典型相关分析综述

数据之间的相关性分析是大数据处理的重要组成部分,典型相关分析及其扩展方法在多个领域得到了广泛应用.主要有用于解决多数据集特征融合的多集合典型相关分析,用于处理特征之间非线性关系的核典型相关分析,用于处理有类别特征数据时的判别典型相关分析,用于处理有噪声数据时的稀疏典型相关分析等扩展方法.本文全面综述了典型相关分析原理及其各种扩展方法,最后对这一方法的研究前景给出讨论和展望.     

基于自适应特征融合的多尺度相关滤波跟踪

为了减小目标跟踪中目标变形、光照影响、运动模糊以及目标旋转对跟踪效果的影响,在相关滤波KCF基础上,提出了一种基于自适应特征融合的多尺度相关滤波跟踪算法。首先,提取VGG19网络中conv2-2、conv3-4、conv5-4层的特征以及CN特征,并在conv2-2层加入CN特征;然后,将这3个特征分别代替HOG特征进行滤波学习,得到3幅响应图;进而对3幅响应图进行加权融合预测目标位置。最后,在尺度方面引入多尺度相关滤波器进行尺度的确定。该算法比KCF跟踪算法精确度和成功率分别提高了13.6%和11.8%。与现有的其他优异跟踪算法相比,该算法在应对运动模糊、背景杂乱、目标变形、平面旋转方面更具有较好的跟踪效果。     

双基阵数据融合及TMA分析

研究了双基阵纯方位目标运动分析的基本原则和方法,提出了方位数据关联的迭代算法,进行了仿真实验。仿真结果表明,双基阵纯方位ＴＭＡ及数据关联方法不仅克服了单基阵纯方位ＴＭＡ需要本舰机动的限制,而且提高了参数估计算法的稳定性和精度,具有较好的工程应用前景。     

一种基于自适应特征选择的目标实时跟踪算法

针对传统的均值漂移算法,加入了自适应特征选择,提高了均值漂移算法在复杂场景中目标跟踪的鲁棒性.传统的均值漂移算法往往选择固定的一个或两个特征(比如颜色)对目标进行跟踪,当跟踪场景发生变化,容易跟踪失败.本文通过分析被跟踪目标特征与变化背景的区分度来确定最显著特征与次显著特征,从而选择出最有效的目标特征,实现复杂变化场景下的目标跟踪.一系列不同场景下的运动目标跟踪实验,证实了该算法的可靠性.     

一种基于粒子滤波的特征融合跟踪算法

针对单纯的基于颜色的跟踪方法在复杂背景下会导致跟踪失败的问题,本文提出一种基于粒子滤波的特征融合跟踪算法。颜色直方图是对目标的全局描述,而方向梯度直方图包含了一定的结构信息,二者可以互为补充,因此本文算法同时用颜色直方图和方向梯度直方图来描述目标,在粒子滤波框架下将目标颜色和梯度信息有机结合,并自适应更新。实验表明,本文算法不仅提高了跟踪精度,而且具有较强的鲁棒性。     

基于时间区域稀疏相关滤波的分层特征融合追踪算法

目的:利用卷积网络的不同层提取分层特征,结合区域稀疏性解决特征所引起的边界效应,提高基于相关滤波的追踪算法的成功率和精确度。方法:在分层卷积特征追踪算法的基础上,利用稀疏性和峰值旁瓣比,提出新的基于时间区域稀疏滤波的分层特征融合追踪算法。首先,该算法提出时间区域稀疏相关滤波算法,利用深度卷积网络提取的不同层次特征学习不同的相关滤波;其次,利用所学的相关滤波确定下一帧图像的目标响应图;最后,利用峰值旁瓣比确定不同响应图的权值,得到融合的响应图,从而确定目标的位置。结果:经过采用精度图和成功率图作为评价标准,在标准数据集上与9种跟踪算法进行对比实验。实验结果表明,本文所提的追踪算法在OTB100上的成功率为0.685、精度为0.834,比现有的一些流行算法具有更好的追踪性能。结论:本算法利用区域稀疏性忽略干扰特征,利用时间正则项学习前后帧相关滤波的关系,并用新的响应图融合方法提高追踪算法的性能。     

一种基于动态分层更新的多特征融合跟踪方法

针对单一特征的目标跟踪算法和传统的模型更新策略的不足,本文提出一种均值迁移和粒子滤波相结合的多特征融合跟踪方法.该方法通过均值迁移对粒子传播进行优化,根据粒子权值的分布情况自动调节各个特征的融合权值,实现了多特征的有效综合,通过建立目标模型的动态分层更新策略,有效保留了目标和场景的变化信息.实验结果表明,该方法对目标外...     

基于核典型相关分析的非线性相关源盲分离方法研究

针对传统的相关源盲分离方法的不足,提出了一种基于核典型相关分析的非线性相关源盲分离方法。该方法是利用了核方法来处理数据之间的非线性问题,同时还利用信号源之间的相关性来进行分离。提出的方法与传统的相关源盲分离方法进行对比分析。仿真结果表明,提出的方法明显优于传统的相关源盲分离方法,并从分离性能指标上得到了充分的反映。最后,将该方法应用到转子不对中和碰摩故障的盲分离中,实验结果进一步验证了该方法的有效性。     

合成孔径声呐相关合成算法中的伪目标问题

本文将用于合成孔径声纳成像的相关合成算法推广到合成孔径技术的伪目标抑制当中，放宽了不出现伪目标的采样条件，从而提高了声纳运动速度，改善了图像的质量，提高了声纳的成像率。如果声纳采样间距已定，则相应的声阵物理长度可以缩短，从而使得方位分辨率有所提高，计算机仿真结果验证了所提思路的有效性。     

基于SVM的多生物特征融合识别算法

针对单生物特征识别的局限性,提出融合手背静脉和虹膜两种生物特征实现身份识别.基于尺度不变特征变换(SIFT)提取手背静脉的局部SIFT特征并对特征点进行匹配,利用特征匹配率作为手背静脉图像的相似度测度.通过Haar小波变换实现虹膜特征编码,利用加权汉明距对虹膜进行相似度测试.最后基于支持向量机(SVM)实现两种生物特征在匹配层的融合识别.利用CASIA虹膜数据库和TJU手背静脉数据库对算法性能进行测试,其等错率为0.02%,实验结果表明,该融合算法具有很高的识别性能,为生物特征识别研究提供了新思路.