机动目标概率假设密度滤波算法及其比较

在多目标跟踪问题中,如果目标数未知或者随着时间的变化而变化,那么联合概率数据关联(JPDA)等一系列在目标数已知时使用的跟踪算法就难以应对,而概率假设密度(PHD)滤波算法将目标集合数看成一个随机集,避免了数据关联问题。文中将PHD算法与JPDA算法进行了比较,仿真实验结果表明:在杂波环境下,PHD算法对目标数未知或随时间变化的多目标跟踪情况良好,在相同仿真条件下,PHD算法在时间上花的代价比其他算法更少。     

一种基于差帧图像融合的弱小目标增强方法

为了能够在小目标检测时更加容易和准确的检测出弱小目标,提出了一种基于差帧图像融合的弱小目标增强算法,该方法首先对视频相邻帧进行差帧处理,然后对差帧结果进行图像融合,最后把融合结果与原视频帧图像的低频分量进行差分运算获得增强图像.实验结果表明该方法的正确性,实现了对弱小目标的有效增强.     

AZ31B镁合金薄板交流TIG焊接接头组织和性能研究

采用交流TIG焊对2.0mm厚的变形镁合金AZ31B薄板进行焊接试验,利用扫描电镜、能谱分析、剪切试验对焊接接头的显微组织、元素分布、断口形貌、接头强度等进行分析。结果表明,焊缝区镁元素存在一定的氧化烧损,焊缝剪切强度为21MPa,剪切强度值较低,焊缝接头断口有明显的河流花样,呈现脆性准解理断裂形式。     

结构化加权稀疏低秩恢复算法在人脸识别中的应用

针对训练样本或测试样本存在污损的情况，提出一种结构化加权稀疏低秩恢复算法（structured and weighted-sparse low rank representation，SWLRR）。SWLRR对低秩表示进行加权稀疏约束和结构化约束，使得低秩表示系数更加趋近于块对角结构，进而可获得具有判别性的低秩表示。SWLRR将训练样本恢复成干净训练样本后，再根据原始训练样本和恢复后的训练样本学习到低秩投影矩阵，把测试样本投影到相应的低秩子空间，即可有效地去除测试样本中的污损部分。在几个人脸数据库上的实验结果验证了SWLRR在不同情况下的有效性和鲁棒性。     

基于模糊隶属关系的Mean Shift图像跟踪改进算法

鉴于Mean Shift算法中核心步骤计算所得的新目标模板中心位置几乎都非整数的问题,该文提出了模糊隶属度的概念,并在此基础上,改进了Mean Shift算法在图像跟踪中的实现步骤.实验表明,该算法计算量小,且能很好的减少原算法中不必要的误差.     

正压冲固海洋平台的地震分析

对正压冲固平台这一新型的浅海海洋平台进行地震计算。将正压冲固基础简化为动刚度一阻尼系统,采用振型叠加和响应谱分析法,并根据《海上固定平台入级与建造规范(1992)》,计算了结构的最大可能位移响应;同时计算了延长六倍桩径后底端固支的模型。计算结果表明,后者由于没有考虑基础的刚度和阻尼特性,偏于保守。     

双环Mean Shift视频跟踪算法

针对传统均值漂移跟踪算法在目标特征提取、模板匹配度量和带宽固定方面存在缺陷,提出一种双环Mean Shift视频跟踪算法.该算法采用万向椭圆的特征提取方式,能更有效地抑制背景信息影响,较好地提高目标模型质量.引入双环描述因子能突出目标本身特征权重,改善图像匹配峰值特性,并通过双环之间的关系自适应地更新核函数的带宽.仿真实验结果表明该算法在目标具有明显尺度变化、姿态扭曲和部分遮挡的情况下,可以获得准确和鲁棒的跟踪效果.     

一种新颖的MCES方法优化布点*

研究了一种新颖的客观特征选择方法——蒙特卡罗估计选择（MCES）方法。采用多宇宙并行量子遗传算法对MCES方法进行优化,使其具有更快速的收敛能力和更好的搜索效率,从而能更有效地优化建模。仿真实验中用该方法进行优化布点,优选出的采样点位能够有效地代表和代替原先监测的众多点位,表明该方法用于环境监测优化布点,具有简便、快速、结果合理稳定、易于推广等优点。     

基于多层字典的自重构目标跟踪算法

针对视觉跟踪系统中常用的模板处理方法很难 适应目标外观和视频背景不断变化的不足,提出一种基于多层字典的自重构 目标跟踪算法。通过构建多层字典,分别从时间和 空间上增强目标描述能力,既可以刻画目标局部细节,又蕴含了目标整体信息;在跟踪过程 中,模板可以利 用多层字典根据前景和背景的复杂性自适应地分裂与分并,分裂出多个跟踪器从不同角度进 行跟踪,有效地 提高定位精度,也可以合并子模板以达到降低系统的计算负荷。定性和定量分析的实验结果 表明,本文算法具 有良好的跟踪精度和运行效率,可以较好地应对变化与遮挡。     

基于扰动方法的广义最佳鉴别矢量集求解的一种迭代算法

本文对广义最佳鉴别矢量的求解方法进行研究，根据矩阵的扰动理论，改进了郭提出的求解广义最佳鉴别矢量的一种迭代算法，提出了求解广义最佳鉴别矢量的一种新的迭代算法，本文算法的一个突出优点是随着类别数目的增加，计算时间反而缩短；而老算法随着类别数目的增加计算时间随着增加，不仅如此，新算法的识别率不劣于老算法，在ORL人脸数据库的数值实验，验证了上述论断的正确性。