暂无评论
Matlab在图像处理与目标识别方面的应用实验的几个示例-Matlab在图像处理与目标识别.rarMatlab在图像处理与目标识别方面的应用实验一、染色体识别与统计二、汽车牌照定位与字符识别三、基于B
介绍了利用 spot 5 多光谱数据对地面目标进行分类的方法。利用光谱和空间特征表示图像元素信息，并利用神经网络进行分类识别。
基于支持向量机的SAR图像目标识别，毕业设计的论文模板，做关于这方面的毕业设计，赶紧下载参考参考吧
摘 要 : 特征提取是合成孔径雷达自动目标识别的关键技术 ,同时也是难点问题之一. 本文提出了一种基于非 负矩阵分解算法与 Fisher 线性判别方法的合成孔径雷达图像目标识别的方法 ,通过基于基向量
摘要：为了准确地进行SAR图像目标识别，提出一种基于稀疏表示的SAR目标识别方法，在用主成分分析（PCA）进行降维的前提下，利用降维后的训练样本构建稀疏线性模型，通过ℓ1范数最优化求解测试样本的稀疏系
基于图像NMI特征的目标识别新方法，这是讲解NMI经典文章之一，多次被引用
摘要: 基于局部特征的图像目标识别是近年来计算机视觉领域中的热点问题。首先,论述整体特征的不足以及局 部特征的优势。然后,详细阐述局部特征提取技术和目标表示方法的研究现状,讨论其中的一些常用算法。为清
针对空间通信目标个体识别问题,在射频指纹分析的基础上提出了一种多维信号特征融合提取方法。首先分别在时域、频域和高阶谱域对截获的空间通信目标射频信号提取个体多维信号特征,然后对提取的特征进行融合,并应用
针对海面背景舰船目标单一波段图像识别率低的问题, 提出了一种基于卷积神经网络(CNN)的融合识别方法。该方法提取可见光、中波红外和长波红外3个波段舰船目标特征进行融合识别。模型主要分为3个步骤:通过设
分析了主成分分析（PCA）与核主成分分析（kPCA）的基本原理，比较了两者在处理数据方面的性能，得出了kPCA比PCA在处理非线性可分数据方面具有优势的结论.依据几何绕射理论（GTD），通过Matla
暂无评论