一种X射线图像增强新方法

针对X射线图像对比度不高,图像偏暗,边缘模糊,噪声大的问题,提出了一种小波变换和模糊理论相结合的图像增强新方法.首先,将射线图像进行小波分解获得低频子带和高频子带,然后,对含有图像基本面貌特征和主要能量信息的低频子带采用广义模糊算子进行处理,能较好地提升图像对比度和局部亮度,对含有噪声和细节信息的高频子带利用软阈值去噪方法进行去噪处理,同时定义了一种新的增强算子,在去噪的同时进行细节增强,最后,对处理后的图像进行小波重构.实验结果表明:该方法可以有效去除图像噪声,提升图像对比度和清晰度,视觉效果良好.     

传感器网络中结合分类信息的多目标关联算法

多传感器多目标跟踪系统的关键技术之一是航迹关联，应用于传感器网络时更为复杂。提出结合分类信息的基于图模型航迹关联算法，把目标分类信息和运动学信息相结合来提高关联效果。它利用分类混淆矩阵确定分类结果似然函数，修改基于图模型的航迹关联算法的顶点兼容函数和连线兼容函数。对多传感器网络的多目标跟踪情况仿真．比较仿真结果说明结合分类信息确实提高了关联正确率。     

复杂干扰环境下的多传感器目标识别

对于工作在复杂干扰环境下的目标识别系统,确保其稳健性和准确性的关键是保证被融合信息的可靠性.文中提出了一种多传感器目标识别的融合模型,该模型利用类别置信距离测度修正目标特征的实测分布与先验分布的偏差,提高传感器目标属性估计的可靠性;利用一致性测度和传感器可靠性,实现传感器信息的筛选,有效的处理冲突信息和错误信息.仿真结果验证了方法的有效性.     

杂波环境下雷达组网的多目标聚类融合跟踪

多传感器多目标跟踪是信息融合技术在目标跟踪领域的应用范例,数据关联是其中的关键技术之一.对于杂波环境下的组网雷达多目标跟踪,讨论了粗、精关联相结合的数据关联方法.先用基于跟踪门限算法进行粗关联,排除部分杂波,再用模糊C-均值算法模糊聚类来实现关联.通过把多传感器跟踪问题转化为多个单传感器跟踪问题,更有效地实现关联,最后融合量测,滤波后得到目标的状态估计.用该算法对目标进行蒙特卡罗仿真,其比改进前的模糊C-均值关联算法和最近邻域算法在杂波环境下更能有效实现数据关联.     

非线性无序测量无迹滤波在地面跟踪目标指示器的应用

对于多传感器融合系统,在处理中心往往由于通信数据链的失误,出现滞后数据(即无序量测),这对数据不利于融合的正常进行.本文对此提出一种最优和次优的无序量测无迹卡尔曼(UKF)滤波器,基于UT变换,把多步滞后量测转化为等价一步滞后量测,用无序量测直接滤波更新.通过最优、次优UKF滤波器和扩展KF滤波器在不同情况下对地面跟踪目标指示器(GMTI)组合跟踪的无序量测处理作比较,可看出本文所述滤波器提高了非线性条件下的无序量测滤波精度.