基于期望值最大算法和离散小波框架的图像融合

The discrete wavelet transform has become an attractive tool for fusing multisensor images. This paper investigates the discrete wavelet frame transform. A major advantage of this method over discrete wavelet transform is aliasing free and translation invariant. The discrete wavelet frame (DWF) transform is used to decompose the registered images into multiscale representation with the low frequency and the high frequency bands. The low frequency band is normalized and fused by using the expectation maximization (EM) algorithm. The informative importance measure is applied to the high frequency band. The final fused image is obtained by taking the inverse transform on the composite coefficient representations. Experiments show that the proposed method is more effective than conventional image fusion methods.     

基于影像局部光谱特性的遥感影像融合

提出了结合遥感影像的局部相关矩和局部方差进行融合的方法。实验结果表明,与传统的小波变换的融合方法相比,该方法在提高了多光谱影像空间分辨率的同时,更好地保留了多光谱影像的光谱信息。     

基于ιαβ空间的多光谱和全色图像融合

提出了一种新的基于ιαβ空间的图像融合方法,该方法可以用来对低分辨率的多光谱图像和高分辨率的全色图像进行融合.该方法通过对多光谱图像和全色图像的融合,得到一幅融合后的图像,该融合后的图像集合了多光谱图像的光谱信息和全色图像的空间信息.实验结果表明该方法效果良好,优于传统的以及改进的IHS方法和PCA方法.     

基于噪声方差估计的稳健融合算法

给出一种基于噪声方差估计的稳健融合算法.针对集中式多传感器融合结构,利用随机逼近算法分析了各传感器权的最优分配原则,并给出了一种基于方差估计的权的自适应调整算法.结合多传感器融合跟踪系统,为了提高非线性系统的跟踪性能,滤波算法采用了非线性逼近能力更好的Unscented卡尔曼滤波算法.通过计算机仿真实验,获得了良好的融合效果.与经典的加权方法相比,在相同仿真航路条件下,融合精度和跟踪精度都得到了显著提高.     

密集多回波环境下的机动多目标跟踪终结决策

本文研究密集多回波环境下的机动多目标跟踪终结决策问题,提出一种在高密集多回波环境下确定机动多目标跟踪终结的“全邻”Bayes跟踪终结算法ABTT.Monte Carlo仿真表明,本文给出的算法不仅克服了一类概率数据关联滤波方法没有跟踪终结机理的缺陷,而且能可靠快速地作出跟踪终结决策,消除多余目标档案。     

AESS动态数字仿真研究

飞机环境监视系统是航空电子系统的重要组成部分,可以提供实时飞行安全信息,协助飞行员完成飞行任务。主要研究了AESS动态数字仿真环境实现方法、综合显示与视景生成系统架构及算法描述。最后在预设航路条件下,对飞行过程中的动态事件进行仿真,完成了对各子系统的算法的验证。结果表明,系统基本达到了设计的要求。     

具有驱动饱和特性的线性化系统渐近跟踪控制器设计

物理系统中驱动饱和的存在对闭环系统的稳定性和性能具有较大的影响，因此在设计控制器时必须考虑到这一点。在系统的量测噪声和外部扰动已经通过其它办法消除的条件下，设计了一种抗漂移的状态反馈控制器，并将参考轨迹也加入到控制器设计中，这样极大地简化了控制器的参数设计并扩大了输入信号的范围，仿真结果表明，无论饱和发生与否，该控制器对于参考轨迹都具有较好的渐近跟踪性能。     

多传感器数据融合的通讯复杂性问题

通讯复杂性理论是一个计算抽象模型,它关心的是系统内部之间的数据通讯量的大小。多传感器数据融合是指多个传感器跟踪多个目标,是一种多层次的、多方面的处理过程,这个过程是对多源数据进行检测、结合、相关、估计和组合以达到精确跟踪不同目标的目的。该文把复杂性秩理论应用到多传感器融合,以获得多传感器之间数据融合所需的最小的通讯条件。     

基于反向投影的zero-shot Learning目标分类算法研究

zero-shot learning是对没有训练样本的类别进行分类的问题。传统回归方法的核心是将视觉特征投影到语义空间,没有充分利用视觉特征自身包含的样本信息,同时训练计算量大。本文提出基于反向投影的ZSL目标分类方法,将类别原型投影到视觉空间,利用视觉特征的语义性学习出映射函数,参数优化过程仅通过解析解就可以获得。在两个基准数据集的实验结果表明,我们提出的反向投影方法分类结果较传统回归方法和其他现有方法有大幅提升,且训练时间大大减少,我们的方法可以更好推广到未知类别的分类问题上。     

随机模糊神经网络的参数学习算法

在输入和输出信号均有噪声污染的情况下,提出随机模糊逻辑神经网络系统及其参数学习算法,给出了参数学习公式;仿真计算表明本文所提出的算法的有效性,它明显优于没有考虑噪声的模糊逻辑神经网络系统。