基于形状熵差的相似多目标检测方法

为实现靶场多目标图像的目标自动检测,利用多目标形状的相似性,提出一种基于形状熵差的目标检测新方法。提出了形状熵差的概念,将目标形状模型引入局部熵计算中,由局部内熵与局部外熵之差的极值点确定目标位置。基于此设计并实现了一种新的目标自动检测方法。通过实验证明了算法的有效性和鲁棒性。相比较于常见的一些目标检测算法,该方法具有更好的抗干扰能力和环境光照变化适应能力,可以应用于靶场多目标图像的目标检测,也可应用于其他类似的目标检测问题。     

基于“当前”统计模型的模糊自适应滤波算法

"当前"统计模型需要预先设计目标最大机动加速度和目标机动频率,不能适应各种机动情况。在"当前"统计模型的基础上,提出了一种基于"当前"统计模型的模糊自适应滤波算法。该算法能使目标最大机动加速度和目标机动频率随着机动特性自适应调整,适应各种机动情况。仿真结果表明,该算法的跟踪精度优于传统的基于"当前"统计模型的跟踪算法。     

基于矢量传感器的探测系统信息处理

水下武器被动声探测系统中,目标方位估计和航迹估计是两项重要的内容。利用基于声压振速联合信息处理的矢量传感器探测系统,获取目标方位;据探测系统获得的深度、水平方位角、俯仰角三个运动参数,采用扩展卡尔曼滤波(EKF)算法实现对水面运动目标进行航迹估计与跟踪,提高水下武器的精确打击能力。     

基于SIFT算子和Kalman滤波器的航拍图像电子稳像算法

针对航拍图像载台随机运动严重,图像分辨率低、目标特征少的特点以及航拍图像电子稳像技术快速、准确的要求,提出基于SIFT算子和Kalman滤波器的航拍图像电子稳像算法。该算法的特点是:由于利用SIFT作为估计图像间运动矢量特征,因此运算速度快;对Kalman滤波状态方程改进,可准确估计有意运动参数;将图像镶嵌技术用于稳定后图像"无定义区"的重建,从而形成快速准确的航拍电子稳像图像。航拍图像实验表明,该算法运算准确性高、稳定性好、速度快。     

一种新的超分辨率图像重建算法

首先将低分辨率及相应高分辨率图像进行非下采样Contourlet变换得到细节图像对,然后通过多任务学习估计细节图像之间的映射参数对低分辨率图像进行重建.实验结果表明,该方法能够取得比传统线性插值、双三次方法更好的效果.     

一种基于分组序贯的红外弱小点目标跟踪方法

针对红外序列图像中运动弱小点目标的检测跟踪问题,在多假设跟踪算法(MHT)的基础上提出了一种分组序贯的思想.基于这种思想,给出了一种多组独立检测法.对这种方法进行仿真,并与多级假设检验的截断序贯处理算法进行比较.实验结果证明在相同虚警概率情况下多组独立检测法的检测概率与截断序贯处理算法的检测概率相近,但运算量要远小于后者.     

粒子滤波的重采样方法

粒子滤波是基于递推的Monte Carlo仿真方法的总称,原则上可用于任意非线性、非高斯随机系统的状态估计.但粒子的退化现象是粒子滤波器的最大缺陷,减轻这一现象影响的方法之一就是对粒子进行重采样.阐述了几种重要的重采样算法及其改进策略,并对其进行总结与展望.     

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.     

多模自适应滤波算法的性能改进方法

多模自适应滤波算法基于已知的故障情况设计出一组卡尔曼滤波器预测系统对给定输入的响应,根据卡尔曼滤波器的预测输出和系统的测量值确定各滤波器的残差,从而检测出系统是否发生故障及其故障类型.采用传统的多模自适应滤波算法检测故障时会有一定的时间延迟,不利于系统故障的实时检测,因此提出了几种减少多模自适应算法故障检测时间的方法,并将其应用于某无人机执行器和传感器的故障检测和识别,仿真结果证明可以有效地减少故障检测时间.     

Linux下某型制导弹目标跟踪并行算法

针对某型电视制导弹的图像特点,在Linux平台上设计了一种并行算法用于完成目标跟踪.算法思想:将制导弹的目标跟踪任务划分为图像采集、纠旋、显示和目标跟踪,程序中创建两个线程用于完成该任务;其中线程1完成图像采集、纠旋和显示;线程2完成目标跟踪.实验表明该算法实现了Linux环境下图像的实时采集、纠旋、显示和目标跟踪,与Windows下的目标跟踪算法相比,该算法有效的节省了资源.