本文選題：目標(biāo)識(shí)別 + 特征描述��； 參考：《中國圖象圖形學(xué)報(bào)》2016年03期

【摘要】：目的為更好地兼顧基于手動(dòng)設(shè)置的二進(jìn)制特征描述子優(yōu)越的實(shí)時(shí)性能和基于優(yōu)化學(xué)習(xí)的二進(jìn)制特征描述子魯棒的區(qū)分性能,提出一種快速優(yōu)化篩選多尺度矩形域的二進(jìn)制描述算法(MRFO),運(yùn)用于識(shí)別衛(wèi)星裝配時(shí)所需的典型工件目標(biāo)。方法按像素的灰度值和梯度方向劃分圖像并利用不同的高斯核函數(shù)進(jìn)行平滑,建立多尺度的子圖像集合;從多尺度的子圖像中,快速通過約束條件提取候選矩形域;在訓(xùn)練階段,通過優(yōu)化學(xué)習(xí)計(jì)算候選矩形域的相關(guān)得分及最優(yōu)閾值,篩選出其中具有強(qiáng)區(qū)分性和低相關(guān)性的集合;在測試階段,計(jì)算篩選出的矩形域響應(yīng)值并利用最優(yōu)閾值進(jìn)行二值化,將結(jié)果依次串聯(lián)構(gòu)成二進(jìn)制描述向量。結(jié)果實(shí)驗(yàn)通過ROC曲線圖和80%精確率條件下的召回率統(tǒng)計(jì)結(jié)果證明MRFO描述算法具有優(yōu)越的區(qū)分性能,平均的精確度能夠高出對比算法8%~12%;并在真實(shí)的視頻圖像中利用MRFO描述算法識(shí)別出典型工件目標(biāo);根據(jù)訓(xùn)練階段的執(zhí)行時(shí)間只有傳統(tǒng)優(yōu)化學(xué)習(xí)算法的4.35%,只是在測試階段略高于手動(dòng)設(shè)置的二進(jìn)制描述算法,證明MRFO描述算法具有優(yōu)良的實(shí)時(shí)性能。結(jié)論 MRFO描述算法能夠更好地克服各種視角、尺度和旋轉(zhuǎn)變換的干擾以及周圍相似背景信息的影響,準(zhǔn)確識(shí)別出典型工件目標(biāo),有助于提高衛(wèi)星的地面裝配精度和效率,改善國內(nèi)相關(guān)行業(yè)的自動(dòng)化水平。普遍適用性較強(qiáng),具有良好的應(yīng)用前景。
[Abstract]:For the purpose of better real-time performance based on both binary feature descriptor set manually and superior performance robust feature descriptor based on differentiated binary optimization study, we propose a fast binary optimization screening multi-scale rectangular domain description algorithm (MRFO), applied to the typical workpiece required during assembly. The satellite recognition method according to the pixel the gray value and gradient direction image partition and smoothing Gauss using different kernel functions, set sub image using multi scale; from the multi-scale sub image, fast constraints through the extraction of candidate rectangle; during the training phase, learning scores and the optimal threshold by computing the candidate rectangular domain optimization, which are selected from has a strong distinction and set low correlation; in the test phase, calculation of rectangular domain selected response value and optimal threshold for binarization, the results Which are connected in series to form a binary vector description. Experimental results by ROC curve and 80% accuracy under the condition of the recall rate statistical results show that MRFO algorithm has superior performance to describe the distinction, the average accuracy of high contrast 8%~12% algorithm; and in real video images in using MRFO description algorithm to identify typical workpiece according to the training objectives; the execution time is only 4.35% of the traditional optimization algorithm, only in the binary test phase is slightly higher than the manual setting description algorithm, prove that MRFO algorithm has good performance in real-time is described. Conclusion the MRFO description of the algorithm is better able to overcome the influence of various angle, rotation and scale transform and interference around similar background information, accurately identify typical parts, help to improve the accuracy and efficiency of satellite ground assembly, improve the automation level of the domestic industry generally. It has strong applicability and good application prospect.

【作者單位】： 河北工業(yè)大學(xué)機(jī)械工程學(xué)院;
【基金】：國家高技術(shù)研究發(fā)展計(jì)劃(863)基金項(xiàng)目(2015AA043101)~~
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓艷春;李智蘭;曾憲文;;目標(biāo)識(shí)別與分類方法[J];軍事通信技術(shù);2003年01期

2 楊建勛,史朝輝;基于模糊綜合函數(shù)的目標(biāo)識(shí)別融合算法研究[J];火控雷達(dá)技術(shù);2004年04期

3 李彥鵬,施福忠,黎湘,莊釗文;基于模糊綜合評判的目標(biāo)識(shí)別效果評估[J];計(jì)算機(jī)應(yīng)用研究;2005年03期

4 左崢嶸,張?zhí)煨?集成證據(jù)提高目標(biāo)識(shí)別性能的方法研究[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

5 李彥鵬,黎湘,莊釗文;一種應(yīng)用模糊聚類分析的目標(biāo)識(shí)別效果評估方法[J];電子對抗技術(shù);2005年03期

6 蓋明久;呂世良;時(shí)寶;;一種概率更新方法及在目標(biāo)識(shí)別中的應(yīng)用[J];海軍航空工程學(xué)院學(xué)報(bào);2006年05期

7 張平定;王海軍;王睿;;一種基于聚類思想的目標(biāo)識(shí)別新方法[J];空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年02期

