基于主成分分析和神经网络的目标识别

采用主成分分析法将多项识别属性进行综合聚集,减少关联属性对识别的干扰,达到属性约简的目的。利用神经网络进行目标识别,通过优化训练策略,可以提高网络的收敛速度和泛化能力。主成分分析法与神经网络结合既能高效识别已知样本,又能对未知样本具有很强的自学与适应能力,从而有效地对海战场目标进行识别。通过对比仿真,证明了算法的有效性。     

基于边缘检测技术的温度计自动检定装置研制

为了解决人工检定温度计存在的工作效率低、劳动强度高、读数误差大和检定油烟重等问题,运用边缘检测技术,先对图像作预处理,再利用经典的Sobel边缘检测算子和三线识别方法,将温度计液柱图像转换为数字化的温度计示值;对温度计检定槽进行自动化改造,由计算机控制温度计插槽旋转角度和摄像机运动高度,再由单片机控制执行指令,将采集的图像传给计算机,从而研制出温度计自动检定装置,并实现计算机自动处理检定信息、打印原始记录和检定证书。     

基于LDA算法的一维距离像特征提取

在线性分辨分析(LDA)基础上,通过遗传算法寻找Fisher准则下最优的线性映射中心和相应的最优映射,使不同模式在特征空间内具有最大的可分离性,并将该算法用于雷达目标一维距离像特征提取与识别中。实验表明,和原算法相比,新算法在特征提取性能和目标正确识别率上有较大提高,说明了算法的有效性。     

基于模糊灰关联度的空袭目标属性识别

结合灰关联分析和模糊理论,建立了一种模式识别方法。在此基础上提出了基于模糊灰关联度的空袭目标属性识别模型,利用实例说明了模型的可行性。     

自然场景车标数据集的构建及其应用

车标作为车辆身份的关键特征之一,在车辆的监控与辨识中发挥着重要作用。由于自然场景复杂多变,对其中的车标进行准确识别仍具有很大的挑战性。目前公开数据库很少且存在诸多局限,导致研究缺乏可信度和实用性。本文建立了一个面向自然场景的全新数据集,包含多种采集环境下的10 324幅、67类车辆图像。基于此数据集开展应用研究,提出一个目标检测与深度学习相结合的车标识别方法,包括车标区域定位和车标种类预测两大步骤。实验表明,该方法对复杂背景有较强的适应性,在涉及30种车标的分类任务中达到89.0%的总体识别率。     

神经网络在目标属性识别中的应用研究

首先介绍了目标属性识别的方法,并对多属性决策模型(MultipleAttributeDecisionModel,MADM)目标属性识别模型进行了分析,在此基础上提出了基于神经网络的目标属性识别模型,其能有效地解决目标属性识别问题。     

数据融合与雷达目标识别综述

数据融合技术是70年代兴起的一门新学科。现代战争中,随着雷达、红外、激光及光电等传感器的数量日趋增多,数据融合技术正日益得到广泛应用。介绍数据融合在雷达目标识别中的应用,并揭示出数据融合是解决雷达目标识别之捷径。     

自动目标识别(ATR)技术发展述评

能够自动进行目标识别 ( ATR)是现代武器装备力争具备的先进性能之一。从历史回顾、当前状态及未来发展等几个方面对自动目标识别的研究历程、技术现状和发展前景进行了较为详细的论述 ,并指出了当前发展中遇到的主要技术难题及可能的解决办法     

基于时频分析的飞机目标识别

本文利用小波变换对五种飞机目标的雷达回波进行时频分析,得到了回波信号的时频分布图。全面清楚地描述了目标的散射特性。文中通过提取时频分布图的矩特征作为目标特征量,对五种飞机的目标作了识别实验,取得了良好的识别效果     

多模板指纹的特征拼接

许多自动指纹识别系统在注册阶段对于每个用户存储同一手指的多个模板指纹,在认证阶段将输入的指纹和存储在模板库中的相应手指的多个模板指纹进行比对。提出了将多个模板指纹的特征进行拼接的方法,将多个模板指纹拼接成一个模板指纹。这样,在认证阶段可以减少和输入指纹进行比对的模板个数,加快了比对速度。同时,拼接而成的模板指纹比单个模板指纹的特征丰富,有利于提高识别的正确率。实验测试表明,方法能够提高系统的识别性能。