基于非凸范数最小化图像去噪算法

为改善高斯噪声条件下图像去噪性能,基于低秩理论,提出基于伽马范数最小化的图像去噪算法.所提算法对噪声图像重叠分块,基于结构相似性指数自适应搜索与当前图像块若干最相似非局部图像块以组成相似图像块矩阵,进而利用非凸伽马范数无偏近似秩函数以构建低秩去噪模型,并基于凸优化理论求解所得低秩去噪优化问题,重组所得去噪图像块以获得最终去噪图像.与PID,NLM,BM3D和NNM等主流去噪算法相比,实验结果表明,所提算法可有效消除高斯噪声,且可较好地恢复原始图像细节.     

冲击噪声背景下引信目标方位估计方法研究

针对在冲击噪声条件下基于高斯噪声模型的目标检测方法性能退化的缺点,提出了一种新的引信目标方位估计方法。该方法引入α稳定分布模型对冲击噪声建模,通过对引信阵列天线接收信号共变矩阵的特征分解估计噪声子空间,再依据最小范数算法实现了对目标方位的估计。计算机仿真实验证明了所提出新方法的有效性。     

基于先验稀疏模型的光谱图像压缩采样检测

压缩信号处理为更加高效地实现光谱图像数据采集和处理提供了有效途径,针对传统压缩采样检测算法未针对待测信号专门设计采样矩阵,检测性能低于传统采样方式,且鲁棒性较弱的问题,提出了一种待测信号稀疏模型先验条件下的光谱图像压缩采样目标检测方法。该方法利用待测信号的稀疏表示子空间构造压缩采样矩阵,增强采样矩阵的信息获取能力;采用正交子空间投影法将压缩采样信号投影到干扰信号的局部正交子空间,抑制背景光谱的影响。实验和分析结果表明:与传统压缩采样检测算法相比,该方法能够有效提升压缩采样检测算法的性能,削弱采样矩阵随机性对于检测性能的影响,增强压缩采样检测算法的鲁棒性。     

基于背景建模和前景建模的红外运动检测

为抑制了红外图像信噪比低、非静止背景等引起的虚警产生,将基于背景建模和前景建模运动检测(BM-FM)算法引入红外面目标检测中;为抑制因目标与背景对比度低引起的部分目标区域漏检,提出了基于空间邻域信息的前景建模方法(SNFM),利用前一帧图像在像素点邻域内的前景目标点为样本,用核密度估计进行前景建模.试验表明了基于该前景建模方法的BM-FM算法的有效性.     

低信噪比下融合随机共振的运动目标检测算法

为提高智能视频监控系统中运动目标检测算法在低信噪比条件下的鲁棒性,结合混合高斯背景建模算法和随机共振原理实现一种低信噪比下的运动目标检测算法。算法根据混合高斯背景模型对当前帧生成目标概率灰度图,在本文定义的性能评价函数下,通过向该概率灰度图添加噪声使得评价函数最优化从而达到随机共振,对该随机共振灰度图进行阈值分割得到输出的检测目标。针对昏暗、大雾和红外视频分别进行了实验,证实了本文算法的有效性同时也显示本文算法相对于普通背景差算法性能获得了明显提升。     

视频监控系统中的动目标检测新方法

在分析了现有算法在复杂背景下所存在的不足的基础上,提出了一种适用于视频监控系统的基于视频序列像素时空相关性检测的动目标检测方法.该方法首先用每一帧中像素的空间相关性检测出目标,再用序列图像中目标的时间相关性检验目标的真实性,从而最终确定是否有运动目标.试验表明,该方法能很好地检测出运动目标,并具有较强的抗干扰能力.     

复杂环境下异常行为检测算法

针对复杂环境下视频监控滞后严重难以满足预警的问题,提出一种基于计算机视觉技术的复杂环境下异常行为检测算法。该算法首先利用分层背景模型对环境中的行人目标进行检测;其次采用改进的Mean-shift算法对运动目标进行实时跟踪,并在跟踪结果的基础上进行运动目标的异常行为判断。实验结果表明:该算法可以建立复杂环境准确的背景模型,有效地对入侵目标进行检测;可以对跟踪目标进行实时跟踪,有效地对逆行和逗留进行检测。     

