多步历史估计信息反馈多模型融合方法

针对强机动和大观测误差下的目标跟踪问题,传统低阶多模型融合方法存在估计精度较低、鲁棒性较差的缺点;高阶多模型融合方法面临计算量增大和保证实时性之间的矛盾.为此本文针对一类多步稳健机动目标跟踪问题提出一种基于历史估计信息反馈的多模型融合框架,首先累积和反馈历史估计信息,然后结合当前量测计算多阶模型序列的似然函数,最后得到贝叶斯后验融合结果.同时结合粒子滤波构建了易于工程实现的粒子滤波历史反馈多模型融合算法(PF-HFMM).仿真表明,与传统粒子滤波多模型算法相比,本法显著提高了估计精度和鲁棒性.     

深度强化学习联合回归目标定位

为了模拟人眼的视觉注意机制,快速、高效地搜索和定位图像目标,提出了一种基于循环神经网络(Recurrent neural network, RNN)的联合回归深度强化学习目标定位模型.该模型将历史观测信息与当前时刻的观测信息融合,并做出综合分析,以训练智能体快速定位目标,并联合回归器对智能体所定位的目标包围框进行精细调整.实验结果表明,该模型能够在少数时间步内快速、准确地定位目标.     

基于几何规则的多维空间对象融合模型

在远程多维空间对象融合过程中,对象之间不一致的空间几何关系会导致观察者空间感错乱,从而造成空间对象融合的沉浸感缺失。为此,基于深度传感器获取的深度信息,克服现有融合方法操作复杂性高、可移植性差及准确率低等问题,提出一种基于几何规则的多维空间对象融合模型。建立背景深度恢复模型修复目标空间的深度缺失区域,设计多层几何表达模型,即几何块结构模型及邻域微结构模型,采用决策树方法恢复源空间前景区域的深度信息,基于彩色信息及深度信息得到几何一致的融合效果。实验结果表明,该模型能够有效降低时间复杂度,同时具有较高的精准度及鲁棒性。     

一种新的雷达和红外融合算法

针对作机动飞行的空中目标,利用目标多普勒信息和红外辐射信息,建立具有Markov跳交参数的红外系统距离估计模型,基于结构随机跳变系统最优滤波理论,提出了一种红外系统距离估计算法.基于交互式多模型算法(IMM),以红外测距为伪距量测,提出了一种新的主动雷达和红外融合算法.对一个高机动目标跟踪进行了仿真,结果表明红外距离估计误差小,融合算法跟踪精度高,性能良好,易于工程实现.     

基于知识增强的开放域多轮对话模型

如何减轻安全回复和重复回复一直是开放域多轮对话模型的两大挑战性难题.然而,现有开放域对话模型往往忽略了对话目标的引导性作用,以及如何在对话历史和对话目标中引入和选择更精确的知识信息.鉴于此,提出基于知识增强的多轮对话模型.所提模型首先将对话历史中实词进行义原及领域词替换,达到消除歧义和丰富对话文本表示的效果.然后将经过知识增强后的对话历史、扩充的三元组世界知识、知识管理和知识拷贝加以集成,以融合知识、词汇、对话历史和对话目标多种信息,生成多样性回复.通过两个国际基准开放域汉语对话语料库上的实验结果及可视化验证所提模型同时在自动评测和人工评测上的有效性.     

物体坐标系曲面投影立体环视图像生成算法

针对立体环视图像拼接准确度的难点,提出了一种基于物体坐标系的曲面投影图像拼接算法.根据实际应用场合建立合适的三维模型,对图像进行基于物体坐标系的纹理映射,将三维模型划分为融合、非融合区域,将原始图像映射到非融合区域,对于拼接融合区域,结合模型特点,设计了一种基于角度信息的加权平均融合算法,对拼接后的图像进行颜色校正,消...     

融合显著度时空上下文的超像素跟踪算法*

为了更有效地利用目标的特征信息,提高目标的跟踪精度和鲁棒性,提出融合显著度时空上下文的超像素跟踪算法.首先对目标上下文区域进行超像素分割,根据运动信息计算目标上下文的运动相关性及特征协方差信息,得到相关性显著度.然后基于贝叶斯框架,在频域构建融合显著度信息的时空上下文模型.再利用联合颜色和纹理的直方图信息计算巴氏系数,更新时空上下文模型.此外,引入尺度金字塔模型,准确估计目标尺度.最后加入低通滤波自适应运动预测模块,在线更新动态模型样本集,使用岭回归方法实现低通滤波的参数在线更新.在公共数据上的实验表明,文中算法在光照变化、背景复杂、目标旋转、机动性高、分辨率低等情况下具有较好的跟踪效果.     

一种新的雷达和红外融合算法

针对作机动飞行的空中目标,利用目标多普勒信息和红外辐射信息,建立具有Markov跳变参数的红外系统距离估计模型,基于结构随机跳变系统最优滤波理论,提出了一种红外系统距离估计算法.基于交互式多模型算法(IMM)以红外测距为伪距量测,提出了一种新的主动雷达和红外融合算法.对一个高机动目标跟踪进行了仿真,结果表明红外距离估计误差小,融合算法跟踪精度高,性能良好,易于工程实现.

     

多尺度动态模型单传感器动态系统分布式信息融合

利用多尺度分析的思想,将基于模型的动态系统分析方法与基于统计特性的多尺度 信号变换方法相结合,在不同尺度上拥有对目标状态进行不同描述的多模型动态系统,提出 多尺度分布式信息融合估计新算法,在最细尺度上获得目标状态基于全局信息的融合估计 值,初步解决了多尺度动态模型信息融合问题,这些工作丰富和发展了信息融合理论.     

低光照环境下的图像恢复与目标识别方法

现有的低光照图像目标识别方法通常将图像恢复与目标识别任务分开处理,且在图像恢复质量和计算时间上无法满足目标识别任务的要求.针对这些问题,首先,提出一种高效的图像恢复卷积神经网络架构,通过融合不同尺度的特征图来聚合多级上下文特征信息,减少卷积层的信息冗余,提高图像恢复任务的实时性.并且设计了一个局部-全局注意力模块,通过校准各特征图的局部信息和特征通道之间的关系,提高恢复网络对噪声和图像内容的区分能力.其次,提出了一种图像恢复和目标识别任务协同处理的方法.利用目标识别的高级语义信息指导图像恢复网络学习,从而突出目标的结构和纹理等特征,使恢复结果更加适应目标识别任务.实验结果表明,该方法在图像恢复质量、计算时间和目标识别率上明显优于已有方法.