分布式异类传感器网Hough变换航迹起始算法

为解决异类传感器网异步采样条件下的航迹起始问题,提出分布式异类传感器网Hough变换航迹起始算法.该算法利用多传感器多采样周期测量建立候选目标集,用极大似然法估计候选目标的状态;采用Hough变换建立参数空间直方图,并对参数空间直方图聚类实现航迹探测;建立目标初始方位角直方图和目标速度直方图,分别对两个直方图聚类实现目标探测;找出与目标相关的测量,利用这些测量估计目标的状态.仿真结果表明,该算法能有效实现航迹起始.     

基于Hough变换的航迹起始算法

航迹起始是航迹处理中的首要问题。通过对目标航迹起始的Hough变换方法的研究,总结了目标航迹起始的经典Hough变换算法。针对该算法运算量大不满足实际应用的不足,提出了一种新的基于3/4逻辑的改进Hough变换航迹起始算法。该算法以3/4逻辑为起始航迹的依据,采用改进的Hough变换法判断一次点迹是否共线,有效的解决了在密集杂波环境中目标航迹的快速起始问题。该算法加入速度选通排除了部分杂波,降低了运算量,为该算法应用于工程实践创造了条件。     

自适应选取聚类中心K-means航迹起始算法

为揭示多传感器观测数据的正态分布态势,实现对源于异类目标的跟踪,提出一种新的多传感器航迹起始算法,本算法主要特点是初始聚类中心的自适应选取以及对逻辑估计法的起始夹角修正。估计算法中采用不相似性度量阈值的角度衡量方法,同时还结合聚类数目自适应归纳及初始聚类中心的推演逼近,从而使单传感器的航迹起始估计算法可以应用于多传感器的航迹起始根据;然后对聚类后的数据采用修正的逻辑航迹起始算法起始目标航迹。蒙特卡洛估计表明,新的自适应K-means聚类估计区分呈团状分布的不同目标的能力好,且通过估计算法得到的目标非常接近真实目标位置。经过自适应聚类处理后的目标航迹起始估计可有效滤除杂波干扰,降低虚警概率,能够获得较好的多传感器航迹起始。     

基于减法聚类与聚类有效性评判的FCM聚类

提出了一种基于减法聚类和聚类有效性评判的FCM聚类算法,依靠减法聚类来确定聚类数目的上限,并且在搜索最佳聚类数copt时,不需要进行重复的初始化工作,从而提高聚类的效率.     

空间域减法聚类粒子滤波算法

针对粒子滤波计算复杂度高的问题,为降低滤波中所需的样本数目,提出了一种基于减法聚类的粒子滤波算法,算法将样本及对应权重进行映射构成聚类向量,在设定的聚类半径下,采用改进的减法聚类算法对向量进行分类,得到若干在空间中分离的子类中心,然后用子类中心代替整个向量集,并利用产生的新向量集重构样本集和权重.仿真实验表明该算法在保持了粒子滤波估计精度的同时,有效降低了样本数目,提高了计算效率.     

基于减法聚类和K均值聚类的彩色图像分割算法

传统图像分割方法大都存在分割速度低下、过度分割等缺点.针对上述问题,提出一种新的彩色图像区域分割算法.这种方法首先将图像转化至L＊a＊b＊空间,并划分为子块,抽取图像子块的颜色、纹理和位置特征组成子块的特征向量,然后运用减法聚类,获得聚类簇数和初始蔟中心,最后利用改进的K均值算法在像素点特征空间进行聚类,进而分割图像成区域.实验结果表明这种新方法具有分割效率高、分割效果理想等优点.     

一种基于改进层次聚类的Hough空间峰值检测方法

运用Hough变换对序列图像中的弱小点目标运动轨迹进行直线检测时,常规的Hough变换参数空间峰值检测方法难以区分相近的目标运动轨迹。为满足多目标有效跟踪的应用需求,文章根据目标Hough变换参数空间的狭长型特点,结合改进的层次聚类方法,给出一种基于层次聚类的Hough变换参数空间峰值检测方法。通过实验分析,验证了文章所提方法的有效性。     

一种复杂环境下多目标航迹起始算法及性能研究

通过对修正逻辑航迹起始算法的研究,针对密集杂波环境下航迹起始的复杂性问题,采用了一种新的高效起始算法.利用位置信息形成可能航迹,在后续扫描周期利用航迹的状态估计信息形成一种椭圆关联门,同时在航迹外推形成V字的区域加以角度约束,并采用灰度信息剔除背景杂波,最终在高噪声下形成一条正确的起始航迹.通过对算法性能指标进行理论推...     

视频目标定位的减法聚类改进算法

针对减法聚类算法用于视频运动目标定位时存在的不足,提出了6点优化技术,即采用不同维度的邻域半径改进了原算法采用固定邻域半径的不足;修正目标邻域半径的取值,改进了原算法无法准确描述不同尺度目标定位效果的问题;引入下采样技术、改变密度值函数及构造网格重定义数据集3种方法以提高算法的定位效率;引入模糊隶属度对视频运动目标做进一步精确定位,解决了原算法无法精确定位的问题.实验结果表明,改进后的定位算法可获得更好的定位效果.     

