一种新型的帘子布疵点识别算法

基于织物纹理特征,提出了一种新型的织物疵点识别算法.该算法采用正交小波得到正常织物经向和纬向纹理相匹配的自适应小波,对待测织物进行小波分解提取特征值,根据波形特征参数对比能准确定位织物纹理结构的异常位置,正确识别织物疵点,并将其作为支撑失量机的输入参数,训练特征样本集,以获得支撑失量,对待识对象进行识别.实验结果表明,该算法用于帘子布疵鼠检测是可行、有效的,可得到满意的识别结果.     

结合多源特征与高斯过程模型的SAR图像目标识别

针对合成孔径雷达（Synthetic Aperture Radar，SAR）图像目标识别问题，提出结合多源特征和高斯过程模型的方法。分别利用主成分分析（Principal Component Analysis，PCA）、非负矩阵分解（Non-negative Matrix Factorization，NMF）以及单演信号提取SAR图像的特征矢量，并将它们串接为单一矢量。三类特征从不同角度描述SAR图像目标特性，从而为目标识别提供更为有效的信息。决策分类过程采用高斯过程模型进行多元分类，基于融合特征矢量获得概率意义上的最佳决策。实验中，采用MSTAR数据集设置3类目标、10类目标、型号差异以及俯仰角差异识别问题，结果验证了提出方法的优越性能。     

基于支持向量机技术的粮虫图像分类技术研究

介绍了支持向量机的基本思想，提出了一个基于支持向量机的粮虫模式识别系统。该系统先对粮虫图像进行小波边缘提取，根据灰度共生矩阵和局部统计方法提取小波分割后的图像纹理特征。最后利用支持向量机对粮虫图像进行分类。     

一种敌我识别辐射源暂态信号指纹特征提取方法

信号的指纹特征是辐射源个体识别的重要依据。针对敌我识别辐射源的个体识别问题，提出了一种基于双树复小波和多重分形的信号暂态特征提取方法。该方法通过双树复小波变换实现信号多分辨率分解，求解分解信号Hilbert谱的信息熵和指数熵，计算信号的多重分形奇异指数和谱值，最终组成表征辐射源的特征向量。通过实验验证，提取的特征向量能充分代表辐射源个体之间的差异；被测信号的信噪比满足8 dB或9 dB的条件时，对辐射源的识别正确率能达到90%以上。统计分析表明该方法提取的特征具有很高的稳定性。     

融合多特征的图像检索算法

针对单一特征不能很好地表述图像的问题，提出了一种融合多特征的图像检索算法。首先，提取查询图像和图像库中样本图像的GIST（Generalized Search Tree)特征，用欧氏距离衡量图像间的GIST相似度值，根据查询图像的GIST特征在图像库中进行检索，将结果按相似度进行排序；然后，提取查询图像和返回结果中前k幅图像的尺度不变特征变换(SIFT)特征，使用BBF(Best Bin First)算法进行特征匹配；最后，通过特征点匹配点对数排序并返回检索结果。实验在改进的Corel1000数据集上进行，与传统的单特征图像检索算法对比，提出的图像检索算法不仅提高了检索准确率，而且获得了较好的检索效率。     

一种基于Radon变换的微表情识别算法

微表情是人们处在一些与平时生活环境不同的高强度环境下试图控制和掩饰的情感表现，也是一种不曾意识到的瞬时脸部表情,持续时间短，强度弱。为了提高其准确率，提出了基于Radon变换的微表情识别算法。首先，对数据库中的视频序列进行灰度归一化、尺寸归一化和二维主成分分析法（Two-dimensional Principal Component Analysis，2DPCA）降维预处理，使用光流法对降维后图像提取运动特征；然后使用Radon变换算法对光流图像进行处理，得到对应微表情的特征值和特征图像；最后使用支持向量机进行微表情分类识别。实验结果表明，使用Radon变换后得到的微表情特征图像得到了较好的识别效果，在微表情数据集CASME和CASMEⅡ上识别率分别为81.48%和82.17%，通过与选取的其他方法对比说明了该方法具有更好的识别性能。     

一种基于星座图恢复的多进制相位调制信号识别算法

在实际调制过程中,无线电波传输多径及衰落引起的符号间干扰和信号接收端的载波频偏会造成星座图难以识别。针对这一问题,提出了一种基于星座图恢复和卷积神经网络的多进制相位调制信号识别算法。首先,设定相邻采样点距离和相位角的阈值以筛除发生符号间干扰时的采样点,保留剩余的有效采样点并形成聚类组;然后,通过旋转相邻聚类组抵消载波频偏带来的影响,实现星座图的恢复;最后,利用卷积神经网络对星座图进行特征自动提取和调制识别。实验结果表明,对于实测信号,所提算法能够较好地恢复星座图并实现BPSK、QPSK和8PSK的准确识别。最终的识别准确率达到了99.9%,较星座图恢复前提高了24.2%。     

