抗噪型最小平均相关能量滤波器

最小平均相关能量(MACE)滤波器进行图像识别的主要特点是相关峰尖锐,易于判别。但它对畸变非常敏感,几乎没有抗噪能力,所以应用受到限制。针对不同的噪声类型,首先进行图像空域滤波,达到抑制噪声、突出目标的目的,然后再进行识别,提高了最小平均相关能量滤波器的抗噪能力和识别的准确性。

基于最小平均相关能量滤波器的畸变目标识别

通过对多种畸变目标识别算法的研究,对用于匹配滤波器的最小平均相关能量(MACE)滤波器进行了改进。利用MACE滤波器算法的基本思想构造滤波器函数,在合成参考图像前对训练图像进行边缘提取,并对联合图像的功率谱进行了拉普拉斯锐化,成功实现了在联合变换相关器中对旋转目标图像的探测和识别,提高了畸变图像相关峰的亮度,拓展了联合变换相关器的探测和识别的范围。作为实例,对旋转战机目标图像进行了计算机模拟实验和光学实验,验证了该算法的可行性。

基于最小平均相关能量滤波器的目标识别技术

把用于匹配滤波器的最小平均相关能量(MACE)算法进行改进,成功应用于实时联合变换相关器。训练系列图像的谱按MACE综合后,经傅里叶逆变换在物面合成参考图像,同时在合成参考图像前对训练图像进行边缘提取,并对目标与参考图像的联合功率谱进行拉普拉斯锐化,提高相关峰对比度。给出了存在旋转变化的目标图像和光学实验。实验表明,改进后的MACE方法可大大减少训练图像的数目,减小运算量,很好地解决联合变换相关器对目标存在旋转变化的识别问题,可扩大目标识别的范围,提高识别率。

两种解决光学相关识别中畸变不变问题的综合鉴别函数性能比较分析

对于光学相关识别畸变问题常用到的两种综合鉴别函数,即等相关峰综合鉴别函数(ECPSDF)和最小平均相关能量综合鉴别函数(MACESDF)进行了原理论述,并利用振幅补偿编码方法制作匹配滤波器。为了比较两种综合鉴别函数的识别效果,在光学匹配滤波相关器上进行了实验。实验结果表明,ECPSDF的平均峰值以及平均峰值尖锐度要优于MACESDP,但其波动性较差。

基于数字相关滤波器的掌纹识别

为了在频域内对相位谱建立模型,运用相关滤波器方法进行掌纹识别。首先运用图像下抽样方法降低掌纹空间的维数,在低维图像上应用训练图像设计最小平均相关能量(MACE)滤波器,然后计算训练图像和测试图像的相关输出平面,根据峰与相关能量(PCE)比值指标进行掌纹匹配。运用PolyU掌纹图像库,对本文算法进行测试。实验结果表明,与传统子空间方法相比,本文方法的识别性能最优,识别率为100%,特征提取和匹配总时间小于0.5 s,具有快速、有效和易于实现等优点。