一种基于HSI空间的异类传感器假彩色图像融合算法

提出了一种基于HSI空间的假彩色异类传感器图像融合算法。该算法从边缘、色彩这两个图像的基本特征着手,在灰度融合图像的基础上,基于HSI空间,用色彩体现特殊传感器的独有信息。选用laplacian金字塔融合算法及一致性融合规则得到边缘灰度融合图像,并将其送至HSI空间的通道;根据需要,将某特殊传感器获取的图像,送至H通道进行调制;最后将HSI空间的融合图像变换到RGB空间显示。仿真结果显示：本文算法得到的彩色融合图像不仅保留了与灰度融合图像相近的空间分辨率,而且突出了独有信息,是一幅信息量比较完备的融合图像。同时,对于HSI三通道的选择是固定的,具有很好的算法稳健性。     

基于证据冲突度的多传感器冲突信息组合方法*

针对Dempster组合规则在多传感器冲突信息融合方面的不足,提出了改进的证据冲突的定义及基于冲突系数和Jousselme距离的证据冲突度的计算公式,给出了一种新的基于证据冲突度的证据加权融合方法。该方法首先利用证据冲突度构造证据相互支持度矩阵,进而计算证据的权重,最后利用Dempster规则对加权修正后的证据进行融合。数值实例表明：该方法可以有效融合高冲突信息,与Dempster组合规则和几种典型的加权证据融合方法相比,具有更快的收敛速度,而且收敛效果更好。     

基于自适应极坐标变换的景象匹配算法

对数极坐标投影变换以其对旋转及尺度的不变性而在景象匹配中广泛应用,但这种方法计算复杂且对图像的遮挡非常敏感。自适应极坐标投影变换,一方面保持了对数极坐标投影变换的旋转及尺度不变性,同时对图像间的局部遮挡具有鲁棒性且计算量相对较少。为此,把自适应极坐标投影变换应用到景象匹配中,提出了一种基于自适应极坐标变换的景象匹配算法。结合景象匹配辅助导航系统的实际给出了进一步的改进措施:根据自适应极坐标投影变换的特点,设计了一种新的相似性度量方法;创建虚拟圆索引模板,实现了在基准图上圆形子图的快速截取;在多分辨率匹配技术的基础上,进一步采用跳跃式搜索,有效缩减了匹配耗时。仿真实验表明,所提算法在实时性及鲁棒性方面优于传统的对数极坐标匹配算法。     

因果知识发现在关系数据集中的应用研究

因果发现是知识发现的一个新的研究方向,其目的是从观测数据中找出其隐含的因果关系。虽然应用前景十分美好,但结果评价困难等因素造成了其在应用方面研究的缺乏,并限制了它的进一步发展。文章对于一个人口统计方面的关系型数据集进行了因果发现,并对于结果进行了多方面的评估与分析。结果表明,因果发现不但切实可行,而且能在实际的知识发现应用中找出相对来说较高质量的知识。     

基于快速支持向量机的图像型火灾探测算法*

图像型火灾探测的核心问题是火焰和疑似火焰物体的分类和识别。以火灾视频和疑似火灾视频为分析对象,提取了火灾图像的面积重叠率、圆形度以及火焰尖角数目三个特征量,选择快速支持向量机进行分类器训练,最终利用训练好的分类器实现了火焰及干扰物体的分类识别问题。实验结果表明,该算法提高了火灾图像的分类精度和火灾识别的准确率,同时具有较高的检测效率。     

New sigma point filtering algorithms for nonlinear stochastic systems with correlated noises

New sigma point filtering algorithms, including the unscented Kalman filter (UKF) and the divided difference filter (DDF), are designed to solve the nonlinear filtering problem under the condition of correlated noises. Based on the minimum mean square error estimation theory, the nonlinear optimal predictive and correction recursive formulas under the hypothesis that the input noise is correlated with the measurement noise are derived and can be described in a unified framework. Then, UKF and DDF with correlated noises are proposed on the basis of approximation of the posterior mean and covariance in the unified framework by using unscented transformation and second order Stirling’s interpolation. The proposed UKF and DDF with correlated noises break through the limitation that input noise and measurement noise must be assumed to be uncorrelated in standard UKF and DDF. Two simulation examples show the effectiveness and feasibility of new algorithms for dealing with nonlinear filtering issue with correlated noises.     

基于自相关函数的蛋白质-蛋白质作用位点预测研究

蛋白质-蛋白质相互在细胞生命过程扮演重要角色,广泛参与免疫反应,信号传导,基因表达,蛋白质合成等,研究蛋白质-蛋白质作用位点,将有助于揭示生命过程的许多本质,对预防、诊断疾病,以及突变设计、蛋白质相互作用网络构建等方面均具有重要的参考价值.根据蛋白质.蛋白质作用位点残摹倾向性及作用位点与其周围临近残基密切相关的特性,本文提出基于序列谱(或空间谱)构建自相关函数,度量邻近残基之间的相关程度,采用AdaB00st分类器预测蛋白质-蛋白质相互作用位点,精度达到67.6%,表明本文的方法预测蛋白质-蛋白质相互作用位点是有效的,为研究蛋白质-蛋白质相互作用位点研究提供了一种新方法.     

基于自适应混合高斯模型的时空背景建模

提出了一种基于自适应混合髙斯模型的时空背景建模方法, 有效地融合了像素在时空域上的分布信息, 改善了传统的混合髙斯背景建模方法对非平稳场景较为敏感的缺点. 首先利用混合髙斯模型学习每个像素在时间域上的分布, 构造了基于像素的时间域背景模型, 在此基础上, 通过非参数密度估计方法统计每个像素邻域内表示背景的髙斯成分在空间上的分布, 构造了基于像素的空间域背景模型; 在决策层融合了基于时空背景模型的背景减除结果. 为了提高本文时空背景建模的效率, 提出了一种新的混合高斯模型髙斯成分个数的自适应选择策略, 并利用积分图实现了空间域背景模型的快速计算. 通过在不同的场景下与多个背景建模方法比较, 实验结果验证了本文算法的有效性.     

三视场星敏感器的多级星图识别算法

为解决现有三视场星图识别算法效率慢、识别正确率低的问题,提出了一种面向三视场星敏感器的多级星图识别算法:第一阶段利用单一可调参数的广义回归神经网络分别识别三幅单视场星图;第二阶段利用星库中存储的星间角距信息检验导航星识别结果,再以正确识别的导航星信息计算星敏感器的3个视轴指向;第三阶段利用视轴指向辅助未识别与识别错误的导航星完成识别与校正;最终,以三视场内正确识别的导航星精确估计飞行器姿态信息。仿真结果表明,当星点质心定位误差的标准差达到0.07像素时,该星图识别算法对实验样本的识别正确率仍高达98.9%,而识别时间仅为8.464 5 ms。同时,由于提供求解姿态的星点信息较多且分布更广泛,飞行器的三轴姿态估计精度也随之提高。三视场星敏感器估计的飞行器偏航、俯仰、和滚转轴姿态精度分别为1.205 8″,1.086 7″以及1.201 8″。