1 目标与环境光学特征国防科技重点实验室,北京,100854
2 中国航天科工集团第二研究院第207所,北京,100854
图像奇异值特征矢量以其稳定性和它在转置、平移、旋转和镜像变换下具有的不变性,被认为是一种图像的代数特征,广泛应用于图像匹配和图像识别.通过矩阵运算,证明了奇异值特征矢量在图像做缩放变换时具有不变性,并将这种性质运用于图像匹配.实验结果表明这种不变性与奇异值特征矢量在图像做转置、平移、旋转和镜像变换时所具有的不变性一样,是奇异值特征矢量能够作为图像代数特征的一个重要依据.
图像匹配 奇异值分解 缩放不变性 Image matching Singular value decomposition Reducing and enlarging invariance
1 北京理工大学,信息科学技术学院,北京,100081
2 中国航天科工集团第二研究院第207研究所,北京,100854
分形特征参数对于自然背景和人造目标存在着本质差别,充分利用这些差别,能为目标检测提供一种新思路,就分形技术在数字图像处理领域中目标检测方面的应用进行了讨论.分形的应用总是以各种分形参数为中介,有时完全依赖于分形参数,有时将分形参数和其他参数相结合,有时将分形方法和其他方法相结合,在处理的不同阶段分别采用分形方法和其他方法.对几种分形特征参数的估算方法及其在目标检测中的应用进行了研究.
分形维数 分形模型拟合误差 序列图像处理 目标检测 Fractal dimension Fractal model fit error Sequence-image procession Target detection.
1 航天科工集团第二研究院207研究所目标与环境光学特征国防科技重点实验室,北京,100854
2 航天科工集团第二研究院207研究所,北京,100854
提出了一种基于神经网络学习特性和集合论的边缘分段算法(Merge-Split) ,优点在于它的分段间断点、自由度满足自适应性,能在学习过程中实现而不必事先规定;进一步提出神经网络拟合不连续的图像边缘的方法,在无边缘数学函数形式的情况下,充分利用其学习函数的任意逼近和自学习性进行拟合,实践证明该方法可以克服以往边缘拟合方法的不足.
边缘拟合 神经网络 分割-合并算法 Marginal fit Neural network Merge-split algorithm
