目标语义概率模型在类目标识别和地物场景分析中的算法研究

基于文本分析统计模型提出了图像类目标的语义概率模型,并且将这种概率模型应用于目标识别和复杂场景下的地物分析.首先将图像表示成多个特征局部区域的集合,然后根据目标语义概率模型得到图像、特征局部和目标语义之间的概率关系,通过计算后验概率可以实现目标语义类别的识别.目标概率模型通过EM算法获得模型估计参数.实验结果显示,在识别复杂背景中的目标达到了很好的效果.场景分析中根据图像中各局部区域与目标语义的概率分布可以实现场景中感兴趣区域的标注,实验结果说明此方法有可行性.     

基于Mean shift的核窗宽自适应目标跟踪新算法

针对传统均值漂移算法(Mean shift)中核函数直方图对目标特征描述较弱、跟踪过程中核函数带宽的保持不变的缺点,提出了一种新的核函数带宽可变的Mean shift跟踪算法.在特定的色彩空间中,统计落入各区间的像素个数.并对各区间像素的位置建立高斯分布模型,采用二阶空间直方图实现目标建模,强化目标特征描述提高了跟踪的鲁棒性;结合边缘检测与角点检测选取目标特征点估算目标仿射模型确定伸缩尺度.适应目标多自由度变化下的跟踪.实验结果证明,该算法比原有算法跟踪效果更加准确和可靠.     

振动模糊星图仿真技术研究

分析了飞行器振动对星敏感器成像的影响,推导并建立该影响下星图模糊的数学模型。该模型首次通过角振动功率谱密度数据定量地模拟星点的随机振动轨迹,并在此基础上做出振动对星敏感器成像的影响分析。仿真结果表明,该方法可以较真实地模拟星图振动模糊效果。星点质心提取精度与角振动功率谱幅值在对数域上线性相关。     

基于局部最大熵的辐射校正方法

介绍了２种有较强针对性的图象辐射校正方法。通过引入局部最大熵约束,及对最大熵恢复公式的简化,导出了一种简便易行的图象辐射校正方法。该方法无须知道图象的成象模型和转移函数,从图象的局部统计特性出发,通过少量的运算,即可实现对辐射失真图象的恢复。因而具有较普遍的适用性。该方法已经硬化并在实际运用中取得了较好的效果。     

遥测地形数据中粗差的自动滤除

对于地形遥测数据中引入的脉冲噪声（粗差）,传统的滤波算法往往需要选择滤波门限、自适应能力不强,或者不能在滤除噪声的同时有效地保护信号数据。针对以上问题,提出了一种新颖的脉冲噪声自适应滤除算法,该算法基于数理统计和模糊数学思想,对局部数据（滤波窗口）进行均值和方差估计,并根据估计结果自动选择检噪门限,进而实现噪声检测和平滑。实验结果显示,在脉冲噪声密度小于5%时,该算法的滤波信噪比增益远高于常用滤波算法和其它同类算法;算法对平稳信号的处理效果较好。     

图像小波系数的高斯混合模型研究

图像小波系数的统计分布具有非高斯特性，可以用高斯混合模型进行描述。提出了一种随像素自适应调整的混合高斯模型，每个系数建模为两个均值为零、方差不同的正态分布之和，利用局部贝叶斯阈值对小波系数进行分类，通过当前系数邻域窗中两类系数的信息，得到大、小方差以及有关概率的模型参数估计。将此模型应用于图像去噪，根据贝叶斯后验均值估计理论设计了Wiener滤波器。通过与三种代表性去噪算法的比较实验，表明了这种基于模型的滤波算法的有效性。     

离散小波变换一维结构的优化设计

提出了一种新的基于并行的(6,10)小波变换的提升算法及其一维结构的优化设计。利用并行的提升方案实现了小波变换各提升步中乘法运算的并行计算,达到了有效缩短其结构关键路径的目的;运用并行的提升技术构造了一种前向和逆向小波变换的统一形式,从而给出了一种有效的小波前向和逆向变换的可配置结构。采用重调度技术进一步优化了小波变换的一维结构,在关键路径的约束条件下有效节省了硬件资源。采用Altera的FPGA器件EP1S25F1020C6对设计的VerilogHDL模型进行了逻辑综合。综合结果显示,新结构的关键路径、占用逻辑单元和触发器单元比同类设计分别减少了约14.2%,7.8%和12.5%,有效提高了系统的工作频率和降低了系统的硬件资源需求。     

改进的基于小波双变量模型的图像去噪算法

研究图像小波系数间的统计相关性并建立适当的模型,可以显著提高图像处理的质量。在贝叶斯最大后验估计理论框架下,讨论了Sendur提出的双变量模型,用MAP估计方法推导了对应的萎缩函数,分析了基于双变量模型去噪算法的不足,在此基础上进行了改进,利用MAP软阈值对第L级三个高频子带进行局部自适应处理。实验结果表明了改进后算法的有效性。     

利用Hough变换的匹配对提纯

目的 针对传统的匹配对提纯算法存在容错性差、效率低等问题,提出了一种利用Hough变换的匹配对提纯算法。方法 假设正确的匹配对一致性地服从一个变换模型。首先,为两幅图像的变换关系选择一个合适的数学模型,利用Hough变换确定模型方程参数的解。然后检验原始匹配对,保留符合模型方程的匹配对,从而达到提纯的目的。结果 与传统的RANSAC(random sample consensus)等算法相比,本文算法具有更高的容错率、召回率与更优的运行效率,且是稳定的。实验结果表明,在误配率低于85%时算法能完全剔除误匹配,且误配率高达95%时依然有50%的可能性成功剔除误匹配。结论 把Hough变换引入到匹配对提纯的应用中,该算法在所选模型准确或近似准确的情况下能鲁棒地提纯匹配对。由于模型方程参数个数决定参数空间维数,维数高导致投票及搜索最大值点的时间、空间复杂度大,因此该算法适用于模型参数较少(不大于4)的情况。     

基于粒子滤波的重力梯度与地形信息融合辅助导航方法

基于粒子滤波（PF）的重力梯度与地形信息融合辅助导航方法充分利用了重力梯度特征与地形特征融合的优点,可提高舰艇导航系统信息的利用程度。仿真比较了基于重力梯度的扩展卡尔曼滤波、基于重力梯度的粒子滤波和重力梯度与地形多特征融合粒子滤波算法得到的位置均方根误差,分析了基于EKF的重力梯度匹配辅助导航系统的稳定性和状态能观性。仿真结果表明,提出的融合算法既能加快粒子滤波的收敛速度,又能提高粒子滤波算法的估计精度。