基于奇异值分解的基图像的人脸识别

研究了基于奇异值分解的人脸识别问题。首先证明了图像的大量信息主要体现在图像矩阵奇异值分解的前几个最大奇异值所对应的左、右奇异向量中,然后给出了模板图像的基图像,并将图像展开成基图像的线性表示,提取其组合系数作为图像的代数特征并用于人脸识别中。实验表明,较以投影系数向量为代数特征的人脸识别方法,该方法所需的运行时间明显降低,而且与基于奇异值向量作为图像特征的方法相比,该方法的识别精度明显提高。     

彩色图像数字水印嵌入和提取模型研究——基于DWT和DCT

将DCT和DWT相结合,提出了基于DWT和DCT的彩色图像版权保护数字水印模型。该模型根据离散小波变换中低频子图的人类视觉特性,用自适应方法选择色彩通道,用Logistic混沌加密方法预处理数字水印的图像,在离散小波变换的低频域进行离散余弦变换的去相关性,且用子采样技术调整对应子图间系数的大小相对性,实现数字水印的盲提取。     

利用曲波变换和局部线性嵌入算法的SAR图像海面油膜特征提取

溢油事故带来的海洋污染问题日益严重,SAR图像快速准确地自动识别为溢油事故的处理和决策支持提供了重要前提。为了获得更高的油膜识别准确率,提出了一种基于曲波变换（Curvelet）和局部线性嵌入（Local Linear Embedding,LLE）算法的SAR图像特征提取方法。首先,利用Curvelet对图像进行分解,选取包含了主要信息的低频分量作为新的图像矩阵;然后,利用LLE进行非线性降维,提取图像分类特征。为了验证提取特征的有效性,所提的Curvelet-LLE算法与PCA、LLE、等距特征映射（Isomap）、Curvelet变换和 Fisher 判别分析(Curvelet-KFD)、Wavelet-LLE等特征提取算法,利用K最近邻和支持向量机分类器分别进行了对比实验。实验结果表明,Curvelet-LLE算法能更有效地提取SAR图像油膜识别的分类鉴别特征,其准确率相对较高,具有较好的实用性。     

数据库样本缺失下的雷达辐射源识别

目前，基于机器学习的雷达辐射源识别技术大多以训练集和测试集同分布为假设，当雷达数据库样本不足导致与信号真实分布存在偏差时，传统的分类方法效果不佳。为此，将迁移学习理论引入识别系统，设计了一种基于结构发现与再平衡的雷达辐射源信号识别方法。通过对数据库和待识别辐射源信号样本进行聚类分析发现数据结构信息，通过重采样处理修正其分布差异。将新采样数据输入支持向量机进行训练并对侦收样本进行识别。仿真实验表明，在新训练样本集上学习的模型对测试集的分类性能有了很大的提升。     

基于小波变换的多规则图像融合方法

针对红外和可见光图像各自特征,提出了基于小波变换多分辨率的不同规则图像融 合方法。首先对原图像进行多级小波分解,产生多频带小波系数,利用像素的局部区域方差 、平均梯度及掩膜滤波等方法对不同频带小波系数计算融合权重,最后将小波融合系数逆变 换实现图像的融合处理。实验结果表明,融合图像特征显著,易于观察。     

基于多尺度多方向Gabor模板的光学/SAR景象匹配

合成孔径雷达（SAR）成像制导通常采用光学基准图和SAR实时图 进行特征提取和景象匹配。提出了一种光学/SAR异类影像匹配方法,利用多尺度多方向Gabo r模板提取图像的Gabor特征后进行特征匹配,首先对SAR图像进行方向Frost滤波预处理,然 后分别计算光学图像和SAR图像的高斯梯度图像,再利用多尺度多方向二维Gabor滤波器模板 分别对两幅高斯梯度图像进行特征提取,最后对两组特征矩阵进行归一化互相关匹配。该方 法直接利用光学图像和SAR实时图进行景象匹配,实验表明,该异类影像匹配方法较其他传 统方法具有较高的鲁棒性和准确性。     

