运动图像多尺度分割中的参数估计方法

将一种新颖的多尺度分割方法引入了多分辨率运动图像分割框架中 ,从而形成了一种新的多尺度运动图像分割方法。该方法主要由多尺度随机场和序贯极大后验估计两个基本概念组成 ,主要是解决多尺度图像分割中仍然存在的计算复杂度问题 ,并可以通过上下文图像模型达到更加准确的图像分割。     

由倍周期分叉走向混沌的Logistic Map及其控制器设计

详细讨论了Logistic Map映射由倍周期分叉走 向混沌的过程,并根据离散系统Devaney 混沌定义（以μ=4为例）证明该映射确实发生 了混 沌,最后基于反馈方法提出了一种简单实用的混沌控制方法．无论对于定值控制,还是随动 控制,仿真结果表明本文提出的控制方法都优于文献\[1\]提出的逆系统方法．     

梅花形采样离散小波框架图像融合算法

提出一种新的基于梅花形采样离散小波框架的图像融合算法. 首先论证多维完全重构滤波器组采样矩阵的可替换性, 由此推导出梅花形采样离散小波框架并分析其特性; 然后将该框架应用到多尺度图像融合方案得到一种低冗余近似移不变的融合算法; 最后对融合算法进行实验分析并与已有算法比较. 实验结果表明本文算法可以快速获取高质量的融合图像.     

基于瞬态相对模型的轨道机动目标运动参数估计

空问目标可能存在未知的机动,针对该类目标相对导航问题,提出一种基于瞬态相对模型的运动参数估计方法.该方法依据轨道密切性思想,在瞬态意义下建立相对运动模型和机动辨识算法,然后通过密切轨道到参考轨道的量测变换对冻结时间模型进行状态滤波,可为目标机动下的自主导航提供所需的相对状态与目标机动参数估值.误差分析表明,所得估值偏差均有界.仿真验证了该方法在目标存在机动情况下的有效性和一般性.     

累量域谐波恢复方法

累量域谐波恢复算法,通常假定谐波初相在[－π,π]区间上均匀分布,而且大量的仿真实验沿用相关域的分析方法,假定谐波数目为二,其振幅几乎相等,本文在对实际信号模型分析的基础上,从理论上得出了初相确定、谐波数目较多和信号动态范围比较大时累量自身及累量域数估计方法的一些特点,指出了现有谐波恢复和基于三阶累量的噪声预滤波恢复算法作了改进,使其理论更加完善、改进算稳健性增强。     

基于扩展Kalman滤波的空基多平台多传感器数据配准和目标跟踪算法

本文研究基于扩展Kalman滤波和多个空中移动平台的多传感器数据配准与目标跟踪问题.文中首先给出了空中移动平台传感器数据配准几何坐标转换算法;接着将目标运动模型和传感器配准误差模型组合在同一个状态方程中,然后利用扩展Kalman滤波方程进行估计.Monte-Carlo仿真表明,该方法能同时有效地估计目标运动状态和传感器配准误差.     

闭环制导实时仿真系统设计

研究飞行器制导系统实时性优化问题,由于飞行器闭环制导对于系统的实时性和制导快速性有着较高的要求,因此缺乏应用于工程实践的模型.为了能够在实验室环境下,实现飞行器闭环制导的实时仿真,提出设计闭环制导实时仿真系统.利用嵌入式系统,采用间接法求解最优制导问题.最后对系统进行了实时性测试,并对特定的吸气式高超声速飞行器模型进行轨迹仿真,结果表明,设计的系统完全能够满足飞行器闭环制导对实时性和快速性的要求.     

改进蚁群算法的飞机冲突解脱路径规划方法

冲突解脱是空中交通防撞系统中一个关键问题.提出了一种基于改进蚁群算法的冲突解脱路径规划方法.该方法通过优化蚁群算法初始搜索角度,减少了盲目搜索的时间.此外,在搜索过程中引入“精英策略”,对当前时刻寻找的最优解给予额外的信息素增强,使得算法的搜索具有一定的方向性,从而得到更优的规划路径,缩短算法的搜索时间.通过仿真验证,改进后的算法可以得到更优的冲突解脱路径,算法效率更高,在空中交通防撞系统中具有较好的发展前景.     

基于复合约束的视频目标跟踪算法

针对视频目标跟踪过程中,目标遮挡往往导致跟踪失败的问题,提出了一种基于稀疏表达和多任务学习的目标跟踪算法.将求解粒子稀疏表达的过程看作是一个多任务学习问题,在求解稀疏表达系数时将目标系数矩阵和冗余系数矩阵分开求解.由于粒子选择目标模板的相似性,选择用l1,∞范数对目标系数矩阵进行约束以获得组群稀疏特性;由于遮挡出现位置的随机性,选择用l1.1范数对冗余系数矩阵进行约束以获得元素稀疏特性.最后采用ADMM优化算法对复合约束模型进行优化.复合约束模型不仅考虑了粒子之间的相关性,同时能够更准确地重构随机出现的遮挡,降低了遮挡对于跟踪器识别目标造成的干扰实验.结果证明,基于复合约束的目标跟踪算法对于遮挡问题具有良好的鲁棒性,同时具有较高的跟踪精度和速度.     

基于特征筛选的码本区分性增强方法

针对BOF模型中的码本训练问题,提出了一种改进的 K-means方法。传统的K-means方法没有考虑对采集到的特征进行筛选,基于优化的方法可以看做是一种特征筛选的方法,但是实现复杂,计算量大。提出了一种基于Gist信息的特征筛选方法。根据Gist信息可以将图像粗分为背景区域和前景区域,然后对前景区域进行密集的特征采样,对背景区域进行稀疏的特征采样,最后所获得的特征都用来建立码本。实验结果表明,该方法训练的码本在Caltech101上有很好的分类效果,表明了该方法的有效性。