一种用于彩色图象量化的快速聚类算法

为了对彩色图象进行有效地压缩处理,提出了一种基于模式识别技术的图象量化新算法（FSCAMMD）,该算法首先把彩色图象中的颜色样本归为一类,并采用最大频度与类内最小距离最大相结合的方法选取初始类代表点--初始值优选法;然后采用欧氏距离聚类准则及重心法,求得新聚类域中心的向量值,从而得到了令人满意的量化效果。该算法不仅克服了SCA算法对聚类中心初始值选取的不足,较大幅度地减少了彩色图象量化后的总方差以及颜色失真度,而且较好地解决了重建彩色图象的整体层次与局部细节之间的矛盾,其量化效果优于SCA和其他一些聚类量化算法。     

基于物理模型的彩色图象理解算法

本文给出一个彩色图象理解算法。算法首先对图象上的颜色变化(由光照和物体颜色引起)进行分析与综合,然后分割图象。算法的基础是双色反射模型理论,理论认为反射光的颜色是界面反射(耀斑颜色)和本体反射(物体颜色)的线性组合,这两种反射光在颜色空间的三维直方图中形成特定的聚类(点簇)。因此分析聚类的性质可帮助确定光照和物体的颜色,但是有意义的聚类的生成又以图象中物体区域的确定为前提。算法按照假设检验的策略,依据图象中的连通性和颜色空间中聚类的特征,完成彩色图象的分割,并产生对景物中所发生的光学过程的物理描述。该描述包括本征反射图象,分割图象,物体和光照颜色的符号描述。本征反射图象包括只反映界面反射的耀斑图象和从原图象中去除耀斑影响后的本体图象。     

阈值分割与颜色聚类相结合的色度学图象分割方法

根据真彩色图象象素在3D彩色空间呈现聚类分布的特点,可利用基于直方图的多维空间滤波技术得到目标图象,但会产生丢失目标信息的过度分割现象。采用颜色聚类方法改善此现象,在保证算法速度的基础上,大大提高了真彩色图象的分割效果,并对不同彩色模型和聚类中心有较好的鲁棒性,在医学染色图象处理中得到很好应用。     

基于小波特征和模拟退火的遥感图象快速聚类算法

不同遥感对象，光谱曲线的突变点位置差异很大，不同尺度的小波变换可有效提取这些突变特征，在此基础上，用小波特征相关系数描述像素的近似程度，取代一般聚类算法以欧氏距离为基础的聚类概念，聚类结果可准确反映遥感对象内容，基于小波特征抽取和模拟退火的多光谱遥感图象快速聚类算法，通过扩展频段，增加特征点的个数以丰富类的特性，对空间数据进行均匀抽样产生聚类空间，采用模拟退火技术和逐步降低聚类规模的方法，快速实现全局最优的聚类中心，类内评价最优代表作为聚类中心，保证类特性的持续性和强壮性，而且解决了K－means聚类的参数选择问题，最后采用TM多光谱遥感图象进行参数分析和算法比较，验证了该算法分类快速准确，且参数控制灵活，因此基于小波特征抽取和模拟退火的多光谱遥感图象快速聚类算法有较好的应用前景。     

聚类算法在基于内容图象检索中的应用研究

提出了将聚类算法用于基于内容图象检索的方法,并且对这些算法进行了研究和实现。实验证明,算法具有可行性和有效性,有利于实现图象的快速检索。     

一种基于颜色信息的图象检索方法

由于传统的基于颜色的图象检索都是基于颜色直方图的检索,其很难将颜色信息和其他信息结合起来,因此,降低了图象检索的准确度.为了提高图象检索的准确度,提出了一种基于颜色聚类表的图象检索方法,该方法首先定义颜色聚类表,并对图象进行颜色聚类;然后利用聚类后的颜色信息构造聚类表,并利用聚类表作为特征来对图象进行检索,同时给出颜色聚类表的获取方法;最后,利用该方法进行了仿真实验.实验结果表明,利用颜色聚类表,根据图象的聚类结果来实现检索,可以很方便地将颜色信息与其他信息结合起来.     

