基于TOF与立体匹配相融合的高分辨率深度获取

深度获取在机器人导航、语义感知、操控和远程监控等领域有较高的应用价值。目前已有的深度获取方法包括深度相机(如TOF)和立体匹配算法。然而,深度相机有两个主要问题:易受噪声干扰和所得深度图分辨率较低。立体匹配能够获得高分辨率的深度图,但在弱纹理或重复纹理区域无法提取准确的深度信息。而深度相机却可以在这些区域提供深度信息。基于以上TOF深度相机和立体匹配之间的互补特性,提出了一种将TOF深度相机所得深度图与立体匹配所得深度图相融合的方法获取高分辨率深度图,实现优势互补。文中提出一种新的基于TOF与立体匹配相融合的高分辨率深度图获取方法,通过在弱纹理或重复纹理区域使用TOF深度获取方法和在复杂纹理区域使用立体匹配算法进行深度获取,最终获取高分辨率深度图。实验结果表明,本文的融合算法比单独使用两种方法能产生更好的视差图,而且较其他融合算法在准确度和速度上有所提高。     

无源跟踪中基于灰关联信息融合的概率数据关联算法

在无源跟踪中,传统的概率数据关联算法(PDA)单纯依据状态量测信息.该文提出了一种基于多特征信息融合的概率数据关联算法,该算法利用目标多个特征信息(状态量测、载频、PRI等),通过灰关联分析的方法,计算有效观测与目标的关联概率,进而在信息融合的基础上,进行目标状态更新估计.该算法与传统的PDA相比有两个优点,第一,关联概率的计算量小、计算更准确;第二,该算法利用了目标多特征信息,因此,关联性能更好.实验表明,基于该算法的无源跟踪性能明显优于NN方法和传统的PDA方法.     

基于交叉贝叶斯融合全局和局部大气光的深度预测研究

单目深度预测对于三维场景的理解和感知起着至关重要的作用。目前基于深度学习的方法虽然取得很好的效果,但是其性能过于依赖于训练数据,同时,在复杂场景下,基于深度线索的全局光不变假设效果欠佳。为此,本文提出了一种基于交叉贝叶斯融合全局和局部大气光的深度预测方法,具体地,分别基于全局大气光和设计的局部大气光散射模型进行初始深度图预测,为实现两者有效互补,利用研制的交叉贝叶斯模型进行深度图的融合,并利用边缘滤波机制进行优化得到最终深度图。通过一系列实验,证明了该模型在深度预测数据集中能够取得很好的效果,并且有助于提高显著性目标检测任务的准确性。     

基于传感器网络的多目标跟踪和特征管理方法

针对传感器网络下多目标跟踪时目标数量不断变化这一复杂情况,文中对多目标的跟踪和特征管理方法进行了研究。该方法由数据关联、多目标跟踪、特征管理,和信息融合所组成。其中未知数量多目标的跟踪和数据关联通过马尔科夫蒙特卡罗数据关联实现。通过信息融合来整合本地信息,获取所有相邻传感器的本地一致性,最终实现特征管理。试验证明,本方法能够在分布式的传感器网络环境下对多目标进行准确有效地跟踪和特征管理。     

数据关联的神经——模糊融合方法

本文提出了基于神经－－模糊融合网络的数据关联新方法，解决了杂波背影下多目标２数据关联的实际问题，首衔为分级实现数据关联和降低关联模糊度，在文献（１）的基础上构造了多目标快速数据关联的系统结构，然后应秀神经－－模糊融合技术和改进的模糊基函数网络学习算法完成相关值的计算，该方法在地波超视距达站应用结果表明，这种方法提高了数据关联的性能和快速性，并为强海杂波背影下多目标跟踪提供了一种新的方法。     

基于Bayes的航迹概率数据关联算法

数据关联是多传感器信息融合的核心技术,其常用的航迹数据关联方法主要有NN、PDA、JPDA、MHT等算法。常用关联算法有的不适合强杂波或多目标环境、有的计算量大、有的时效性差等不足。文中采用了基于贝叶斯航迹概率的数据关联算法,来实现雷达航迹之间数据关联。首先介绍贝叶斯和航迹关联技术原理;其次描述贝叶斯算法过程;最后通过仿真证明该关联算法有效性。     

