基于AHP-PCR5的多传感器目标识别

目标识别系统中所获得的信息常常是高度冲突和不确定的。基于DSmT理论的多传感器目标识别,可以解决证据高度冲突情况下的信息融合问题。然而由于DSmT理论融合结果分类精细而不利于判决,需要将某些分类结果进行重新分配。层次分析法(AHP)包含不确定知识矩阵,生成基本信度分配函数。基于此提出AHP-PCR5方法进行证据高度冲突情况下多传感器综合目标识别,不仅提高识别精度,降低识别过程的不确定因素,同时引入折扣系数灵活处理识别过程中具有不同可信度的多传感器融合问题。     

基于LBP-PCA的多传感器目标识别算法

为了更加有效地提高多传感器图像融合后的识别率,提出一种基于LBP-PCA的多传感器目标识别算法。首先分别对红外和可见光图像进行预处理用以突显出要识别的目标,采用LBP算法提取目标的特征点向量,利用PCA算法进行特征融合,得到降维后的融合特征,最后利用SVM(支持向量机)进行分类和识别。实验仿真结果表明多传感器目标经过LBP-PCA融合后在保持足够数量的有效信息基础上降低了特征的维数,有效地提高了目标识别率。     

基于D-S证据理论的多特征数据融合算法

Dempster-Shafer证据理论是不确定推理的一种重要方法,提供了一定程度的不确定性,可以指定给相互重叠或互不相容的命题,然后通过Dempster组合规则将不确定性信息在新证据中进行重新分布,该理论在许多方面都得到了广泛的应用.将来自图像传感器的多种图像特征,通过D-S证据理论将这些特征信息进行融合,并应用于目标的识别.实验结果表明D-S证据理论用于多特征数据融合的目标识别算法是有效的,基于该理论的多特征数据融合具有广阔的应用前景.     

目标多特征信息的模糊数据关联算法

传统的解决密集杂波环境中多目标跟踪的数据关联算法主要是基于目标的距离特征。由于利用的信息有限,容易导致目标的误跟和失跟。提出一种基于目标多特征信息的数据关联算法,将目标的距离特征、方位特征和雷达散射截面积特征进行模糊信息融合,实现对雷达目标的关联。仿真结果表明了该算法的有效性。     

潜艇全综合作战系统

现代潜艇作战系统,通过数据融合和航迹相关能将潜艇上的所有声学、电磁、光电和导航的传感器综合起来。 这种交互过程将未处理的传感器信息显示变成了易读的作战态势图象,这样就为指挥小组决策提供了最大的帮助,这关系到最大的作战效果和己方潜艇的安全性。 能同时或顺序地完成以下功能: 低频、宽带的检测与跟踪 频谱和宽带分析 脉冲检测、分类和跟踪 瞬时检测与存贮 扇形范围测量 水雷探测与分类 己艇噪声的监视与测量 主动声呐探测 综合导航 光电图象的显示与评定 雷达显示综合 传感器和系统目标的跟踪 传感器和系统目标的分类 威胁分析 武器发射建议 武器传感器综合 武器控制     

稳定特征选择的多目标蚁群优化

为了提高进化算法特征选择稳定性,提出一种面向稳定特征选择的多目标蚁群优化方法。通过抽样策略集成三种特征排序法的输出作为多目标蚁群优化的稳定性指导信息,聚合特征的费舍尔分值和最大信息系数值作为多目标蚁群优化的启发式信息,以分类正确率和扩展昆彻瓦指标值作为两个优化目标,兼顾算法的分类性能与特征选择稳定性。在四个标准数据集上进行对比实验,结果表明,所提方法能够在分类性能与稳定性方面达到较好的平衡。     

一种基于调制谱的空中目标识别方法

雷达目标的微多普勒特征在雷达目标探测与识别中受到越来越多的关注,正在成为目标探测与识别领域的新兴研究方向。介绍了一种基于调制谱的空中目标识别方法,根据空中目标回波、综合时域的幅度信息、时域的相位信息和频域的微多普勒信息,将空中目标分为直升机类目标、螺旋桨类飞机目标和涡扇类飞机目标,利用实测数据对结论进行验证,表明该方法可以用来对这些目标进行分类。     

D-S证据论在空中目标分类中的应用

首先叙述识别、分类空中目标时需使用多传感器融合技术,分析可利用的各类传感器和从其可得到的各种目标属性参数,以及各种数据融合方法.然后详细介绍了基于D-S证据论的3种多源信息融合分类空中目标方法,并对具体仿真应用结果作了比较.     

多目标定位新方法

本文研究的重点是开发在胶片图象上进行多目标定位的数学基础和算法。一种具有坚实数学基础的多目标定位的探测器算法已经开发出来。该算法基于这一假设:即图象由分布成分混合组成,源于不同背景和图象中目标区域。采用最大似然估计和迭代群集算法,开发出一种从混合分布状态中分离出其主要成分的探测器算法。掌握了混合的成分,就可根据混合成分的分类和对目标形状、大小的识别进行目标定位。该算法已在一组图象上进行过测试(图象的选择基于预计的困难情况),证实了该算法在噪音和杂波背景中进行多目标定位的能力。     

