANet在构建网络卷积核时只关注了图像的主分量信息,忽视了近邻像素点之间的位置关系。而通常情况下,图像的相邻像素点具有空间强相关性,因此利用图结构保持像素点的位置近邻关系更有利于网络提取有效特征。因此,我们将图嵌入思想融入PCANet,提出一种新的图像识别算法Smooth-PCANet。为了验证Smooth-PCANet算法的有效性,我们在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。 相似文献
6.
对离散条件下数字图像矩不变量的旋转和尺度不变性进行分析,证实了图像识别中采用的矩不变量存在较大变化范围.针对矩不变量变化的主要原因,给出了改进方法,并用实验加以验证. 相似文献
7.
介绍了风力发电装置的消防现状,分析了风力发电装置的火灾风险,提出了一套适用于风力发电装置的基于火灾图像识别、光学感烟、吸气式感烟等火灾判据相结合的复合式自动火灾探测报警系统方案,为风力发电装置的消防安全提供有益参考. 相似文献
8.
图像识别技术在射线探伤中的应用 总被引:1,自引:0,他引:1
针对焊缝射线探伤中的缺陷评片问题,利用数字成像及图像识别技术,对射线探伤底片进行了计算机自动识剐技术的研究,并以此为基础,对典型缺陷进行了识别.结果显示,利用此技术能够提高和改进评片的质量及效率. 相似文献
9.
10.
11.
军用红外目标图像识别跟踪系统的现状与研究 总被引:3,自引:0,他引:3
红外目标图像识别跟踪系统在军事上具有重要而广泛的用途。针对其关键组成:红外探测器、信号处理、目标识别与跟踪,文章阐述了红外探测器(焦平面阵列)技术的发展现状,探讨了信号处理对系统作用距离的影响,综合分析了红外目标图像预处理、识别、跟踪算法,以及红外隐身目标探测与识别的技术途径,并进行了简要的硬件实现分析。 相似文献
12.
13.
遗传算法及其在导弹火力分配上的应用 总被引:18,自引:3,他引:15
遗传算法是一种近年来新发展起来的优化算法,目前它已被广泛应用于解决许多实际问题,如函数优化、图像识别、机器学习、人工神经网络、人工生命、优化调度等许多领域。通过对一种遗传算法的研究,阐述其在导弹武器火力分配上的应用。首先设计和实现了一种遗传算法;然后描述了导弹火力分配优化问题,建立了其数学模型;最后运用遗传算法求解了该问题。 相似文献
14.
15.
16.
在自动化立体库中,为较好地分析AGV图像识别引导技术,验证该技术的可行性,进行了AGV运行仿真研究。首先,分析了AGV运行环境情况,利用3dsMax进行了场景建模。然后,将模型文件读入OpenGL,编写程序实现AGV运动和运行视点的变换。通过采集AGV车身与路径轴线的偏差,计算其平均绝对误差并与实际要求比较,结果满足实际要求,从而验证了该技术的可行性。 相似文献
17.
基于深度学习模型的新一代智能化多模态(可见光/红外/雷达)图像识别系统已逐步在航空航天情报侦察、人机交互增强作战系统、无人作战平台自动图像目标识别以及多模复合图像末制导等多个军事场景中得到广泛应用。然而,由于深度神经网络模型在理论上存在不完备性和对抗脆弱性、多模态图像目标识别深度网络结构设计与优化在工程上存在迁移性等因素,使得现有识别系统在鲁棒准确性方面评估不足,给系统在未来战场复杂对抗场景中的广泛部署带来极大的安全隐患。为此,本文通过研究多模态图像智能目标识别系统军事场景应用的风险模型,分析系统存在的潜在攻击面,开展基于深度神经网络的多模态图像识别对抗样本攻击技术和对抗鲁棒准确性评估等关键技术研究,以期提升系统在复杂电磁环境条件下的鲁棒性和准确性。 相似文献
18.
19.