基于无源定位的多目标航迹融合技术研究

针对无源定位系统定位误差大、数据更新率不规则等问题,研究了一种通过定位数据辅助信息特征进行多目标航迹融合的新方法。该方法利用信号侦察获取的目标辅助信息作为航迹关联判决准则,并与传统的航迹关联方法相结合,从而实现了对侦察区域内多目标的航迹融合。对该算法的性能分析和仿真验证表明,新算法具有更好的航迹融合性能,更强的通用性和可扩展性;并且在密集多目标环境下可实时、有效地跟踪几十批次的目标。     

基于多目标多特征信息融合数据关联的无源跟踪方法

在多目标无源跟踪中,传统的数据关联方法只利用那些与目标状态向量计算直接相关的信息(如DOA、TOA信息等).本文提出了一种新的数据关联算法——基于多目标多特征信息融合的数据关联算法,该算法同时利用了更多的目标特征信息(如频率、PRI等),应用D-S证据理论进行单目标多特征信息融合,在此基础上,再进行多目标综合数据关联.它是一种基于多特征信息的全局最优的算法.计算机仿真表明,基于该算法的无源跟踪性能要优于传统的NN方法和扩展的NN方法.     

无源多传感器多目标融合的关联算法研究

无源多传感器多目标融合在信息融合技术中具有非常重要的意义,而测量数据的关联问题则是其中的一个关键问题。本文从实际的工程研究入手,探寻无源多传感器多目标融合的关联算法。首先基于目标属性参数进行关联,再对已定位目标进行位置相关,最后通过模糊评估获得最佳关联目标。     

一种基于深度学习的多源异构数据融合方法

在大数据背景下,结合深度学习,讨论了多源异构影像数据融合问题,在数据融合的基本架构基础上,构思了一种泛化性强的多源异构影像数据融合的深度学习模型,将深度学习技术运用到多源异构数据信息提取与挖掘。     

单幅图像的深度标签流形学习

图像中背景与前景对象的空间位置决定了场景在图像中的相对深度,利用图像的局部特征相似性和流形结构的降维性能,并应用salient区域DCT高频系数分布的深度排序索引性能,定义出图像深度的马尔科夫概率图模型MRF。通过划分场景对象检测salient区域模糊度,最后估计得出图像场景的相对深度图。通过学习图像数据的流形嵌入对数据流形分布概率密度函数进行迁移,得出遵循相似流形分布的对象特征类别标记概率密度分布。进一步检测空间变化salient区的模糊程度,融合多尺度梯度幅度的高频离散余弦变换DCT系数特征,依据模糊变化高频特征计算深度标记索引确定深度标签的层级次序,融合类别标签以生成深度图。这种模型框架下检测单个图像中模糊和未模糊的区域,可获得图像中场景的相对深度,而无需了解相机设置或模糊类型的先验参数。在典型的深度图估计数据集中应用MRF深度图模型评测图像的深度估计性能,实验结果给出该方法在检测场景分布和划分场景深度次序上的准确率,验证了方法的有效性。     

基于深度估计的雾天模拟方法

针对雾天图像数据集匮乏问题，提出一种基于深度估计的雾天模拟方法。自适应调整亮度与饱和度对清晰原图像进行预处理，采用自监督单目深度挖掘网络生成图像的深度图，利用引导滤波优化深度图，设定模拟图像能见度获得透射率图，通过暗通道图区分天空区域并估计大气光值，最终由大气散射模型得到设定能见度下的雾天模拟图像。实验数据显示，该方法有效改善了模拟图像目标不清晰、雾气边缘锐化问题，在模拟能见度为2000 m以下的雾天图像时效果稳定，其雾天模拟图像与真实雾天图像的特征评价指标平均误差率为6.28%，表明该方法具有可行性，可对自然环境下清晰图像进行雾天模拟以解决雾天图像数据集匮乏与能见度数据缺失的问题。     

加权SIFT流深度迁移的单幅图像2D转3D

2D视频转3D视频是解决3D片源不足的主要手段,而单幅图像的深度估计是其中的关键步骤.提出基于加权SIFT流深度迁移和能量模型优化的单幅图像深度提取方法.首先利用图像的全局描述符从深度图数据库中检索出近邻图像;其次通过SIFT流建立输入图像和近邻图像之间像素级稠密对应关系;再次由SIFT流误差计算迁移权重,将近邻图像对应像素点的深度乘以权重后迁移到输入图像上;然后利用均值滤波对迁移后的近邻图像深度进行融合;最后建立深度图优化能量模型,在尽量接近迁移后近邻图像深度的前提下,平滑梯度较小区域的深度.实验结果表明,该方法降低了估计深度图的平均相对误差,增强了深度图的均匀性.     

