基于卷积自动编码器的飞机目标识别方法

飞机目标标签数据不足,使传统的机器学习算法训练效率不足。为提升训练效率提高飞机目标识别率,提出一种由卷积自动编码器(Convolutional Auto-Encoder,CAE)、哈希变换及直方图统计组成的简单多层特征提取模型。该模型利用CAE非监督训练一组卷积滤波器,与输入数据卷积提取特征;并再次利用CAE训练卷积滤波器集合,提取卷积特征;对所得到的卷积特征进行哈希变换和直方图统计;用支持向量机识别分类。实验对飞机目标取得了较高的识别率,表明特征提取模型具有很强的鲁棒性。     

基于Radon变换的弹道目标平动补偿

弹道目标平动补偿有利于弹道目标微动参数提取。针对多散射点目标平动补偿的问题,提出了一种利用Radon变换对目标整体微多普勒曲线进行参数投影来达到平动参数估计的方法。对典型弹道目标进行了建模分析,得出了其散射点微动距离表达式。根据雷达信息对目标回波进行预补偿并对预补偿结果进行时频变换,再采用Radon变换对时频曲线进行参数投影,利用熵值法对投影得到的二维平面进行参数提取。利用提取的平动参数对回波进行平动补偿,仿真结果表明了上述方法的准确性。     

WSNs中基于TW-ToA测量的目标定位算法

针对时钟偏差问题,提出基于双向到达时间(Two-way time of arrival,TW-To A)测量的目标定位算法(Target Localization-based on TW-To A,TL-TW-To A)。TL-TW-TOA算法考虑了周转时间和时钟偏差问题。由于利用直接处理方法难以获取目标位置的最优解,TL-TW-TOA算法选用次优、强健算法进行近似,并将定位问题建立成广义信赖域次优问题(Generalized Trust Region Sub-Optimal,GTRS),然后再利用二分算法获取精确解,进而缓解时钟偏差和周转时间(Turn-around Times,TATs)对定位精度的影响。实验数据表明,提出的TL-TW-TOA定位算法降低了计算复杂度,并减少了均方根误差(Root Mean Square Error,RMSE)。     

基于三维Hough变换的机载激光雷达平面地标提取

针对机载激光雷达点云数据中的平面地标检测问题,分析了以三维Hough变换为基础的传统的平面检测算法,指出其存在空间分割不一致问题,在检测法线垂向地标时出现"极点"现象。研究了三维Hough变换的空间完备分割条件,利用参数空间的对偶特性,提出了一种基于对偶空间分割的三维Hough变换算法,避免了空间不一致问题。仿真和实验证明,改进三维Hough变换算法在不增加计算量的同时,能够有效检测激光雷达点云中的平面地标。     

基于机场跑道方向特征的快速识别方法

在分析航拍和遥感机场跑道结构特征的基础上,提出了一种结合跑道方向特性的快速识别方法。具体介绍了方向小波变换检测边缘的算法和基于方向特性的改进Hough变换提取直线的方法。前者增加了检测结果的有效性和可靠性,后者加快了跑道识别速度,并能详细描述跑道。实验结果表明本算法是准确、快速、稳健的。     

改进的Hough变换红外传感器像平面轨迹起始算法

首先研究了基于逻辑的和基于Hough变换的平面轨迹起始方法,并在此基础上提出了一种基于改进的Hough变换红外传感器像平面轨迹起始算法,介绍了算法的具体步骤,并对算法进行计算机仿真实验,分析了算法的相应指标。     

一种基于双重数字水印和数字签名的文档防篡改算法

提出了一种新的文档防篡改算法,将文档和数字图章的签名信息进行不同处理后,利用小波变换的多分辨率特性,在小波变换的中频部分嵌入鲁棒性水印,而在容易遭受攻击破坏的高频部分嵌入脆弱水印。对文档的各种篡改仿真实验表明,该算法对保证文档的安全性和完整性有很好的效果。     

广义Liénard方程Poincaré分岔极限环的唯一性和不存在性

讨论了一类广义Linard方程x¨+f1(x)x.2+εf2(x)x.+g(x)=0的Poincar分岔极限环的唯一性和不存在性。将不对Abel积分进行分项,而是利用一阶Mel′nikov函数直接从整体上进行分析讨论,得出了若干判别准则和充分条件。     

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.