基于偏振特征的图像增强算法

具有不同导电特性的表面对入射光偏振态的影响不同,同时描述光束偏振态的线偏振度、偏振角和Stokes矢量之间存在互补性和冗余性;在此基础上提出了一种基于偏振特征和能量特征的图像增强算法,该算法对偏振度、偏振角和Stokes图像进行基于能量特征的融合,实现了对图像的增强,同时利用信息熵、清晰度和对比度对结果进行评价;实验表明,该方法在图像增强方面具有优越性.     

多尺度动态模型单传感器动态系统分布式信息融合

利用多尺度分析的思想,将基于模型的动态系统分析方法与基于统计特性的多尺度信号变换方法相结合,在不同尺度上拥有对目标状态进行不同描述的多模型动态系统,提出多尺度分布式信息融合估计新算法,在最细尺度上获得目标状态基于全局信息的融合估计值,初步解决了多尺度动态模型信息融合问题,这些工作丰富和发展了信息融合理论.     

基于场景模型与统计学习的鲁棒行人检测算法

提出一种基于场景模型和统计学习的行人检测算法. 针对训练行人检测器时面临的动态场景的复杂性和行人样本多样性等问题, 通过背景建模, 从场景的背景图像上提取有限的负样本用于训练, 大幅度提高了分类器的检测率, 同时降低了虚警; 提出一种快速弱分类器选择算法, 根据正、负样本特征大小的分布和期望的检测率, 直接求解特征大小的阈值范围, 能够满足在线训练和更新检测器的要求; 提出一种基于正样本错误率的训练算法, 先根据正样本加权错误率选择弱分类器, 快速提高检测率, 在训练结束后调整最终分类器的加权系数, 在保证检测率的同时尽可能降低虚警率. 实验中构建了一个试验视频数据库和行人样本库, 数据库包括雨、雪、阴影、季节变化、摄像机平移、旋转、缩放等情况, 并设计实现了一个实时行人检测系统BMAT (Background modeling and Adaboost training), 实验结果证明了算法的有效性.     

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。     

一种连续属性动态分类规则数据挖掘方法

连续属性的处理是当前分类规则中一个热点研究问题。以往的算法往往是建立在离散化过程的基础上进行的,然而,该类方法不但会破坏数据中信息的精度,同时也使得概念的转换十分困难。文章在分析了以往算法的基础上,提出了利用包含度和蕴含度的方法进行连续属性的分类规则学习,并对该种方法的属性约简问题进行了讨论。可以看出,通过该文的研究较好地解决了数据精度和动态概念挖掘的问题,利用包含度和蕴含度的方法是一个十分有价值的研究方向。     

基于Gabor函数的小波域指纹图像增强算法

针对指纹大规模采集库中存在的指纹图像局部区过干或过湿的问题,提出了一种基于Gabor函数的小波域指纹增强算法。该算法在小波域利用低频系数图估计指纹方向,从而抑制了指纹局部过干或过湿的影响,进而分别实现基于Gabor函数的小波域各子图增强,最终将各增强子图利用小波逆变换实现重构。通过对FVC2004的DB1指纹库中的部分低质量图像的增强结果比较,该算法对低质量指纹图像的增强效果明显,且处理速度明显快于现存的Gabor增强方法。     

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.     

多目标跟踪系统性能评估及软件包

提出了多目标跟踪性能分类测试体系，完成了多目标跟踪性能测试评估的各种功能软件及相应的软件包。