空中回转体目标识别算法的研究

为加强空中回转体目标识别的智能化程度,提高目标识别率,对目标图像的不变矩特征与BP神经网络相结合的空中回转体目标识别方法进行了研究。以给出权值的方式引入Relief算法对目标图像的7个Hu氏不变矩、3个仿射不变矩的识别性能进行科学的评估。选出权值较大的特征量作为BP神经网络的输入特征来训练网络,识别样本。模拟实验表明:引入Relief算法对空中回转体目标不变矩选择的目标识别方案是有效的,应用Relief算法选择出的特征项作为神经网络的输入特征不但减少了特征量提取的采集次数,降低了算法的计算量,而且,可使网络更易于收敛,且提高了目标物的识别率。

基于Hough变换的线段提取新方法

针对实际图像中采用传统Hough变换准确提取直线存在的问题,结合双阈值栅格除噪法,提出了一种改进的线段提取方法.该方法以Hough变换峰值参数逆变换提取线段特征,并将其连接成直线,在传统Hough变换算法的基础上增加了极大值线段的融合连接过程,去除伪峰值和峰值扩散引起的交叉线段等改进方法.实验结果表明:该方法能在干扰和噪声较强烈的实际图像中完整地提取出目标线段,对线段量化误差、断裂、线段信息丢失具有较强的鲁棒性.以Hough空间局部极大值所对应线段为主,以其邻域峰值点对应线段为补充的线段特征提取方法具有较高的准确性.本方法对视觉引导技术的实用化具有参考价值.