基于二次特征提取的神经网络信号源个数估计方法

信源数目估计对阵列信号空间谱估计非常关键,但容易受到相关噪声环境和相关信号源的影响。为此,提出一种基于二次特征提取的源数估计算法。首先,利用阵列信号协方差矩阵的特征值和特征向量,提取6组二次特征参数;然后,利用这些参数对神经网络进行训练;最后,利用训练好的神经网络进行信源数目估计。由于稳健性强,该算法非常适合在复杂电磁环境下使用。仿真试验结果表明,该算法在低信噪比、相关噪声和相关信号源条件下均具有良好的估计性能。因此,该算法应用前景广阔。     

基于PPO的球形机器人目标跟随研究

球形机器人由于其优异的运动性能、出色的地形适应能力和防侧翻的特性,被广泛应用于水下探测、岸滩巡检等需要适应复杂环境的场景。然而球形机器人系统模型具有欠驱动、非线性的特点,运动控制问题复杂,在复杂应用环境下难以可靠跟随目标。为此,提出了一种基于近端策略优化(PPO)算法的球形机器人目标跟随方法。该方法基于深度强化学习理论,在球形机器人动力学模型的基础上,设计了简单高效的动作空间和表征完善的状态空间。并且为提高目标跟随方法的鲁棒性,该方法在奖励函数中引入人工势场,以使目标始终保持在机器人视野中心。仿真结果表明,所提方法能够满足既定场景的跟随需求,球形机器人使用该方法可以对随机运动目标进行可靠跟随。     

视频卫星单目标实时跟踪算法

针对时空上下文(STC)目标跟踪算法在高分辨率视频卫星影像中,目标经过复杂背景时跟踪准确度过低的问题,提出了适用于视频卫星影像数据的改进型时空上下文目标实时跟踪算法。该算法结合感知哈希算法对STC目标跟踪算法中置信图模型加以改进,以提升跟踪算法的目标定位精度,使用帧间学习率自适应更新方法以提升跟踪算法准确度,使用固定目标尺度方法提升跟踪速度以确保算法实时性。对"吉林一号"系列视频卫星影像进行仿真实验,实验结果表明所提算法在保证实时跟踪速度的同时,克服了视频卫星影像中复杂背景对目标跟踪算法的干扰,实现了针对高分辨率视频卫星影像实时的精准目标跟踪。     

基于混沌pso算法的实时动态目标分配

任务分配是多导弹协同攻击目标的重要前提,在充分考虑满足复杂战场环境各种约束的条件下,提出了基于混沌粒子群算法的实时动态算法,使得算法在求解WTA问题时具有处理意外目标和任意时刻响应当前战场状态的实时动态特性。并为了解决战场环境中各不确定性因子对新加入目标优先级的影响,提出基于三元区间数表示关联熵的复合物元目标排序方法。     

基于多先验谱模型的低慢小目标子空间检测器

针对非均匀杂波环境下自适应检测低慢小目标时,信号特征难提取,有效训练样本受限的问题,将低慢小目标建模为多维子空间模型,提出了基于多先验谱模型的低慢小目标子空间检测器构造方法。该检测器使用纹理分量为逆伽马分布的复合高斯模型来描述杂波,利用多先验谱模型的线性组合来表示杂波协方差矩阵的逆,能在均匀和非均匀杂波背景下检测低慢小目标。仿真表明,该检测器比传统基于渐进最大似然估计协方差矩阵的检测器以及单独基于多先验谱和子空间的检测器性能更好,并且训练样本数不足的情况下保持很好的性能。     

跟踪系统持续稳定跟踪目标的粒子滤波

在现代战争中,视频跟踪技术是实现精确火力打击的关键技术,是获取信息对抗胜利从而夺取战争主动权、实现发现即摧毁的重要保证。由于战场地理环境复杂,经常存在跟踪目标被遮挡而丢失的情况,因此,稳定的长时跟踪算法必不可少。针对现在战场复杂环境下目标跟踪遇到的问题,提出了基于KCF(Kernelized Correlation Filters)和粒子滤波相融合的跟踪算法,相比较传统算法其能够在复杂环境下完成长时、稳定、准确的跟踪。通过设计的视频跟踪系统的硬件平台实验结果显示,该算法可实现目标的稳定跟踪以及目标被遮挡丢失之后的重新检测,能够满足复杂战场环境下目标的长时稳定跟踪的需求。     

复杂情况下的防空导弹智能制导鲁棒优化设计

在复杂电磁环境下,建立了防空导弹武器系统智能制导鲁棒性问题模型,运用Elman神经网络、T-S模糊推理、线性矩阵不等式(LMI)求解和最优控制等方法和理论,对复杂情况下的防空导弹非线性制导过程进行了数学描述,目的是以系统鲁棒性为牵引对防空导弹智能制导进行优化设计,并就关键技术给出了MATLAB仿真方法.     

