汽车驾驶模拟器软件系统

介绍了QJM主动式实时仿真三维计算机成像汽车驾驶模拟器软件系统的实现方法。这些方法已应用于桑塔纳型和东风型汽车驾驶模拟器。     

遥感图像融合效果客观评价

能够对不同的融合技术的性能进行客观、系统、全面地评价,成为目前空间信息处理以及遥感图像融合研究领域中亟待解决的问题。对国内外遥感图像融合系统及技术的发展历程进行了介绍,重点分析了遥感图像融合效果评估技术的研究现状,归纳了现有的效果评估方法。通过实验,进一步讨论了当前遥感图像融合效果评估技术所存在的主要问题,有助于明确该领域的发展方向和研究侧重点,为遥感图像融合系统及空间信息处理的研究奠定基础。     

红外与可见光图像融合算法性能评估

在研究小波分析的基础上,鉴于不同小波函数和融合规则对融合效果的影响,通过改变小波函数和融合规则对红外与可见光图像进行大量融合实验;首先,研究了不同类型小波函数的性质,分析了不同融合算法的特点;接着,对融合实验结果进行了定量分析和比较,为不同应用目的和场合正确选择合适的小波函数和融合规则进行红外和可见光图像融合提供了理论依据.     

车载UWB SAR干扰自适应抑制新方法

在分析车载超宽带合成孔径雷达(UWB SAR)探测系统中干扰类型及其产生机理的基础上,针对Tsaipei Wang等提出的批处理方法的局限性,提出一种基于迭代运算的图像域自适应干扰抑制方法.该方法利用基于韦布尔分布的恒虚警率(CFAR)检测器提高干扰信号估计的准确性;采用迭代方法在线估计和更新参数,实现干扰的自适应抑制.实测数据处理结果表明:该方法可有效抑制自信号干扰,且结构上适于实时处理,可满足车载UWB SAR探测系统对图像预处理的要求.     

三种实时误差配准算法性能分析与比较

对雷达组网中现有的三种实时误差配准算法即扩维扩展卡尔曼滤波算法(Augmented State Extended Kalman Filter)、解耦卡尔曼滤波算法(decoupled Kalman Filter)和准确算法(Exact method)进行了介绍与分析,并通过蒙特卡罗仿真试验从算法估计的均方根误差、估计的...     

面向像斑的高分辨率遥感影像自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市QuickBird和WorldView影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度（82%与82.67%）、常规支持向量机分类总精度（87.33%与88%）、最小二乘支持向量机分类总精度（88%与89.33%）相比,精度有明显提升,分类效果较好。     

粒子滤波在误差配准中的应用

系统偏差严重影响了多部雷达航迹的互联和目标状态的融合,因此如何解决误差配准成为一个关键问题。因为系统偏差和雷达的量测之间是一种非线性关系,所以无法直接使用Kal-man等线性滤波直接进行系统偏差的估计。为解决这一问题,利用非线性的粒子滤波器(PF),对目标状态和系统偏差的估计进行了探讨,为了对比其性能,设计了一种扩展Kalman滤波算法。仿真结果表明PF在误差配准中的应用是可行的,性能高于扩展Kalman滤波。     

基于最大交叉熵的PCNN简化模型在图像分割中的应用

用PCNN作图像分割时,选择不同的模型参数值和停止判决准则,图像分割的差异很大。分别选择最大熵和最大交叉熵作为PCNN图像分割准则,并对PCNN模型进行合理简化。实验结果表明,基于最大交叉熵准则PCNN迭代次数更少,图像分割效果明显优于最大熵准则。     

基于特征点匹配的图像拼接算法研究

通过查找待拼接两幅图像的对应特征点以确定两幅图像的缝合点,进而确定两者的匹配位置,通过对图像的重叠区域进行平滑过渡处理,实现了待拼接图像的无缝拼接。实验结果表明,文中所提算法合理,取得了良好的效果。     

基于提升五株形小波的图像融合

在提升五株形小波多尺度分解的基础上,给出一种新的像素级图像融合方法.该方法利用提升五株形小波变换对每一幅图像进行多尺度分解,按照不同的融合规则,采用多种融合算子去构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像.该方法被成功地用于模糊图像的融合处理.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们的视觉特性、更有利于进行监视和侦察之类的视觉感知.