一种基于改进层次聚类的Hough空间峰值检测方法

运用Hough变换对序列图像中的弱小点目标运动轨迹进行直线检测时,常规的Hough变换参数空间峰值检测方法难以区分相近的目标运动轨迹。为满足多目标有效跟踪的应用需求,文章根据目标Hough变换参数空间的狭长型特点,结合改进的层次聚类方法,给出一种基于层次聚类的Hough变换参数空间峰值检测方法。通过实验分析,验证了文章所提方法的有效性。     

基于K-Medoids聚类的多传感器航迹关联算法

为有效解决目标密集环境下的航迹关联问题,提出了一种基于K-Medoids聚类的航迹关联算法.该算法采用局部航迹与系统航迹进行关联的策略,将系统航迹作为Medoids,降低了需要关联的航迹对数量,避免了K-Medoids的固有缺陷,很大程度上提高了关联算法的效率.通过采用无穷范数计算采样点点迹距离求出了两条航迹的近似距离,这使得关联判决能考虑历史和当前航迹,提高了正确关联率.在多传感器多目标环境下讨论了其具体实现过程,仿真实验结果验证了该算法的有效性和优越性.该算法在存在噪音和离群点时,具有很强的健壮性,适合目标密集环境.     

快速随机Hough变换多直线检测算法

直线检测是计算机视觉和模式识别领域内的一项重要任务.针对现有随机Hough变换直线检测算法的无效采样量大、计算速度慢等缺点,在随机采样过程中提出了一种新的采样策略.我们先根据所有边缘点梯度方向的统计分布特征确定潜在直线的主方向,再通过设定的阈值消除K个分组边缘点集中对直线检测毫无贡献的点集.这样,不仅约束了随机Hough变换的采样范围,也减少了在随机采样过程中大量的无效采样,还使得算法速度得到提高、存储减少.最后通过仿真从检测单条和多条直线两方面出发对本文算法性能进行了分析.实验结果表明:算法能在实际噪声图像中快速提取出所有目标直线,对离散误差、局部断裂等缺陷不敏感,直线检测准确率也得到提高.     

基于局部PCA方向统计分析的Hough直线检测算法

为克服经典Hough变换本身存在的计算时间长、存储空间大的缺点,提出基于局部PCA方向统计分析的Hough直线检测算法。首先在边缘图像范围中选取合适大小的掩膜,通过局部PCA获得支持集内像素点的主元方向;侧重依据所有掩膜内主元方向信息的统计规律来约束Hough变换的极角选择范围,通过缩小参数θ选择范围大大缩短搜索时间。同时,每当一条直线检测完毕,当即把该直线上的点从原图像中除去,一方面可以避免直线间尤其是角度相近的直线间的影响,另外也减少下一轮极角子集范围内搜索的像素点数,提高运算效率。上述过程依此循环,直到检测出所有规定的直线。实验表明,所提出的算法计算精度高,运算时间短,并能提供直线段的完整描述。     

基于 Hough 变换及可信度的车牌旋转角度检测

车牌角度矫正是汽车牌照识别的一个重要步骤。采用Hough变换法检测车牌的倾斜角度。首先对汽车牌照图像预处理,再提取车牌上下边框的边缘信息,利用Hough变换对提取的边缘信息进行变换,从而获得车牌上下边框的拟合直线及其倾斜角度,并引入可信度,以度量检测结果的优劣,最终获得较精确的汽车牌照的倾斜角度。实验结果表明,该法抗干扰能力强,检测精度高。     

基于HOUGH变换的二维条码图象矫正

在二维条码图象扫描输入过程中，扫描图象会出现一定的倾斜，给条码的识别带来困难。本文提出基于HOUGH变换的图象矫正方法，结合条码自身的特征，通过一定的预处理，实现二维条码图象的快速矫正，具有较强的实用性。     

基于关键角点引导约束的广义Hough变换两层目标定位算法

广义Hough变换对非解析轮廓的定位与检测需要考虑平移、旋转、尺度问题,所以需要对四维参数空间进行搜索,计算量大且同时保证速度和精度存在困难。为解决该问题,本文在定位与验证两级框架下提出由关键特征点引导约束的广义Hough变换两层目标定位快速算法。粗定位过程首先利用模板图像的特征点——角点建立R表,将待检测图像中的角点依据局部R表对平移、缩放系数和旋转角度进行全局搜索,得到其参考点位置以及和的参数值;在验证过程中,建立模板图像边缘像素的全局R表,在约束的参数范围内依据全局R表进行验证,求出精确检测结果。实验表明,本文算法也适用于局部遮挡,局部变形等情况,同时运算时间、存储消耗大大减少,检测稳定性高,具有一定应用意义。