基于密集特征融合的无监督单目深度估计

针对无监督单目深度估计生成深度图质量低、边界模糊、伪影过多等问题,该文提出基于密集特征融合的深度网络编解码结构。设计密集特征融合层(DFFL)并将其以密集连接的形式填充U型编解码器,同时精简编码器部分,实现编、解码器的性能均衡。在训练过程中,将校正后的双目图像输入给网络,以重构视图的相似性约束网络生成视差图。测试时,根据已知的相机基线距离与焦距将生成的视差图转换为深度图。在KITTI数据集上的实验结果表明,该方法在预测精度和误差值上优于现有的算法。     

基于密集特征融合的无监督单目深度估计

针对无监督单目深度估计生成深度图质量低、边界模糊、伪影过多等问题,该文提出基于密集特征融合的深度网络编解码结构.设计密集特征融合层(DFFL)并将其以密集连接的形式填充U型编解码器,同时精简编码器部分,实现编、解码器的性能均衡.在训练过程中,将校正后的双目图像输入给网络,以重构视图的相似性约束网络生成视差图.测试时,根据已知的相机基线距离与焦距将生成的视差图转换为深度图.在KITTI数据集上的实验结果表明,该方法在预测精度和误差值上优于现有的算法.     

适于复杂信息融合系统的近似联合概率数据关联算法

文中在B.Zhou提出的直接概率计算(DC)和近似概率计算(AC)算法基础上提出了一种新的近似多传感器多目标联合概率数据关联算法。近似概率法是以一个目标为中心的近似聚为构造互联事件的起点，并在计算中将DC和AC结合得到的一种全邻的点迹—航迹关联算法，它能有效地提高目标点迹—航迹的关联正确率，在计算时耗上较完全联合概率法快得多，能满足工程中实时性的要求。将其在杂波下目标密集、航迹复杂的数据融合系统中进行实验，对关联正确率，关联耗时等与最近邻法进行了比较，效果较好。     

基于双目视觉与图像深度融合的机房三维重建方法分析

阐述基于双目视觉与图像深度融合的机房三维重建方法，采用双目视觉方案对目标深度信息进行测量，视觉SLAM技术根据左右目图像中的特征点匹配信息，基于本质矩阵恢复出当前帧相机相对于前一帧的位姿变换关系，构建当前帧相机系到参考系的位姿变换，从而在实现定位的基础上对目标进行三维重建。采用数据融合技术对多视结果与深度学习网络深度值进行融合，以解决重建点稀疏性的问题，提升三维机房重建精度以及机房数字孪生智能化监控能力。     

基于信息融合的多目标单站无源跟踪新技术研究

跟踪起始与数据关联是多目标无源单站跟踪的关键技术.本文提出了一种基于目标多特征信息融合的自适应跟踪起始算法,通过构造多维动态可变的跟踪门,进行自适应跟踪起始检测,然后根据序列概率比检验准则进行轨迹确认.同时提出了一种基于多目标多特征信息融合的数据关联算法,首先通过定义多个特征数据关联度,将单个有效观测的多特征信息进行融合,再对多目标进行综合数据关联.计算机仿真表明,该跟踪起始算法能够快速有效地启动航迹,数据关联算法的性能要优于传统的NN方法和扩展的NN方法.     

基于数据融合的空管运行复杂安全网络理论模型设计

阐述数据关联融合的空管运行复杂网络模型的构建方法，通过收集、筛选和分析不同空管系统运行数据与运行态势变化的相关性，基于空管运行的多源数据与涉及的各类数据关联融合，从而构建出空管运行安全的复杂网络模型，从而更好地实现指导空管运行安全决策的目标。     

一种运用SVM分类的多源态势数据关联方法

阐述如何利用多手段获取的战场多源目标态势数据生成战场态势一张图,进一步提高海上方向的监控能力。针对多源目标态势数据存在的时空误差、属性模糊等问题,提出一种运用支持向量机(Support Vector Machine,SVM)分类的多源态势数据关联方法。运用机器训练学习方式,获取不同误差下的多源态势关联,识别非线性特征参数,构建多源态势数据关联算法模型,有效形成目标批号和时空位置的唯一性。通过模拟真实数据进行验证,结果表明该算法实现效果较好,在多源态势融合方面具有较好的实用价值。