利用生成对抗网络的时频图像去噪和增强处理

针对雷达信号时频图像的去噪和增强问题，提出了利用生成对抗网络二次生成时频图像的方法。首先利用时频分析产生雷达信号的时频图像作为原始数据集1;接着利用生成对抗网络对数据集1进行学习之后生成新的数据集2，数据集2相对于数据集1拥有着去噪和增强的效果;最后提取时频图像奇异值特征检验生成的数据集2的有效性。对6种常见的雷达信号的时频图像进行了仿真实验，结果证明了该方法在时频图像去噪和增加样本多样性方面是有效的。     

基于人工智能的足迹识别与特征提取

针对战场感知及侦破现场中传统人工主观经验检验与识别模式误差较大的问题，提出了一种基于人工智能的足迹识别与特征提取方法。采用三维形貌重构系统进行足迹图像采集，并将数字图像处理算法与传统足迹检验法结合，提取足迹的区域关系特征和形状长度特征，进而采用支持向量机的模式识别方法对提取的特征进行立体足迹身份鉴别对比实验。实验结果表明，所提方法准确率超过人工鉴别准确率，达到99.1%，可应用于战场感知及侦破现场足迹准确检测与识别，也可推广应用于人体身份鉴别的相关领域。     

基于双谱特征的超宽带雷达人体目标识别

为了在人体微多普勒特征不明显条件下识别静态人体目标及人体姿态,提出了一种结合双谱对角线起伏特性与目标强散射点分布特征进行人体目标识别的方法。首先,通过分析静态人体目标双谱,提取双谱对角线起伏特性作为分类特征,降低了双谱数据的维数,减少了双谱特征冗余。然后,结合目标强散射点分布特征从不同角度描述目标,并构造用于目标识别的特征向量。最后,用支持向量机实现目标识别。仿真和实测结果均表明,双谱对角线起伏特性与目标强散射点分布特征融合的方法可以有效识别出静态人体目标并且实现人体姿态识别。     

结合色彩空间的林火识别方法研究

分析基于红外辐射的林火识别原理,提出利用可见光图像的色彩空间数据作为红外数据的补充,扩展林火识别的信源输入,进而提高可用信息量,最终提高林火识别准确率的方法,考虑到林林火害的突发性以及识别的高时效性需求,对于可见光图像的处理采用简单有效的技术路线,实验表明,该方法能够有效提取可见光图像中的火焰信息,能够作为红外林火识别系统的有效补充。     

一种基于视觉感知的舰船目标智能化识别方法

为有效识别视觉系统采集的可见光图像中的舰船目标，提出了基于YOLO（You Only Look Once）网络模型改进的10层的卷积神经网络（Convolutional Neural Network,CNN）用于水面舰船目标的智能识别，通过反卷积的方法可视化CNN中不同卷积层提取到的舰船目标特征。按照传统目标识别方法提取了舰船目标的四类典型人工设计特征，将所提CNN的舰船目标识别结果与YOLO网络模型及四类人工设计特征结合支持向量机用于舰船目标识别的结果进行比较。实验结果表明，与YOLO网络模型相比，综合精确率、召回率和效率3个舰船目标识别的性能指标，改进后的CNN性能更好，从而验证了所提方法的有效性。不同数据量下采用典型特征识别舰船目标与基于深度CNN识别舰船目标的识别结果比较说明了不同类型目标识别算法的优劣势，有利于推动综合性视觉感知框架的构建。     

角点检测综述

角点是图像的一种重要的局部特征，通过对图像角点的检测与处理，对把握图像的局部及整体特征，特别是在视觉匹配、目标识别和运动估计与追踪等领域都有重要的实际应用。现有的图像角点检测方法可分为基于模阪、亮度变化、边缘特征三种检测方法，对其分别进行了综述，分析了相关的算法，并对算法进行了评价。     

利用最小冗余最大相关和SVM的SAR图像海上溢油识别

近年溢油事故频发,海洋污染日益严重。利用合成孔径雷达（SAR）卫星可以有效跟踪由海上溢油事故导致的油膜扩展情况。利用最大冗余最小相关-支持向量机（mRMR_SVM）算法进行SAR图像溢油识别,为溢油事故决策支持提供重要前提。首先采用mRMR提取最优特征向量集,对输入值进行降维; 然后采用SVM算法解决油膜图像分类问题,同时选择径向基函数（RBF）为核函数;使用训练集训练该模型,调整模型参数;以测试集特征向量作为输入,利用训练好的模型进行溢油识别。实验结果表明,mRMR_SVM模型对SAR图像的油膜和类油膜识别有效,准确率为96.875%.