基于K-means聚类和RANSAC的图像配准算法研究

针对图像配准中特征点匹配方法存在实时性不高和精度低的问题,提出了一种基于K means聚类和RANSAC的图像配准算法。该算法根据匹配点对距离和方向特征的视差约束条件,首先利用K means聚类对匹配点对进行预处理,剔除大部分错误匹配点,然后利用RANSAC进行二次优化,实现了图像的快速和精确配准。实验结果表明,该算法不仅提高了图像配准的精确度,而且提高了图像配准的速度。     

基于联合概率数据关联和粒子滤波的多目标跟踪算法

数据关联一直是多目标跟踪中的核心问题,是实现多目标有效跟踪的关键。介绍了多目标跟踪的基本原理以及联合概率数据关联的基本原理,并且将粒子滤波引入到联合概率数据关联模型中,提出了联合概率数据关联-粒子滤波算法来实现多目标跟踪。仿真结果表明,此算法可以很好的实现固定数目多目标跟踪。     

动态背景下的运动目标检测

针对动态背景下运动目标检测的问题,最大限度地降低背景对运动目标检测的影响,提出了一种基于相位相关法和傅里叶梅林变换的动态背景下运动目标检测算法.动态背景下运动目标检测的主要部分是背景运动补偿,首先利用相位相关法和傅里叶梅林变换估计全局运动参量,然后根据全局运动参量利用双线性内插法进行背景匹配,最后对配准后的图像利用帧间差分法提取运动目标.实验表明,该算法具有一定的鲁棒性,能有效地检测动态背景下的运动目标.     

低空突防用数字地形数据压缩研究

地形数据是低空突防系统最主要的信息来源之一,由于机载条件对电子设备的重量和体积有很大的限制,因此地形数据必须按低空防的要求进行压缩以减小其存储空间,本文探讨并比较了采用。ＬＰＣ,ＤＣＴ和ＢＴＣ三种压缩算法运行低空防用地形数据压缩的特点,文中首先设计了一个三阶预测器对地形数据进行ＬＰＣ压缩,其次给出了ＤＣＴ编码的恢复误差的估计式,并根据该估计式按低空防要求选取量化矩阵以压缩地形数据,最后提出了一种块间自适应的ＢＴＣ算法,仿真结果表明,块间自适应ＢＴＣ算法的综合压缩的性能较合乎低空突防的要求。     

集群目标战场价值综合评估

针对目前装甲机械化部队作战过程中缺乏对装甲集群目标整体价值评估的问题,提出一种通过敌武器平台的数量、作战效能、综合价值系数以及武器平台的位置分布等因素对集群目标价值进行综合评估并排序的方法.介绍集群目标价值指标的构成,给出确定部署兵力类型和数量的原则,并通过仿真验证.评估结果表明:该方法合理有效,能较好地反映集群目标对我方的威胁程度,为我方的兵力分配等决策过程提供参考依据.     

具有扰动的多时滞线性系统的鲁棒控制器

本文讨论了多时滞多扰动线性系统的鲁棒控制器设计问题，证明了在一定条件下时滞扰动系统能稳的充分条件为其标称系统二次型能稳，给出了按标称系统的给定稳定裕度设计系统鲁棒控制器的方法。     

城市规划中的公众参与问题研究

本文研究的是城市规划中的公众参与问题。公众参与是随着政治文明和法制建设的不断成熟、发展而产生的一种民主理念,城市规划中的公众参与是指让公众参与到规划的编制、实施、监督的各个环节中去,实现民主规划。首先阐述了城市规划和公众参与的概念,接着指出我国城市规划中公众参与存在的问题。最后提出完善建议。     

基于区间变权灰色关联法的集群目标威胁评估

以地面合成分队联合作战为背景,建立了基于集群目标的威胁评估指标体系;针对传统威胁评估方法中采用常权权重易导致状态失衡的问题,引入区间数理论确定指标区间常权,并结合作战态势利用变权理论确定指标区间变权权重,使权重能够随着战场变化而动态调整;将区间变权与灰色关联法相结合,构建出一种适用于区间数的最小二乘灰色关联威胁评估模型。最后通过实例仿真验证了模型和方法的有效性。     

动态背景下的运动目标检测

针对动态背景下运动目标检测的问题,最大限度地降低背景对运动目标检测的影响,提出了一种基于相位相关法和傅里叶梅林变换的动态背景下运动目标检测算法。动态背景下运动目标检测的主要部分是背景运动补偿,首先利用相位相关法和傅里叶梅林变换估计全局运动参量,然后根据全局运动参量利用双线性内插法进行背景匹配,最后对配准后的图像利用帧间差分法提取运动目标。实验表明,该算法具有一定的鲁棒性,能有效地检测动态背景下的运动目标。     

特征融合和聚类核函数平滑采样优化的粒子滤波目标跟踪方法

针对复杂场景下的目标跟踪问题,提出了一种改进的粒子滤波目标跟踪方法。利用背景加权后的联合直方图描述目标灰度和梯度特征信息,在粒子滤波算法的框架下,设计了一种自适应特征融合观测模型来适应场景的不断变化;同时针对传统粒子滤波算法存在的粒子退化问题,提出了一种基于聚类核函数平滑采样的方法。理论仿真和实际场景的实验结果表明,该算法适应性更强,精度更高,能有效跟踪复杂场景下的运动目标。