应用Snake模型提取彩色图象目标轮廓线的研究

为了更好地利用Snake模型来提取彩色图象中的物体轮廓，因而对Snake原型提出两点主要改进，即针对snake模型的手工初值设置问题，通过引入彩色聚类预处理过程来减少对人的依赖，首先，采用色彩聚类算法对原始图象进行分割，然后用改进的边缘追踪算法提取有意义区域的边缘，并用这一结果作为Snake模型的初值；然后针对Snake原型应用于彩色图象时出现的失真问题，通过对出错原因的分析，重新设计了Snake的外部能量函数，同时用像素在加权HSI颜色空间中的欧氏距离代替传统方法中常用的像素灰度的差分来近似图象梯度；最后，进行了对比实验，实验结果证明，改进后的算法，特别是在处理彩色图象时，大大优于原始方法．     

模糊聚类神经网络用于分形特征的低反差及噪声图象的目标定位

研究了一种用于低反差及有噪图象的目标定位方法。首先采用分形技术从图象中提取两个独立的分形特征参量，再利用模糊Ｋｏｈｏｎｅｎ聚类神经网络对其进行聚类，实验结果表明了该方法的有效性。     

一种基于模糊聚类的图象分割方法

模糊Ｃ－均值（ＦＣＭ）算法用于图象分割，是一种非监督模糊聚类后标定的过程，但是，ＦＣＭ算法存在着一些不足，进而限制了它在某些方面的应用，本文提出了一种基于模糊聚类的图象分割方法，较好解决了ＦＣＭ算法所遇到的问题，且本文从数学上和实验上证明了这种方法的有效性。     

一种面向图象语义的主要区域提取方法

图象主要区域的提取是图象语义抽取及其应用的基础 .为了更好地进行图象语义的抽取 ,提出了一种面向图象语义的图象主要区域自动提取方法 .该方法首先将图象划分成固定大小的子块 ,并通过对子块特征进行聚类来获得图象的初始区域分割 ;而后 ,经过一系列的后处理来优化分割结果 ,并实现前景和背景区分 ;最后通过分析每个背景区域的重要程度 ,去除掉不相关的背景区域 .通过对包含有显著对象的户外图象进行的实验表明 :该方法不仅可以去除图象中 ,大量与图象语义不相关的内容 ,而且能保留图象的主要信息 ,这就为进一步的图象语义应用打好了基础 .     

基于改进Kalman滤波的可见光极小目标TBD跟踪方法

针对无人机可见光图像极小目标跟踪问题,本文提出一种基于改进卡尔曼滤波的 (Tracking before detection,TBD)跟踪方法。首先利用检测算法定位目标位置作为卡尔曼滤波的测量值,检测过程中的匹配相似度参数作为卡尔曼滤波测量噪声协方差矩阵的参照依据,其次利用卡尔曼滤波建立跟踪框架预测下一帧的目标位置,最后检测模块以预测位置为 参考位置进行局部搜索,完成整个检测跟踪过程。为了提高跟踪效率,本文根据检测和预测位置积累误差判决检测模式,误差超过门限值则采取全局检测模式消除积累误差,否 则使用局部检测模式,降低TBD跟踪算法的运算复杂度。仿真实验证明,本文方法可以有效检测跟踪极小目标,提高跟踪的实时处理能力。     

跟踪尾流目标的概率数据关联方法

提出了一种针对尾流目标的跟踪方法。传统的跟踪方法对具有尾流的目标通常会被尾流干扰,无法将源于尾流的量测值与真实的目标进行正确关联,容易产生目标丢失或者失跟的情况。该方法将目标尾流作为一种特殊杂波,推导出带有尾流目标的概率关联系数,对目标量测值进行数据关联。仿真结果表明,与标准概率数据关联跟踪方法相比,提出的新的数据关联方法可以有效地减少目标失跟的情况,逐渐增大量测噪声,该方法依然保持低失跟率。     

基于数据优先级的雷达目标跟踪偏差补偿方法

传统雷达目标跟踪偏差补偿方法雷达跟踪目标偏差补偿的精准程度较低,导致研究成果可靠性及稳定性较差。为了解决上述问题,基于数据优先级提出一种雷达目标跟踪偏差补偿方法,利用雷达极化测量目标信号,并建立三维空间坐标,引导操作数据,通过对相位控制偏差的校准操作实现对数据目标的精准测量,提升系统检验的准确性,根据数据优先级原则,对极化脉冲进行角度测量,选取适宜测量方案,设置雷达目标方向图,进行雷达目标超分辨成像,加强实验研究力度,综合考虑优化信息与操作条件,实现对雷达目标跟踪偏差补偿方法的研究。实验结果表明,基于数据优先级的雷达目标跟踪偏差补偿方法具备较高的雷达跟踪目标偏差补偿的精准程度,研究可靠性较高,稳定性有了显著提升。     

