车底图像局部不变特征信号提取SIFT算法对比分析

为实现机车车底图像局部不变特征信号提取,比较了3种新兴的SIFT改进算法:GS-SIFT算法、RIT-SIFT算法和Harris-SIFT算法,对3种改进算法的准确性、实时性和高效性进行评价。应用基于SIFT的改进算法对火车机车车底实际图像进行处理,提取局部不变特征值,改进算法针对机车车底图像具有很好的适用性和准确高效性。     

一种改进的不变矩方法在图像目标识别中的应用

分析了离散状态下比例因子对不变矩的影响，采用一种改进的不变矩算法来提取识别对象的不变量，利用计算出的不变矩特征量来训练BP网络，进行待识别对象的分类。实例计算表明这种识别方法有良好的分类效果，具有一定的利用价值。     

基于视觉注意机制 PCNN 模型的车牌 图像分割方法

车辆图像中车牌具有所占比例小、位置不固定、大小不一,以及分割易受光照影 响的特点.因此,车牌图像的分割始终是车辆跟踪、车辆识别等领域中的难点问题.针对以 上问题,本文提出了基于视觉注意机制脉冲耦合神经网络模型的车牌图像分割方法.该方 法将视觉注意机制中的数据驱动模式和任务驱动模式相结合. 数据驱动模式中,通过对 PCNN 模型细胞感受野功能的完善,使优化 PCNN 模型具有了尺度性和方向性.任务驱 动模式中,针对不同尺度的分割,利用组合不变矩和局部灰度熵,自适应地确定目标的特 征尺度和最佳尺度,并确定该目标最终的分割结果.经实验验证,该方法对车牌图像具有 较好的分割效果.     

多尺度目标识别新方法

利用全局矩反映的是图像在整个空间的统计特征,可以稳定可靠地识别形状差异较大物体的特点,以及小波矩描述的是图像在局部空间的特征,能够准确有效地区分形状相似的目标的优点,提出了一种新的由粗到细、从全局到局部的多尺度逐级匹配目标识别方法.这种在大尺度下采用全局特征进行粗分类,小尺度下采用局部特征进行细分类的思想加快了匹配过程,实验结果表明,该方法比仅使用全局不变矩或小波不变矩特征的目标识别方法具有更高的识别率和更广的适用范围.     

永磁同步电机开路故障容错补偿控制

基于磁动势不变原则的故障容错补偿控制策略, 在研究正常情况下船用永磁同步电机磁动势数学模型的基础上, 建立了一相开路故障下磁动势数学模型。在电机发生一相开路故障时, 通过改变其余无故障两相电流的大小和夹角, 以保证故障前后电机的合成磁动势不变, 进而使得空间电压矢量脉宽调制控制策略在电机控制中仍适用。结合船舶电力推进系统模型, 在MATLAB/Simulink中建立船舶电力推进系统的整体仿真模型, 并对转矩、转速、电流等参数进行分析。仿真结果表明: 在无故障情况下, 螺旋桨模型输出转矩脉动和电机的转矩、电流、转速脉动分别约为0.85%、5.90%、6.25%、2.01%, 电机运行性能良好。在一相开路故障下, 若未采用容错补偿控制策略, 螺旋桨对故障响应较为强烈, 输出转矩脉动达到22.2%, 进而导致推进电机输出转矩、电流、转速均出现较大的波动, 分别约为82%、50%、33%, 且电机定子磁链轨迹为不稳定的椭圆; 采用基于磁动势不变原则的矢量容错补偿控制策略后, 螺旋桨输出转矩会恢复到稳定值, 脉动约为1.02%, 推进电机也会重新稳定运行, 转矩、电流及转速脉动均明显下降, 分别约为6.20%、6.78%、2.22%, 与无故障时的脉动范围基本相同, 电机定子磁链轨迹恢复为同故障前一致的圆形。可见, 采用故障容错补偿控制策略, 可以保证推进电机在正常情况和一相绕组开路情况下均能正常工作, 且螺旋桨负载与推进电机性能匹配良好。     

支持向量机与舰船辐射噪声的分类

目标识别已经成为计算机视觉和模式识别领域的一个研究热点。但是传统的目标识别方法具有过学习和欠学习等缺点,使得目标识别无法被广泛应用。支持向量机可以有效克服这些缺点,这是因为其不仅基于统计学理论,而且可以使结构风险最小化。本文在分析舰船辐射噪声的基础上,着重研究支持向量机在目标识别中的应用。     

基于K均值和不变矩的粒子滤波视频目标跟踪

针对传统的粒子滤波算法存在的粒子退化现象和需要大量粒子才能保证状态预估计的精度,导致视频序列目标实时跟踪难以实现的问题进行了研究,提出了一种基于K均值和不变矩的粒子滤波实时目标跟踪算法。首先对最初采样的粒子集采用K均值算法进行聚类,将N个粒子分配到K个聚类中心;然后将不变矩算法引入到粒子的选取中,通过与上一帧目标位置最接近的三类聚类中心进行不变矩匹配,选择其中与目标模块最接近的那一类进行粒子滤波跟踪运算。实验结果表明文中提出的改进算法能够很好的解决粒子退化的问题,只需要采用较少的粒子就能达到很好的跟踪精度,大大的减少了计算量,改善了粒子滤波的实时性的问题。同时,在一定程度上解决了目标跟踪中相似背景的干扰和目标遮挡的问题。     

基于小波包和不变矩的舰船目标识别

以船舶目标分类系统作为研究对象,对小波包变换在舰船目标分类识别中的应用进行研究。首先,介绍小波变换的相关理论,小波包分解能够进行任意尺度的时频分析;然后对不变矩算法进行介绍,给出一种基于小波包分解和不变矩算法相结合的特征值提取方法。仿真实验结果表明,本文给出的方法具有较高的识别率。