针对合成孔径雷达(SAR)目标识别问题, 提出结合多特征联合表征和自适应加权的方法。分别采用主成分分析(PCA)、单演信号以及Zernike矩特征描述原始SAR图像, 获得3个对应的特征矢量。基于联合稀疏表示模型对3类特征进行联合表征。针对不同特征条件下的重构误差矢量, 采用自适应加权算法进行融合处理, 即在线性融合的框架下自适应获得权值, 达到良好的决策融合效果。最终, 根据融合后的误差对目标类别进行判定。实验基于MSTAR数据集开展, 针对10类目标识别问题分别在标准操作条件、噪声干扰和部分遮挡条件下进行测试, 结果验证了方法的有效性。
合成孔径雷达 目标识别 多特征 联合稀疏表示 自适应加权 synthetic aperture radar target recognition multiple features joint sparse representation adaptive weighting
华东交通大学电气与自动化工程学院，江西南昌 330013
针对背景复杂的电力设备红外图像分割问题，提出一种新的分割方法。该方法运用线性谱聚类算法（LSC）对图像做超像素分割，将颜色、距离相似的像素聚类至同一个中心；利用在全局图像基础上计算所得的 Otsu阈值对各超像素块做背景预标记，并利用最大相似度区域合并算法（MSRM）对超像素块进行合并，在得到目标设备的同时，有效降低了过分割和欠分割率；最后运用数学形态学算法对图像做后处理，在保证设备特征的前提下提高目标设备分割精度。实验表明，在复杂背景下与其他算法相比，该方法可得到更为准确、完整的目标设备。
电力设备 图像分割 线性谱聚类 最大相似度区域合并 Otsu算法 power equipment, image segmentation, linear spectr
北京航空航天大学 机械工程及自动化学院,北京 100083
本文在彩色图像的HSI颜色空间中,根据其分量的不相关特性,针对H、S分量建立了彩色图像的复变函数模型,并给出其边缘检测方法,得到H、S分量的边缘图像。抽取彩色图像的I分量构造灰度图像,利用当前成熟的灰度边缘检测方法(基于小波的多尺度边缘检测方法)得到I分量的边缘图像。最后,利用信息融合技术,将上述获得的两幅边缘图像进行信息组合得到最终的边缘检测结果。从试验的结果来看,本文所采用的方案充分利用了彩色图像所包含的信息,对图像的彩色边缘比较敏感,获得了满意的边缘检测结果。
彩色图像 复变函数 HSI颜色空间 边缘检测 color image complex variables function HSI color space edge detection