8 賈宇平;付耀文;黎湘;莊釗文;;灰局勢決策方法在決策層融合目標(biāo)識(shí)別中的應(yīng)用[J];信號處理;2007年04期

9 李靜;黃崢;;靜態(tài)傅里葉干涉具在目標(biāo)識(shí)別中的應(yīng)用研究[J];光譜學(xué)與光譜分析;2009年08期

10 黃瑤;熊和金;;目標(biāo)識(shí)別的灰關(guān)聯(lián)方法研究[J];湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年S1期

相關(guān)會(huì)議論文 前10條

1 王宇;鐘秋海;;用統(tǒng)計(jì)模式識(shí)別方法建立海上目標(biāo)識(shí)別的數(shù)學(xué)模型[A];1995中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

2 鄭援;胡成軍;;基于數(shù)據(jù)融合的魚雷目標(biāo)識(shí)別[A];第十四屆全國信號處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

3 李夕海;趙克;慕曉冬;劉代志;;目標(biāo)識(shí)別中的特征相空間吸引子分析[A];第十屆全國信號處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

4 馮杰;蓋強(qiáng);古軍峰;;模糊聚類分析方法在海上目標(biāo)識(shí)別中的應(yīng)用[A];第二屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

5 趙克;劉代志;慕曉東;蘇娟;;目標(biāo)識(shí)別的特征量約束[A];第九屆全國信號處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

6 李正東;陳興無;宋琛;何武良;;多傳感器的目標(biāo)識(shí)別[A];中國工程物理研究院科技年報(bào)（1999）[C];1999年

7 郭相科;劉進(jìn)忙;曹學(xué)斌;張玉鵬;;子類獨(dú)立分量分析在聲目標(biāo)識(shí)別中的應(yīng)用[A];中國聲學(xué)學(xué)會(huì)2007年青年學(xué)術(shù)會(huì)議論文集（上）[C];2007年

8 張翠;高廣春;趙勝穎;;基于時(shí)間融合算法的近程目標(biāo)識(shí)別[A];2011下一代自動(dòng)測試系統(tǒng)學(xué)術(shù)研討會(huì)論文集[C];2011年

9 俞鴻波;趙榮椿;;三維空間目標(biāo)識(shí)別概述[A];信號與信息處理技術(shù)——第一屆信號與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

10 曹健;陳紅倩;毛典輝;李海生;蔡強(qiáng);;基于局部特征的圖像目標(biāo)識(shí)別問題綜述[A];2013年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊）[C];2013年

相關(guān)重要報(bào)紙文章 前2條

1 莫衍崴 特約記者劉謙;上士白光斌:電話傳音排故障[N];戰(zhàn)士報(bào);2012年

2 陳德潮邋本報(bào)特約通訊員 曹金平 劉劍;為潛艇鑄“魂”[N];解放軍報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 肖永生;射頻隱身雷達(dá)信號設(shè)計(jì)與目標(biāo)識(shí)別研究[D];南京航空航天大學(xué);2014年

2 崔宗勇;合成孔徑雷達(dá)目標(biāo)識(shí)別理論與關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2015年

3 丁軍;基于稀疏理論的SAR圖像目標(biāo)識(shí)別研究[D];西安電子科技大學(xué);2015年

4 韓靜;基于仿生視覺模型和復(fù)雜信息學(xué)習(xí)的多光譜夜視目標(biāo)識(shí)別技術(shù)[D];南京理工大學(xué);2014年

5 王海羅;基于視覺感知的無人機(jī)目標(biāo)識(shí)別與跟蹤技術(shù)研究[D];北京理工大學(xué);2015年

6 舒銳;衛(wèi)星目標(biāo)識(shí)別與特征參數(shù)提取方法研究[D];哈爾濱工業(yè)大學(xué);2010年

7 張池平;多傳感器信息融合方法及其在空間目標(biāo)識(shí)別中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2006年

8 李彥鵬;自動(dòng)目標(biāo)識(shí)別效果評估[D];國防科學(xué)技術(shù)大學(xué);2004年

9 賈宇平;基于信任函數(shù)理論的融合目標(biāo)識(shí)別研究[D];國防科學(xué)技術(shù)大學(xué);2009年

10 張祥合;復(fù)雜場景中目標(biāo)識(shí)別與分類的仿生原理和方法[D];吉林大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 許俊峰;基于模型的任意視點(diǎn)下三維目標(biāo)識(shí)別研究[D];南京航空航天大學(xué);2015年

2 李建;毫米波輻射計(jì)目標(biāo)識(shí)別性能測試系統(tǒng)研究[D];南京理工大學(xué);2015年

3 陳晨;紅外/毫米波復(fù)合信號處理方法及電路設(shè)計(jì)[D];南京理工大學(xué);2015年

4 王玉君;基于遠(yuǎn)紅外熱像儀的地面機(jī)動(dòng)目標(biāo)識(shí)別[D];沈陽理工大學(xué);2015年

5 姚國偉;基于高分辨距離像的艦船目標(biāo)識(shí)別研究[D];哈爾濱工業(yè)大學(xué);2015年

6 周偉峰;基于神經(jīng)網(wǎng)絡(luò)的單目機(jī)器人目標(biāo)識(shí)別定位研究[D];安徽工程大學(xué);2015年

7 譚敏潔;基于壓縮感知的雷達(dá)一維距離像目標(biāo)識(shí)別[D];電子科技大學(xué);2015年

8 王翔;基于局部神經(jīng)反應(yīng)的目標(biāo)識(shí)別研究[D];華中師范大學(xué);2015年

9 劉巍;基于非均勻采樣圖像的目標(biāo)識(shí)別與跟蹤算法研究[D];北京理工大學(xué);2015年

10 田兵兵;基于核函數(shù)的SAR圖像目標(biāo)識(shí)別研究[D];電子科技大學(xué);2015年

，

本文編號：1771117