基于小波提升框架的图像序列中运动目标检测算法

图像序列中运动目标的检测和跟踪是智能监测系统中的重要问题，为了提高运动目标识别的效率和准确性，同时解决日标运动中的形变造成的检测困难，首先针对传统的运动日标检测算法所存在的局限．把小波提升框架运用到运动目标的检测中，然后充分利用小波的多分辨率特性和提升框架可以直接在时空域内设计的优点，再结合可变模板方法，提出了一种新的基于小波提升框架的运动目标检测算法。实验结果表明，新方法较好地解决了目标运动中因形变造成的检测困难，并提高了检测效率和速度。  

基于开放式行业组件库的ERP交互式构建模型

本分析了ERP实施的现状和形成原因，提出了一种新的ERP软件系统的获取需求的方法，并给出了ERP软件系统的交互式构建模型。  

织物组织结构自动识别系统拼接算法研究

针对在织物组织结构识别中，在高放大倍率下，无法在一帧显微图像中获取所观测对象全貌的问题，提出了一种对多帧局部织物图像进行无缝拼接的方法。该方法首先确定织物纱线的周期，再通过动态选取模板进行拼接；并且针对拼接图像较多的情况，采用了以第一帧图像的拼接位置来确定后续图像拼接位置的等距图像拼接方法，从而减小了计算复杂度。该方法已成功应用到织物组织结构自动识别系统中，取得了较快的拼接速度和较好的拼接效果。  

无有效重叠区域的SAR图像拼接方法

机载SAR雷达在成像时,由于受各种随机噪声因素的影响,在其所生成的相邻图像帧间存在小的重叠、断裂或者错位,因此常常不能提取出满足独特性要求的特征子图像.针对此类SAR图像序列的拼接,给出了一种新的无有效重叠区域的SAR图像拼接方法.该方法先利用图像特定点地理坐标以及载机航迹角进行粗拼接;然后提取邻接处附近的显著线状特征,同时对这些特征进行较精确的匹配定位;最后对拼接处的像素灰度进行融合,以避免出现明显的接缝.实验结果表明,新方法在进行无有效重叠区域的SAR图像拼接时,取得了较好的拼接效果.  

一种新的异构实时分布式系统的容错调度算法

一般来说,异构分布式实时系统中任务的周期并不完全相同且任务的时限不等于它们的周期,同时系统中还有一些无容错需求的任务.因此现有的任务调度算法一般不能满足这些要求.针对这类系统,在结合基版本/副版本技术和EDF算法的基础上,给出了一种新的容错调度算法.该算法由两部分组成：任务分配调度算法和单处理器调度算法.对于单处理器调度算法,本文采用了EDF算法;在此基础上,给出一种启发式静态任务分配算法.分析了系统的可调度性,给出了任务可调度条件和基版本/副版本时限的设置方法.仿真结果表明,这种算法是有效的.  

动态场景图像序列中运动目标检测新方法

在动态场景图像序列中检测运动目标时,如何消除因摄影机运动带来的图像帧间全局运动的影响,以便分割图像中的静止背景和运动物体,是一个必须解决的难题。针对复杂背景下动态场景图像序列的特性,给出了一种新的基于场景图像参考点3D位置恢复的图像背景判别方法和运动目标检测方法。首先,介绍了图像序列的层次化运动模型以及基于它的运动分割方法;然后,利用估计出的投影矩阵计算序列图像中各运动层的参考点3D位置,根据同一景物在不同帧中参考点3D位置恢复值的变化特性,来判别静止背景对应的运动层和运动目标对应的运动层,从而分割出图像中的静止背景和运动目标;最后,给出了动态场景图像序列中运动目标检测的详细算法。实验结果表明,新算法较好地解决了在具有多组帧间全局运动参数的动态场景序列图像中检测运动目标的问题,较大地提高了运动目标跟踪算法的有效性和鲁棒性。  

基于任务综合规划的相控阵自适应调度方法

研究机载相控雷达调度优化控制问题.机载相控阵雷达可以高效遂行作战任务,但如何合理调度雷达任务请求,实时优化处理同时多任务对系统时间资源的竞争,是充分发挥多功能相控阵雷达性能优势的关键.针对相控阵雷达同时多任务在时间窗约束下实时优化调度问题,在综合考虑调度时刻前后任务请求、调度限制和可用资源等因素基础上,权衡任务请求重要程度、紧急程度和前后一定时间段内资源利用情况,提出了一种利用任务综合规划的相控阵自适应调度算法.仿真结果表明,新算法能够在雷达有限时间资源内提高相控阵雷达任务调度效率和时间利用率,获得了更优的综合性能.  

一种基于优先级调度的相控阵机动目标跟踪方法

在相控阵雷达跟踪加搜索（ＴＡＳ）工作方式下，为跟踪较大的机动目标，提出一种目标机动检测器设计方法，得到归一化的目标机动系数．基于该方法，给出了一种动态计算优先级的调度算法，较好地解决了机动多目标跟踪的资源调度问题．与几种常用机动检测器相比较，结果表明了这种机动检测器具有更高的检测概率．最后在多目标环境下进行机动目标跟踪的蒙特卡罗仿真，仿真结果显示了多目标机动检测器和资源调度算法的有效性．  

基于IMMPDAF的抗距离欺骗干扰技术仿真

采用交互式多模型概率数据关联滤波器技术,使多个目标模型并行工作以跟踪机动目标,并在跟踪基础上引入一种抗距离拖引(RGPO)的干扰技术.在理论基础上详细分析研究了抗干扰技术对抗RGPO干扰的原理及其可行性,并在距离欺骗(RGPO)干扰环境下通过计算机仿真验证技术的抗干扰性能.通过对仿真结果进行分析后表明,在距离前拖干扰环境下,抗干扰技术对机动目标跟踪丢失率仅有2%～4%,可以有效对抗RGPO干扰.  

基于PN学习的雷达目标鲁棒跟踪算法

传统雷达目标跟踪算法在强杂波环境下跟踪时会产生大量虚警估计的情况,单独跟踪或检测算法都不能对干扰杂波进行有效滤除.针对这个问题,在传统概率假设密度滤波器(PHD)算法的基础上,提出一种联合检测-跟踪-学习的目标鲁棒跟踪算法,即PN-PHD,引入属性检测器,将检测跟踪结果一起送入PN学习器,通过PN学习迭代更新检测器,并修正PHD算法的跟踪估计,以此实现在强杂波环境目标鲁棒跟踪的要求.仿真实验结果表明:PN-PHD滤波算法与传统跟踪算法相比,在强杂波环境下有效地提高了目标跟踪准确性和跟踪精度,同时也弥补了PHD算法在提供目标航迹信息方面的不足.