结合掩膜与孪生网络的目标跟踪方法研究

针对在舰船目标跟踪过程中由于视场角变化导致的跟踪精度下降的问题,基于全连接孪生神经网络的目标跟踪方法,融合了目标分割策略,提出了基于SiamMask的实时目标跟踪算法。该算法将二元掩模运算作为孪生网络的一个分支,以实现对目标的分割,在获取目标位置信息的同时,获取目标的外观信息,使得该网络的损失函数得到显著增强。由传统的轴对称目标跟踪框,改进为可根据目标形状、外观而自适应调整的可旋转矩形框。将该算法与传统基于孪生网络的跟踪算法SiameseNet,以及基于相关滤波的KCF跟踪算法进行实验仿真测评对比,通过计算各算法的中心误差,结果表明该算法的跟踪精度较两者分别提升了19.5%和24.5%,且运行速度可达30 fps,满足了舰船目标跟踪对于准确性和实时性的要求。     

基于PF-Singer的机动目标跟踪算法

Singer模型是典型的全局统计模型，其严重缺陷在于所采用的零均值时间相关模型和标准卡尔曼滤波算法不能完成对机动目标状态的正确估计1只有当目标做匀速直线运动时，动态误差的稳态值才为零，否则不为零；采用PF—Singer算法对机动目标进行跟踪。能够有效解决传统Singer模型存在的问题，提高其跟踪精度；通过仿真试验证实了该算法的有效性。     

Research on corrosion resistance of metal films sputtered by rotating target and planar target

The corrosion resistance of MoNb/AlNd/MoNb film during different sputter conditions was studied for G6 rotating target sputter equipment. The results show that with the increase of sputter power and the increase of the thickness, top MoNb tends to form coarse columnar crystals, and the corrosion resistance of the metal thin films, at first, increases and then decreases with the increase of sputter power and metal thickness. As the sputter temperature increases, top MoNb tends to form coarse grains while the corrosion resistance of the film is poor. The result also release that with the increase of the target speed, top MoNb film becomes loose so that it is difficult to play a protective role because of its poor corrosion resistance ability. Under the same conditions, the sputter of the planar target film is denser; as a result, the top MoNb layer can protect the inner AlNd layer from corrosion.     

运动目标识别方法与仿真研究

运动目标识别与跟踪在军事和工业领域具有广泛的应用前景。典型的跟踪方法有相关匹配算法、光流算法、基于运动轮廓算法等。典型的识别方法有：模板匹配目标识别法、基于相似性度量识别法、基于遗传算法目标识别算法等。本文提出了一种基于神经网络的识别与跟踪方法,并研究了运动目标识别与跟踪仿真模型和实现方法。     

基于尺度不变特征的目标识别与跟踪方法

针对复杂电磁环境下目标实时识别追踪的复杂性和多样性, 利用图像配准技术提出了一种基于尺度不变特征的目标识别与跟踪方法, 有效地反映了目标图像的特征分布, 提高了跟踪与识别系统的可靠性。实验表明, 当目标进行较大角度改变和背景发生剧烈变化时, 该方法能有效减小目标跟踪误差, 精确识别目标位置, 提高目标跟踪精度。     

基于多特征融合与分层数据关联的空中红外多目标跟踪方法

针对星空背景下目标相似度高、数量大和误检数目较多所导致的空中红外多目标跟踪困难问题，提出基于分层数据关联的空中红外多目标在线跟踪方法。首先，根据红外场景特性来提取目标的位置特征、灰度特征和尺度特征；其次，综合这三个特征来计算目标与轨迹之间的初步关联关系以获得真实目标；再次，将所获得的真实目标按照尺度大小分类，大尺度类目标数据关联采用表观特征、运动特征、尺度特征三种特征相加的方法来计算，小尺度类目标数据关联采用表观特征与运动特征两种特征相乘的方法来计算；最后，根据匈牙利算法对两类目标分别进行目标分配、完成轨迹更新。多种复杂情况下的实验结果表明：与仅采用运动特征的在线跟踪方法相比，所提方法的跟踪准确率提升了12.6%；与采用多特征融合的方法相比，所提方法的分层数据关联不仅提高了跟踪速度，也使跟踪准确率提升了19.6%。综上，该方法不仅跟踪精度高，而且具有较好的实时性和抗干扰能力。     

SAR图像中目标的自动检测与辨别

SAR图像自动目标识别(automatic target recognition,ATR)是当前的一大研究热点。典型的ATR系统分为检测、辨别和识别3个阶段。在检测和辨别过程中对图像进行预筛选,找出感兴趣区域,是进行目标识别前的一个重要步骤。高效的预筛选过程可以大大减少目标识别过程的计算量。目前,目标检测的方法有CFAR方法、多分辨率方法以及基于相位信息的检测方法3类。目标辨别的方法也有多种。本文就目标检测和辨别阶段的主要算法及其效果作了系统的介绍,并对该领域未来的发展方向进行了展望。