一种新的多传感器多机动目标快速跟踪算法

基于FAFDA滤波算法,根据Houles和Shalom将PDA算法推广到解决两个传感器单目标的跟踪问题的思路中,构造一种两个同类传感器的序列观测数据的融合来跟踪多个机动目标的数据关联方法(MSFAFDA)。它主要使用的是点/航迹联合和序列估计法。算法计算量远小于原先的顺序和并行多传感器联合概率数据关联算法,蒙特卡洛仿真结果也表明它对多机动目标的跟踪具有比FAFDA更好的跟踪性能。     

区域地面防空网络化作战传感器系统

区域防空需要三种信息:预警信息、战术指挥信息和制导控制信息,因此应相应的建立三层信息网络系统:联合规划网络、联合数据网络及联合跟踪网络来满足网络化防空作战的需要。对多传感器信息融合的作用进行了分析,并提出了一种适应地面防空网络化作战需要的传感器系统信息融合体系结构。     

曲面拟合法和梯度法相结合的图像亚像素配准算法

针对传统亚像素配准算法存在精度不高、计算复杂的问题,提出了一种曲面拟合法和梯度法相结合的图像亚像素配准算法。采用9点相关系数曲面拟合法对图像进行粗配准,求得一个相对粗略的亚像素配准位置;在两幅图像中选取相同尺寸的子区图像,在粗略的亚像素配准位置基础上,采用梯度法最终获得精确的亚像素配准位置。不同平移关系下的样本图像亚像素配准对比实验结果表明,该算法实现了曲面拟合法和梯度法的优势互补,有效提高了图像配准的精度,最大配准绝对误差由0.17像素降低为0.02像素。     

GPU上高光谱快速ICA降维并行算法

高光谱影像降维快速独立成分分析过程包含大规模矩阵运算和大量迭代计算。通过分析算法热点,设计协方差矩阵计算、白化处理、ICA迭代和IC变换等关键热点的图像处理单元映射方案,提出并实现一种G-Fast ICA并行算法,并基于GPU架构研究算法优化策略。实验结果显示:在处理高光谱影像降维时,CPU/GPU异构系统能获得比CPU更高效的性能,G-Fast ICA算法比串行最高可获得72倍加速比,比16核CPU并行处理快4~6.5倍。     

使用图像优化方法估计水体调制传递函数

针对水体属性的变化使图像复原困难的问题,提出了一种从退化的水下图像中估计自然水体调制传递函数的方法。该方法首先建立了自然水体的调制传递函数与其固有光学特性参数之间的关系,然后采用图像复原技术对图像进行复原,最后使用粒子群优化算法来优化调制传递函数的相关参数。仿真实验表明:该方法能有效对水下图像进行复原,且不需测量水体的光学参数就能估计出自然水体的调制传递函数。该方法用于水下激光成像系统的图像复原可取得明显效果。     

基于Bayes理论的测试性数据融合评估技术

针对目前高可靠性产品测试性评估验证面临的样本量不足的问题,提出一种基于Bayes理论的内外场数据融合评估技术,并给出详细的内外场测试性数据收集方法及原则,利用某产品的试验数据对该方法进行了验证。该方法工程应用性强,可作为高可靠性产品测试性评估的依据。     

一种改进的红外图像降噪算法与FPGA实现

由于实时目标的红外图像具有信噪比低、边界模糊等问题,在研究红外图像噪声特点的基础上,提出了一种基于动静态检测算法的红外图像降噪算法。通过一种动静态检测算法将图像分成动态图像和静态图像,用改进的自适应维纳滤波算法处理动态图像,用改进的NL-means降噪算法处理静态图像,并用FPGA实现红外图像降噪系统设计。实验表明,红外图像经算法处理后,其PSNR和细节方差-背景方差比(DV/BV)均高于经典降噪算法,算法能有效减少图像噪声,并能很好地保持图像的边界细节信息。     

维修性试验验前信息融合方法

针对小子样维修性试验因数据异总体而导致验前信息融合精度低的问题,提出了基于信息可用度的验前信息折合模型,解决了因数据异总体无法融合的问题;利用随机加权法对验前分布参数进行了拟合,准确地表述了验前分布;提出了基于支持度的融合权值确定方法,提高了各验前分布融合权值分配的合理性;最后,通过某装备维修性试验验前信息融合实例,表明了该方法具有一定的工程应用价值。     

基于样块改进的图像修复算法

图像修复是指对图像破损区域进行填充或者将图像中多余物体进行移除。在Criminisi算法的基础上进行改进,在待修复块优先权的计算过程中,由于等照度线的曲率可以反映图像的局部特征,块与块之间的方差值可以反映图像的边缘信息,因此,将二者考虑进来,确保修复过程能够准确有序地进行。在寻找最佳匹配块时,将等照度线的曲率也作为一个因素增加进来,有效地提高了最佳匹配块搜索的精确性。经过仿真实验证明,改进后的算法不仅在PSNR值上比原算法有所提高,而且修复结果也比原算法更加准确可靠。     

结合层次法与主成分分析特征变换的宫颈细胞识别

对宫颈细胞进行多分类可以自动识别出不同状态的细胞,进而为宫颈癌诊断提供科学依据。在用6种多分类算法进行实验后,选取支持向量机作为基分类器,先用一对一策略训练6个分类器进行3分类,然后再训练1个2分类器,这种二层4分类方法提高了识别准确率。考虑不同层特征模式的差异性,在保证识别性能的同时,每层分类前先采用主成分分析法将原始154维特征变换到低维空间,去除冗余特征,加快识别速度。实验证明,所提层次主成分分析法在宫颈细胞分类中相比6种传统多分类方法有更高的识别准确率,可达90%以上;识别速度也较普通层次法提升了21.31%。