基于不变矩和角点特征的目标识别*

在基于图像的识别系统中,图像发生几何变化或目标被部分遮挡会给识别带来困难,这时必须根据具体情况提取合适的目标特征。基于矩原理,运用Harris多尺度角点检测及SIFT(Scale Invariant Feature Transform)描述算法,研究了基于不变矩和角点特征的目标识别算法。两种特征都具有平移、旋转、尺度不变性。仿真分析表明,在理想情况下,利用不变矩可以获得较高的识别率;而当目标被部分遮挡时,角点是一种有效的识别方法     

多特征空间下的支持向量机及其在图像识别中的应用

分别在主成分分析(PCA)、独立成分分析(ICA)和线性鉴别分析(LDA)所构造的特征空间下用模糊支持向量机(FSVM)进行人脸识别。同时,提出了一种改进的FSVM方法,即利用FSVM和多叉决策树相结合的思想来设计人脸分类器,从而使FSVM分类器的速度得到了大幅度的提高。通过在ORL人脸库上的实验结果表明,该算法是有效的。     

基于ARM的嵌入式指纹图像处理技术研究

研究了特征提取方法和匹配算法;设计了基于ARM的嵌入式指纹处理核心模块,并将其应用于综合业务平台的用户身份认证系统中;具有自主版权的认证加载模式实现了对登录平台的用户身份验证,识别率达到了99.3%.结果表明,该方法能确保平台系统的安全.     

点状保卫目标的空袭规模预测模型

现代空袭作战已成为结构破坏战,各类政治、经济、军事指挥中心、侦察预警设施,交通枢纽等点状目标已成为敌空袭的首选目标,而如何准确、可靠地预测点状保卫目标的空袭规模是防空作战的首要问题和难点。把点状保卫目标分为立体类目标、平面类目标、地下类目标,根据每类点状目标的特性,构建其相应的空袭规模预测模型,通过算例分析,该模型具有较高的可信度,能为各种辅助决策系统和指挥自动化系统提供决策支持。     

战场目标声音识别关键技术研究

战场目标声音探测技术在现代战争中发挥着越来越重要的作用。针对战场目标声音识别的一些关键技术进行了研究。首先分析了目标声音探测技术的军事应用特点,然后对战场典型目标发出的噪声的物理特性进行了分析。最后论述了战场目标声音识别技术中的几种关键技术,重点分析了特征提取中的LPCC、MFCC技术以及分类器中的隐马尔可夫模型,为战场目标声音识别系统的开发奠定了基础。     

泛探雷达长时间相参积累目标检测方法研究

泛探雷达利用同时多个接收波束覆盖整个观测空域,可利用长时间相参积累提高动目标检测性能,然而必须解决目标在长积累时间之内出现跨波束、跨距离单元和跨多普勒单元现象带来的积累增益下降问题。在跨波束影响可忽略前提下,研究了基于Keystone变换与Dechirping变换相结合的运动补偿方法,并在此基础上提出了基于Clean思想的多目标检测流程。通过对仿真数据与外场实测数据的处理与分析,验证了本文方法的有效性,可以用于泛探雷达的目标检测。     

多模态交叉解耦的少样本学习方法

当前的多模态少样本学习方法忽视了属性间差异对正确识别样本类别的影响。针对这一问题,提出一种利用多模态交叉解耦的方法,通过解耦不同属性语义特征,并经过特征重建学习样本的本质类别特征,缓解类别属性差异对类别判别的影响。在两个属性差异较大的基准少样本数据集MIT-States和C-GQA上进行的大量实验表明,所提方法较现有方法有较大的性能提升,充分验证了方法的有效性,表明多模态交叉解耦的少样本学习方法能够提升识别少量测试样本的分类性能。     

基于神经网络的舰船目标识别研究

为了实现对水下目标的识别,在现有特征提取方法的基础上,提出了一种从DEMON谱线谱和DEMON谱连续谱提取的特征方法,并设计了一个基于BP神经网络和多神经网络分类识别器的舰船目标识别系统。通过对实际舰船噪声目标进行识别,识别效果比较满意。这对舰船目标识别的发展具有一定的参考价值。     

试论公安现役高等院校办学特色

办学特色是高等学校生存发展的前提和办学优势的集中体现,也是形成核心竞争力的关键。公安现役高等院校突出办学特色,要着力创新办学理念,强化学科专业特色和人才培养特色。     

基于WVD-Radon变换的宽带延展目标回波参数提取

分析了宽带延展目标的时延-时间伸缩效应及其导致的回波信号在时域和频率域的特性;针对LFM信号的时频分布特点,利用WVD和Radon联合变换技术,提取LFM信号在时-频域分布上的特性参数,提出了一种宽带延展目标回波参数提取方法,得到了目标的时延—时间伸缩分布.仿真结果表明,该方法是可行的.