一种改进的Live-Wire交互式图像分割算法

提出了一种改进的Live Wire交互式图像分割算法。与原Live Wire算法相比 ,改进算法在不增加算法复杂度的同时 ,大大提高了图像分割的性能 ,而且在 3个方面弥补了原算法的不足 :(1)对噪声相当敏感 ;(2 )不能有效地区分图像中的强弱边缘 ;(3)不适用于边缘弯曲程度较大的图像。将改进算法与窗宽 /窗位调整算法相结合用于医学图像分割中 ,取得了良好的分割效果     

一种基于per-pixel光照的高质量体绘制算法

分析讨论了一种基于per-pixel光照的高质量纹理映射体绘制算法。可以精确地对任意的动态点光源进行光照计算,这主要归功于在光照计算中采用了归一化的梯度,以及在每个像素上计算光照强度。同时,还提出了一种新技术通过对梯度的实时计算来有效的减少在传统基于纹理映射的体绘制中巨大的内存消耗,使得大规模体数据的实时绘制成为可能。充分利用了目前PC图形硬件成熟的可编程特性,特别是fragmentprogram,可以快速的载入体数据,得到可交互的绘制。最后对医学体数据进行绘制,得到了较为理想的结果。     

基于并行滤波器组和高阶累积量的扩频信号检测与估计

在非协作通信截获中,提出了一种有效的基于并行滤波器组和三阶累积量的扩频信号检测方法.滤波器组将输入信号细划成许多窄的频率通带,不仅在时频域完整的描述了未知信号,也改善了输出信噪比.采用三阶累积量估计器进一步抑制高斯噪声,并保留信号的有用信息,提高算法的检测能力.最后通过创建特征矩阵,实现扩频信号的参数估计.仿真实验表明,算法适用于低信噪比下的直接序列扩频扩信号检测,并能有效估计截获信号的载频和调制带宽.     

基于L Wigner分布的多径ESM信号估计

针对电子支援测量(electronic support measurement, ESM)信号存在多径干扰,从而影响信号特征提取以及雷达辐射源识别的问题,提出了一种基于L Wigner分布的多径信号估计方法。首先分析了多径ESM信号模型和时频域匹配滤波算法,接着研究了L Wigner分布对于多分量高阶频率调制信号的分辨性能,根据自身项和交叉项的不同特点,提出采用L Wigner分布对多径信号进行估计。该方法计算简单,保证了估计结果具有较高的分辨性能。仿真实验结果证明了方法的正确性和有效性。     

利用子区域特征进行自适应目标跟踪

提出了一种基于目标区域分割的自适应运动目标跟踪算法。该算法通过K-均值聚类,将目标分割为多个子区域,根据子区域颜色特征及其分布提出了一种新的目标模型,并给出模型相似性测度准则,从而将目标模型更新问题简化为区域特征的更新,提高了模型的稳定性。同时在跟踪过程中,利用相似性测度检测目标遮挡程度,根据遮挡程度自适应地调整卡尔曼滤波器的参数和模型更新过程,提高了在遮挡情况下算法的鲁棒性。分析和实验表明,新算法能够在真实场景中准确、实时地跟踪目标,是一种有效的视频目标跟踪算法。     

被动传感器系统模糊-概率双加权数据关联新算法

针对被动传感器系统中的数据关联问题,提出了一种新的被动传感器系统模糊-概率双加权数据关联算法。该算法首先利用候选关联的方位角建立检验统计量,进行方位的粗关联,排除一部分虚假候选关联,减少计算量;再对保留的候选关联进行交叉定位,计算每个交叉定位点与各个目标的关联概率;同时对相应的候选关联建立模糊关联度,来修正目标的关联概率,最后采用最大值搜索方法得到各个目标的正确关联。仿真结果表明,该方法可以快速、准确的排除虚假定位点,能够有效的对多个目标进行跟踪。     

一种复杂背景下模板检测与定位的新方法

在基于摄像机的场景测量中,图像采集的同时需要获得摄像机的参数,即进行摄像机定标。在利用参照物的自动标定过程中,首要任务就是实现测量场景中参照物(或模板)的自动检测与精确定位。为此提出了一种复杂背景下模板检测与定位的新方法。该方法包括模板检测与精确定位两个步骤。前者利用图像分割与形态学方法实现模板的粗定位;后者则结合边缘检测和Radon变换等技术确定模板的精确位置。实验结果表明,该方法实现简单、性能可靠,可适用于各种复杂的场景图像中。     

基于椭圆RHM的扩展目标伯努利滤波算法

与传统点目标跟踪不同,扩展目标跟踪既要估计目标的运动状态,还需估计目标的扩展状态,包括目标的形状、大小、方向等信息。针对扩展目标跟踪中存在的扩展状态估计不准确和非线性问题,提出一种基于随机超曲面模型(random hypersurface model, RHM)的扩展目标伯努利滤波算法。该算法首先采用RHM对目标量测源建模;然后,在扩展目标伯努利滤波框架下,实现对单扩展目标运动状态和扩展状态的实时估计;最后,引入Gamma分布以提高量测率估计的准确性。此外,为了降低计算复杂度,在量测更新中采用距离划分来减少所有可能的划分总数。实验结果表明,所提滤波算法在估计目标运动状态、扩展状态和量测率等方面优于现有的滤波算法,并且可用于实际视频跟踪场景。     

基于模糊函数代表性切片的运动雷达辐射源识别

针对运动雷达辐射源的信号特性,提出了一种基于模糊函数代表性切片特征优化的个体识别算法。首先抽取模糊函数的“近零”频偏切片作为辐射源的代表性特征子集,从而保留了运动雷达辐射源信号的稳定个性特征,然后利用直接判别比准则在代表性切片上进行核点排序,以选择最具有判别力的特征。对美国海军实验室仿真雷达数据和实测运动雷达辐射源数据的实验均表明,本文算法不仅有效地解决了现有的模糊函数全平面优化法的计算问题,而且显著提高了对运动雷达辐射源的个体识别性能。     

用于目标跟踪的自适应粒子滤波算法

结合粒子滤波算法,提出了一种能够根据目标运动特征自动确定粒子数的自适应目标跟踪算法。为了准确表示后验概率密度,粒子滤波通常使用大量的粒子。当运动预测准确时,用少量的粒子就可以准确估计概率密度函数。提出的算法利用描述概率密度所需的粒子数和运动估计准确程度之间的关系,自动确定粒子滤波所需的粒子数及其提议分布,提高了粒子的使用效率,避免了由于使用过多粒子而增加跟踪器计算量的问题。实验结果表明该算法可以有效地估计出进行目标跟踪所需的粒子数目。