一种非对称鲁棒性盲水印算法

针对数字图像版权保护,提出一种非对称鲁棒性盲数字水印方法。通过将水印嵌入到最少受图像改变影响的子空间,使嵌入水印具有鲁棒性,且通过对特征子空间的选取限制,使算法具有较高的检测概率和安全性以及较低的虚警概率。同时,水印嵌入矩阵与提取矩阵不同,它可公开除密钥外的所有其它的信息,而且能实现水印盲提取。实验结果证明了该算法的鲁棒性。     

基于神经网络的椭圆扩展目标形态估计

针对复杂环境下由稀疏量测引起的椭圆扩展目标形态估计精度低的问题,提出了一种基于神经网络的形态估计方法。利用神经网络对目标量测进行处理,估计出椭圆扩展目标的轴长,然后结合卡尔曼滤波算法实现目标的跟踪。仿真实验结果表明,通过与基于随机矩阵、乘性误差以及卷积神经网络等模型的算法相比,所提算法的跟踪性能有显著改进。     

一种JPDA的快速算法

为使标准JPDA算法能在实际工程中实时应用,着重在JPDA的主要计算环节进行了改进和实时性提升,提出了一种JPDA的快速算法。通过引入"关联目标类",对确认矩阵进行降维,即把一个高维数矩阵分解成若干"相互独立"的低维矩阵。提出了一种互联概率的递归计算方法,减少拆分矩阵巨大的内存占用需求。同时还对相关波门和滤波方差计算进行了改进。仿真结果表明,快速算法比标准JPDA算法的计算时间有显著缩短,在不是"太密集"的多目标环境下具有一定的工程应用价值。     

滑翔飞行器多目标弹道优化的进化-配点混合求解策略

针对高超声速滑翔飞行器弹道多目标优化问题,综合考虑计算效率和精度,结合分解进化算法与配点法提出一种混合求解策略。根据滑翔飞行器动力学模型和弹道设计中需要考虑的约束条件,建立飞行器多目标弹道优化模型。利用控制量离散化方法将多目标弹道优化问题转化为带约束的多目标参数优化问题,并采用罚函数法处理约束条件,随后利用分解多目标进化算法进行求解。为了提高弹道优化的精度,将椭球聚合法与配点法相结合,以多目标进化算法得到的Pareto解作为初始解进行迭代求解。通过典型的复杂约束多目标弹道优化的算例表明,所提出的混合求解策略能够获得满足复杂约束要求的Pareto最优解集,实现有效的多目标弹道优化。     

一种高精度的机器人手眼标定算法

提出了一种基于矩阵直积的机器人手眼标定改进算法。应用矩阵直积、Moore-penrose逆以及最小二乘法对机器人手眼关系方程CX=XD进行线性化处理,并运用F范数分析了标定结果的测量精度。该方法与传统两步法和一般性矩阵直积的手眼标定算法相比,能够克服由于误差传递引起的精度下降问题。结果表明:基于矩阵直积改进算法的标定精度高于另外两种现有算法,并且具有强鲁棒性的特点。     

一种有效的等帧长帧同步盲识别方法

提出一种基于分层的矩阵秩特征的判别方法,解决了等帧长帧同步的盲识别问题。首先构造等帧长帧识别的分层模型,然后在各子层中利用小区域矩阵秩值等于1的特征寻找可能的帧长值,统计各可能帧长值出现的概率判断真实帧长值,最后将序列按照所求帧长的方式构造矩阵,判定满足特定秩值搜索窗的位置和移动搜索窗的距离获取同步信息,达到帧同步盲识别目的。理论分析了搜索窗宽度对识别算法的影响,并推导了算法容错性,得出了算法具有很好的鲁棒性,能够满足非合作的盲识别的要求。仿真结果验证了算法的有效性,表明算法具有一定的工程应用价值。