基于信息融合技术的防空通信系统效能评估

防空通信系统综合评判的核心计算是:实现从各指标隶属度到目标隶属度的转换。但是,现有的隶属度转换方法,不能揭示指标隶属度中"哪部分对目标分类有用,哪部分无用";结果是指标隶属度中原本对目标分类不起作用的冗余数值,也被用于计算目标隶属度。实际上,隶属度转换是一种信息融合技术,实现信息融合的关键环节是挖掘隐藏在各指标隶属度中关于目标分类的知识信息。为此,通过挖掘这种知识信息设计一种滤波器,能清除指标隶属度中对目标分类不起作用的冗余数值,在没有冗余数据干扰条件下实现隶属度转换,由此建立一种基于信息融合技术的防空通信系统效能评估的方法。     

基于图像信息的多特征空间坦克姿态估计

坦克作为地面战场的主要目标,分析其姿态至关重要。根据坦克姿态估计的需要,在可见光条件下采集了坦克车体纵轴与瞄准镜光轴不同夹角的图像作为训练集。利用主成分分析法选取了目标的主要特征向量,每个训练子集用3个特征向量表示,利用少量的特征向量建立目标的8个特征空间,降低了空间的维数。设计判别准则将待识别目标向量与重构向量之间的余弦值进行比较,即确定目标所在的空间位置,完成了目标姿态的识别。实验结果表明,利用建立目标多特征空间的方法识别目标空间位置是有效的。     

文本情报信息筛选与聚类的一种处理方法

目前大数据时代情况下的信息有文本、图像、语音和视频等多种形式,而且信息的容量非常大,怎样高效、正确地筛选、分类和处理、利用这些信息,为决策者提供指挥与控制的科学依据显得尤为重要。据此对文本情报信息提出了一种文本聚类的特征选择以及特征变换的方法,利用单词在文本中的出现次数的概率来选择参与聚类的单词,并且对单词出现概率模型定义了特征变换函数,提高了文本信息的筛选、分类和处理的精度,能快速、准确地提取所需要的情报信息提供给指挥与控制的决策者参考、使用。     

基于稀疏子空间聚类的人脸识别方法

在现有的稀疏子空间聚类算法理论基础上给出两种稀疏子空间聚类优化算法:稀疏线性子空间聚类和稀疏仿射子空间聚类。这两种优化算法针对不同的数据集会有不同的聚类效果。通过稀疏表达得到不同的稀疏系数矩阵,把稀疏系数矩阵应用到较为简单的改进的正则化谱聚类算法中实现聚类。应用Yale B数据对人脸图像进行识别分类得出:采用稀疏线性子空间聚类算法优于稀疏仿射子空间聚类算法;在算法执行时间上和算法聚类错误率比传统的稀疏子空间聚类较为快速高效。     

基于二维小波变换的空间目标识别算法

对于空间目标识别这个具有挑战性的研究课题,提出了基于二维小波变换的空间目标识别算法。该算法首先对空间目标的ISAR像进行二维小波变换,然后从近似分量和细节分量中提取奇异值特征,最后应用径向基函数(RBF)神经网络进行分类识别。计算机仿真实验表明,该算法取得了比较好的识别效果。     

一种基于加权DSmT的序列图像目标识别方法

通过对自动目标识别系统研究与分析,将DSmT引入到飞机序列图像识别中,构建基本置信指派及分类规则,提出了一种基于加权DSmT的序列图像目标识别方法,在分析权值选择特点的基础上,根据特征信息的置信指派组合有效权值,并且给出了基于加权DSmT融合规则的序列图像目标识别的流程,仿真结果表明,该方法提高了序列图像目标识别的准确性.     

低分辨雷达的目标特征提取方法

基于现役低分辨警戒雷达 ,研究了进行目标分类和识别的途径 ,提出了基于波形特征和时间谱信息的目标分类和识别方法 ,试验分析了基于目标波形信息的特征 ,得出目标波形信息可用于目标识别的结论。现场试验表明 ,该方法对目标大小分类和架次识别有好的效果。     

基于非采样Contourlet变换的高光谱图像融合算法

高光谱图像数据具有大量波段,波段之间的相关性较高,可以利用数据融合技术来降低其分析难度.提出了一种新颖的基于非采样Contourlet变换的高光谱图像融合算法.首先对高光谱数据进行特征图像提取;再将提取出的多幅特征图像分别进行非采样Contourlet变换,并按区域能量进行加权融合;最后对融合系数进行非采样Contourlet重构.实际的OMIS高光谱遥感图像融合的实验结果表明,所提基于非采样Contourlet变换的加权融合算法能够很好地保持图像的空间特性和光谱特性,且效果明显好于典型的小波变换和Contourlet变换的融合方法.     

基于平稳小波变换的遥感图像融合方法

针对目前方法在多光谱图像和高分辨率图像融合中存在的问题,提出了一种IHS交换和平稳小波变换相结合的图像融合方法.首先对多光谱图像进行IHS变换后,得到I、H和S三个分量,接着对I分量和高分辨率图像进行基于平稳小波变换的图像融合,得到一幅新的强度图像,最后用新的强度图像和H及S进行IHS反变换,进而获得最终融合图像.实验表明,它优于传统的IHS变换法和小波变换法.     

边缘信息的红外与可见光图像融合评价

建立能同时结合主观和客观因素的图像融合质量评价方法是目前图像融合中急需解决的问题之一。以反映人类视觉特性的结构相似度为依据,并结合源图像与融合图像的边缘信息,提出了一种新的图像融合质量评价方法,该方法充分反映了人类视觉系统的特性,可以为不同环境下选择不同的图像融合算法提供依据。通过对红外与可见光图像采用多种不同的融合算法进行融合质量评价,实验表明,评价结果与人眼主观评价一致,是一种实用的、有效的图像融合质量评价方法。