局部与全局结合的彩色图像序列光流场模型

针对彩色图像序列光流场计算问题并结合现有光流场计算模型,提出3种将局部彩色光流计算模型与全局彩色光流计算模型相结合的混合光流估计模型,从而有效利用局部光流模型计算精度高及全局光流模型可得到致密光流场的优点,并将3种模型进行比较,给出数值实验结果。     

基于复小波的彩色光流估计

利用色彩恒常性假设,将RGB色彩分量光流基本方程映射至小波域,通过复小波构建的过定线性方程组进行多分辨率光流估计,避免实小波相位震荡带来的光流求解误差,并利用各颜色分量组成的线性方程组的系数矩阵条件数判断求解的可靠性,选择各颜色分量中最可靠的解最为该点最终的光流解。数值实验结果证明了该算法的有效性。     

基于最大加权区域互信息的声呐图像检索系统

针对声呐图像检索的实际需求,设计基于最大加权区域互信息的声呐图像检索系统。对声呐图像进行分割,产生n个子区域;计算例图与图像库中各个图像子区域之间的互信息,结合声呐图像目标物体的特点,对区域互信息进行加权;取加权区域互信息中的最大值作为图像互信息,并照其大小进行图像排序,经门限处理后,将排在前面的图像作为检索结果输出。仿真实验结果表明:基于最大加权区域互信息的检索方法更加适用于声呐图像检索,尤其是在处理两幅背景相同前景不同或者前景相同背景不同的图像时更有优势。     

基于层叠处理的多级自适应WOS滤波器

基于层叠处理的ＬＰ算法求解最优非线性滤波 缺陷在于：⑴必须掌握信号和噪声的先验统计知识,⑵计算量随滤波窗增大呈超指数增加,根据层叠滤波器理论,所有ＷＯＳ滤波器正布尔函数都是线性可分离的,在此基础上,提出了一种多级自适应ＷＯＳ层叠滤波器,从有效地克服了传统ＬＰ算法的缺点,它尤其适合于图象处理领域。     

基于区域相关的核函数背景建模算法

传统的背景建模方法都是单独为每个像素建立背景模型,这样就没有考虑像素之间实际存在的相关性,使得在进行前景和背景分割时出现不该出现的空洞和噪声点。为了解决这一问题,提出了一种基于像素邻域信息的核密度估计背景建模算法;给出了相邻像素亮度值分布模型间的相关性描述,并将该相关性引入到背景建模中,得到包含时一空信息的背景模型,并提出背景模型的更新策略;实验结果表明,算法能有效去除前景区域内的空洞和背景区域内的噪声点,能快速准确地更新背景模型,能进行复杂场景的背景建模。     

一种改进的多类支持向量机超光谱图像分类方法

支持向量机(SVM)是建立在统计学理论基础上的一种机器学习方法,用于解决二类分类问题,如何有效地将其推广到多类分类问题是一个正在研究的课题.总结了现有的主要的支持向量机多类分类算法,并在1-a-1 SVM分类算法基础上提出一种二次分类的方法.改良了惩罚因子,提高了不易分的类别之间的可分程度.通过对超光谱图像进行分类实验,结果表明该方法具有较高的分类精度.     

基于Unscented变换的非线性状态平滑

众所周知, 平滑因可以使用更多的量测信息而能够获得比滤波更精确的状态估计. 为此, 本文提出一种面向非线性随机系统的状态平滑新算法. 首先, 基于最小方差估计理论, 提出了一种新颖的最优平滑器, 该平滑器为解决非线性状态平滑问题提供了一种通用的理论框架;接着, 采用Unscented变换(UT)来近似上述最优平滑框架中的平滑增益, 进而设计出一种次优平滑算法;最后, 相比传统扩展卡尔曼平滑器(EKS), 仿真结果验证了新算法的有效性和可行性.     

New sigma point filtering algorithms for nonlinear stochastic systems with correlated noises

New sigma point filtering algorithms, including the unscented Kalman filter (UKF) and the divided difference filter (DDF), are designed to solve the nonlinear filtering problem under the condition of correlated noises. Based on the minimum mean square error estimation theory, the nonlinear optimal predictive and correction recursive formulas under the hypothesis that the input noise is correlated with the measurement noise are derived and can be described in a unified framework. Then, UKF and DDF with correlated noises are proposed on the basis of approximation of the posterior mean and covariance in the unified framework by using unscented transformation and second order Stirling’s interpolation. The proposed UKF and DDF with correlated noises break through the limitation that input noise and measurement noise must be assumed to be uncorrelated in standard UKF and DDF. Two simulation examples show the effectiveness and feasibility of new algorithms for dealing with nonlinear filtering issue with correlated noises.     

空间可分级视频编码的层间预测新算法

针对可分级视频编码中图像输出质量与编码所需时间的权衡问题,提出了一种可行的层间预测算法.该算法结合空间可分级的层间结构特点,充分利用基本层宏块及其邻域宏块的备选模式,依据其统计规律计算当前增强层待编码宏块可能的最优备选模式,有效地减少参与运动估计运算的模式数量,以达到降低编码时间的目的.通过JSVM的仿真实验,该层间预测算法与传统的层间预测算法相比,在输出图像质量变化较小的前提下,能够大幅降低编码时间,提高编码效率.     

中心差分卡尔曼平滑器

针对一类非线性离散系统的状态平滑问题, 本文设计了一种中心差分卡尔曼平滑器(CDKS). 文中基于最小方差估计准则, 详细推导了非线性系统的状态最优平滑递推公式, 并采用中心差分变换来近似计算状态的后验均值和协方差. 相比于传统中心差分卡尔曼滤波器(CDKF), 所设计的CDKS算法有效提高了非线性状态的估计精度, 拓展了中心差分变换的应用范围. 仿真实例验证了所提出平滑器的可行性和有效性.