基于MAP估计的图像超分辨率重建

从一组低分辨率图像中重建一幅高分辨率图像,给出基于MAP估计的近似算法。描述从场景空间到观测图像的线性映射关系,介绍了核心重建算法;算法适合观测条件相似的情况。在贝叶斯方法中,使用Laplace算子作估计图像的领域平滑相关性假设。最后的实验表明了算法在改善空间分辨率上的显著效果。     

基于多分辨率的空军作战仿真建模研究

多分辨率建模技术是近年来建模与仿真领域研究的热点之一。首先分析了空军作战仿真面临的新挑战,指出多分辨率建模技术是解决现代作战仿真的有效方法;再在解析多分辨率建模相关概念的基础上,分析了空军作战仿真多分辨率建模的必要性;最后,采用面向实体的分析方法给出了空军作战仿真模型体系,并对模型聚合解聚问题进行了分析。     

多分辨率建模在联合作战仿真中的应用研究

针对目前联合作战建模与仿真中存在的困难和问题,运用多分辨率建模(MRM)方法对其进行了探索研究。对联合作战的作战要素、仿真映射结构进行了分析,探讨了多分辨率建模的主要方法,提出了联合作战仿真的体系结构,并设计了基于多分辨率建模的联合作战仿真模型框架。     

反导案例匹配中的距离度量算子北大核心

反导作战中运用案例推理的方法重用以往的相似案例可以提高决策效率,在相似案例的匹配中对于数值属性的相似度计算常用到的是基于距离的度量方法,现有的基于距离度量的方法对于较相似案例之间的区分性不高。针对这一问题,提出一种新的距离度量算子,经数学公式推导证明了其合理性,通过与其他度量算子的对比,证明该算子在2个数值相差很小时有着更高的分辨率。用该算子改进欧式距离,在弹道导弹相似识别实验中验证了其有效性。     

多分辨率建模在战役推演仿真系统中的应用

战役推演仿真系统中存在大量分布在不同层次上的实体,为了使这些实体高效运行,同时保证相关信息能正确交互,研究了几种典型的多分辨率建模方法,并在分析战役推演仿真系统结构的基础上提出了一种面向多分辨率建模的仿真模块体系结构,建立了层次关系表、运行实体关系表、参数映射类和聚合解聚触发事件列表来保证多分辨率模型之间运行数据的一致性,同时避免链式解聚的问题.通过实验,按该体系结构建立的仿真系统能正确运行多分辨率模型,该框架为建立基于多分辨率建模的仿真系统提供了一定的技术支撑.     

本体驱动的多分辨率联邦一致性维护方法

传统的聚合解聚方法仅能解决语法层的数据聚合解聚的参数静态匹配问题,却不能解决联邦一致性的其他两个重要的方面:数据的语义匹配合理性及联邦运行中的动态一致性。为了解决以上两个问题,提出了一种本体驱动的多分辨率联邦一致性维护框架——OCM框架。该框架基于本体创建与融合技术构建联邦本体,通过邦员本体与联邦本体间的映射,解决了联邦数据匹配的合理性问题;基于聚合解聚方法,引入管理与协调联邦实体状态的邦员,通过合理设计联邦的实时对象更新及交互机制,实现了联邦实体状态的实时一致性。实验结果表明:OCM框架能有效保持联邦中多分辨率实体的状态一致,并且由于联邦本体的可重用性,对邦员的增加与退出不敏感,因此联邦的重组合也具有一定的借鉴价值。     

核化环境空间建模及核武器综合毁伤效应分析算法

针对核化环境以及核武器毁伤效应的特点,提出了一种多分辨率渐进柱状树模型实现核化环境的三维空间数据的建模。为了节省存储空间,提出了线性编码方法对多分辨率渐进柱状树模型进行存储,并且基于M orton码技术实现了核武器综合毁伤效应的空间分析算法。     

多分辨率建模及其军事应用

多分辨率建模是分布交互仿真中极其关键的技术,建模目的是根据情况需要动态改变分辨率,提高模型或模拟的灵活性和伸缩性,有效解决模拟复杂性与资源有限性等矛盾.介绍了当前多分辨率建模的主要方法:聚合-解聚法、一体化层次法和视点选择法.每种方法有各自的优缺点.多分辨率建模的难点主要是基础理论、一致性问题和应用研究等问题.     

战争模拟多分辨率联合仿真关键技术研究

战争模拟研究必须紧贴军事训练任务需求。当需要进行＂广域对抗,局部高仿＂时,现有仿真系统无法同时满足战争模拟对仿真规模和模型分辨率的要求,因此将已有的不同分辨率仿真资源集成起来进行联合仿真是解决这一问题的最经济、最有效方法。从系统实现的角度,归纳分析了战争模拟多分辨率联合仿真设计中面临的技术难题,重点研究了多分辨率联合仿真中数据交换、聚合解聚、一致性维护、仿真时间调控四项关键技术,提出了具体的解决思路和方法,为多分辨率联合仿真系统的研究开发提供参考。     

基于Hausdorff距离的目标跟踪方法研究

序列图像中的运动目标跟踪是计算机视觉的一个重要组成部分,跟踪算法的鲁棒性和计算量是算法的关键。对上述问题进行研究,提出了一种基于Hausdorff距离的目标跟踪方法。该算法结合运动检测和多分辨率技术,极大减少了计算量,并利用有效的模板更新方法,加强了跟踪的鲁棒性。实验表明,该算法能实现快速有效的目标跟踪。