基于非均匀采样的多模型红外三维目标跟踪

针对红外三维目标跟踪过程中目标姿态变化导致跟踪器失效的问题,提出了一种基于非均匀采样的多模型方法.首先用若干个原型视图表征三维目标,将这些原型视图对应的原型形状作为目标的多模型形状表示,并建立了这些原型形状之间的转移概率矩阵.在粒子滤波框架下,以对数极坐标变换下的原型视图中目标的灰度分布特征作为参考目标模型.通过对形状转移概率采样,实现了样本形状的转移与传播.此方法提高了跟踪器对于姿态变化的鲁棒性,同时具有非均匀采样特性的对数极坐标变换可以抑制图像尺度、旋转造成的畸变,并起到压缩周边的计算量的作用.仿真结果表明,这种算法对三维目标有较好的跟踪效果.     

一种扩展边缘特征的图像定位方法

针对图像匹配受几何变形影响的情况,采用侧抑制竞争方法准确提取图像边缘。比较边缘移位对图像匹配的影响,提出扩展边缘特征的匹配方法,改善了因各种原因造成的基准图与实时图的变形对匹配定位的影响。实验表明,本文的图像边缘提取和扩展边缘特征匹配方法具有模型简单和抗几何变形的能力等特点,便于实现。     

基于网络树的模拟电路故障诊断

根据电网络理论中树的特性,提出了一种的子网络级的模拟电路故障诊断方法,给出了在大规模电网络中,网络树状态的两个判据及根据网络树状态判据的故障诊断算法。本方法避免了进行 Ｋ Ｃ Ｌ方程校验所带来的复杂计算,且大部分计算可于测试前进行,实时性强,便于在线实现。算法同时适用于线性电路和非线性电路。     

NSCT和非负矩阵分解的图像融合方法

非采样Contourlet变换（Nonsubsampled Contourlet transform,NSCT）是一种新的多尺度变换,它同时具有方向性、各向异性和平移不变性,能有效地表示图像的边沿与轮廓。非负矩阵分解（Non-negative Matrix Factorization,NMF）是在矩阵中所有元素均为非负数的条件下的一种矩阵分解方法。在非负矩阵分解过程中,适当地选取特征空间的维数能够获得原始数据的局部特征。提出了一种基于NSCT和NMF的图像融合方法。首先用NSCT对已配准的源图像进行分解,得到低通子带系数和各带通子带系数;其次将低通子带系数作为原始数据,选取特征空间的维数为1,利用非负矩阵分解得到包含特征基的低通子带系数;对各带通子带系数采取绝对值最大的原则进行系数选择,得到融合图像的各带通子带系数;最后经过NSCT逆变换得到融合图像。实验结果表明,融合结果优于Laplacian方法、小波方法和NMF方法。     

多尺度数据融合算法及其应用

ＢａｓｅｖｉｌｌｅＭ及ＣｈｏｕＫ Ｃ等基于二叉树多尺度随机过程提出了一种多尺度数据融合算法。该算法实现简单,速度快、易于并行化。本对此算法做了进一步的研究,提出了一种新的多尺度模型构造方法,该方法简单,便于实现。仿真计算表明,采用此方法构造的多尺度状态空间模型对信号有较好的近似,完全可以应用ＣｈｏｕＫＣ等提出的多尺度融合算法,滤滤效果明显,可用于多尺度数据融合。     

一种基于提升小波的多传感器图像融合

提出了一种基于提升方案的五株形小波的多传感器图像融合方法,即在提升五株形小波多尺度分解的基础上,对每一幅图像进行多尺度分解,按照不同的融合规则和融合算子去构造融合图像对应的各小波系数,再通过逆变换重构融合后的图像.该方法被成功地用于多聚焦图像的融合处理.试验结果表明该融合方法十分有效,获得的融合图像更符合人眼的视觉特性、更有利于进行目标监视和侦察.     

基于小波变换的图像融合方法

提出了一种基于小波变换的改进图像融合方法。对小波分解后的高频分量使用图像区域内像素的最大绝对值作为该区域中心像素的活性测度以得到融合图像的高频分量,对分解后的低频分量通过度量其图像块的质量来确定融合图像的低频分量。实验结果表明,该方法得到的融合图像清晰度和对比度都较好,是一种有效的图像融合算法。     

非均匀背景下的红外图像曲面拟合分割

红外图像往往存在着背景不一致的特点,因此在分割时无法有效地提取出目标。本文针对这一问题提出了一种基于曲面拟合的图像分割方法,以分割非均匀背景下的红外目标。这种方法首先对背景进行光顺限制的曲面拟合,再通过设置一个偏移量来形成阈值曲面。通过研究发现,曲面拟合时的偏离项和光顺项的权重系数比是由图像背景的双拉普拉斯变换以及噪声均方差共同决定的,从而在估计噪声均方差的基础上实现了对权重系数的自适应选取。从仿真结果可以看出,本文提出的曲面拟合分割法在背景去除和目标提取上要优于传统的Ostu法和局部阈值法。     

一种红外目标图像的自动分割方法

针对红外成像制导过程中运动目标的分割,提出了一种红外目标图像的自动分割方法,它首先对目标红外图像进行多尺度形态滤波,消除背景和杂波的影响同时增强目标的对比度,然后采用连接相对熵准则确定区分目标和背景的最佳门限,最后对得到的二值图再进行形态滤波,得到精确的目标分割图像。实验结果表明该方法效果良好,便于下一步的目标识别和跟踪。     

σ校正混合自适应控制律

本文提出了一种σ校正混合自适应控制律,并且证明在对象具有相加和相乘未建模动 态(unmodeled dynamics)的情况下,若采用文中所给出的混合自适应控制系统结构,这种σ 校正混合自适应控制律可保证闭环系统中的所有信号有界,并且对于任何有界初始条件,系 统具有小的均值残余跟踪误差.数学模拟结果表明,本文所提出的混合自适应控制律优于相 类似的全连续和全离散自适应控制律.