基于离差优化的信息不完全确定的多准则分类方法

提出一种准则权系数信息不完全确定且有训练集的多准则分类决策方法.该方法利用训练集的分类结果和准则权系数的不完全确定信息,基于类间离差最大和类离差最小构建非线性规划模型,再利用遗传算法求解所得优化模型,得到训练集中各方案在各准则下的效用值和准则权系数,通过插值得到方案集中方案在准则下的效用值,确定方案与各类间的离差,进而得到方案的分类.实例计算表明了该方法的有效性和可行性.     

面向多源信息冲突管理的自适应折扣系数生成

在应用证据理论融合多源信息时,信任函数冲突是面临的一个重要难题.基于闭世界假设,冲突的产生是由于信息源的误判或无知.对不可靠信息源采用折扣系数弱化其作用是一个解决途径,然而折扣系数生成是一个被忽略的问题.为此,本文提出一种基于证据可信度的自适应折扣系数生成方法,根据证据之间的相似性导出合理的证据可信度,并根据该可信度与提供证据的信息源可靠性共同生成折扣系数,信息源的可靠性通过后验对比进行更新.多个实例结果表明,该方法能对多信息源的一致或冲突证据进行有效合成,且合成结果与人们的直觉一致.     

基于直觉梯形模糊数的信息不完全确定的多准则决策方法

针对权系数信息不完全确定和准则值为直觉梯形模糊数的多准则决策问题,提出一种基于直觉梯形模糊的信息不完全确定的多准则决策方法.该方法利用权系数的不完全确定信息,建立关于各方案综合直觉梯形模糊数与理想解和负理想解的Hamming距离的优化模型.通过求解优化模型可得到各准则的最优权系数,进而得到各方案与相对理想解的贴近度,再根据贴近度得到方案集的一个排序.实例分析表明了该方法的有效性和可行性.     

基于不确定性度量信息融合的团队一致法研究

给出一种新的信息融合方法--基于不确定性度量的团队一致法.这个方法是基于 一个迭代的团队不确定性度量函数,它能使团队成员达到一致;该方法用于融合从多个图象传 感器得到的对同一个目标的关于目标类别不确定性信息,与其它方法相比该方法有效而简单. 在多图象目标识别中有着广泛的应用.还给出了确定权值系数的一般方法.把这种方法用于一 个现成的实例,得到的结果和多数结合算子的结果一致.     

基于信息熵的多传感器信息融合

多传感器信息融合是多源信息综合处理的一项新技术。从信息论的观点出发,导出多传感器信息融合系统中的冗余性与互补性的定量描述,分析了传感器冗余性与互补性特点,并从该角度出发,利用最小条件熵准则来解决多传感器信息融合中的目标识别问题,该方法的主要优点是可以充分有效利用多传感器信息,使融合系统满足获得的信息量最大。     

D-S证据理论在探地雷达目标识别中的应用

为解决探地雷达的目标识别问题,提出了一种基于雷达扫描数据、实地探测情况、历史信息和已有水文地质信息,并利用D-S证据理论这一具有解决多数据源不确定信息推理和融合特点的理论对目标进行综合识别的方法.实现了探地雷达目标在不确定条件下获得较高可信度的识别.试验结果验证了该理论在探地雷达目标识别上的有效性和可行性.     

一种基于ESM和红外传感器决策层信息融合的目标识别方法

针对异类传感器目标识别的问题,提出了一种融合ESM和红外传感器的互补信息进行目标识别的方法.该方法首先利用了神经网络在目标识别中的优越性,完成目标初步分类;其中对于ESM的输出结果,运用粗集理论的方法实现辐射源类型向目标类型的转化;最后将网络每次的输出作为一条证据,在决策层上利用改进的D-S理论方法实现数据的融合.最后飞机目标识别的仿真实验,验证了该方法可以获得较高的识别效率.     

一种信息不完全确定的多准则语言群决策方法

针对权系数信息不完全确定且方案的准则值为确定语言等级或位于两个连续语言等级之间,甚至缺失的群决策问题,提出一种群体语言决策方法．该方法利用证据推理算法得到方案属于各语言等级的信任度,利用二元语义对方案进行语言集结;然后结合决策者和准则权重的不完全确定信息及方案与理想方案的二元语义问的距离构建非线性规划模型．利用遗传算法求解所得模型,计算得到各方案的排序．实例计算表明了该方法的可行性和有效性．     

一种融合多传感器信息的移动图像识别方法

多传感器数据融合作为一种特殊的数据处理手段在图像识别领域得到了较大的重视和发展, 本文提出了一种融合多传感器信息的移动图像识别方法. 首先通过在智能手机端提取带传感器信息的图像局部特征,增强局部特征的辨别能力; 其次改进了随机聚类森林的建立算法,减少了样本图像训练时间;最后使用快 速几何一致性校验对匹配结果进行检查, 保证算法的识别精度.实验结果表明,本文提出的方法能够快速 有效地识别移动图像,并具有较好的鲁棒性,同时与传统的Vocabulary tree 方法进行比较,本文方法的识别速度和精度较优,训练代价较低.     

基于信息融合的模式识别方法研究

将多特征多分类器的模式识别看作信息融合问题,提出了一种基于支持向量机理论的决策级信息融合模型,并讨论了基于该模型的识别精度以及学习样本数之间的关系.通过对ORL人脸图像库、CENPAMI手写体数字数据库这两类不同样本问题的识别实验表明,基于信息融合的模式识别方法可以取得较高的整体识别性能.     

基于互信息及蚁群算法的红外与可见光图像配准研究

红外与可见光传感器是图像系统中常用的两种传感器,对这两种传感器图像进行有效的融合,能够得到更加丰富的图像信息,并具有更高的可靠性,有利于提高对图像信息的分析和识别能力.快速准确地实现图像配准是图像融合的前提.为此,本文提出了一种基于互信息及蚁群算法实现红外与可见光图像配准的方法.     

多源遥感图象信息保持型融合技术的研究

鉴于几种传统融合方法在提高空间分辨率,保持原始影象光信息方面的有缺点,介绍了几种新的多种信息融合方法,这些方法运用代数运算与线性计算,既可避免传统融合算法存在的信息丢失,又可以提高影像的几何分辨率;对几种融合方法的效果进行了讨论;特别详述了在融合过程中,如何充分利用各波段的优点,克服了其缺点的方法,并提出了一种实用的多源遥感影象融合的流程,分析了图象融合的应用前景,实验证明,这种流程适合大数据量,大范围的影象融合。     

基于灰度与纹理信息融合的影像分割方法

文章提出了一种融合遥感影像像元各波段灰度信息与影像纹理信息的图像分割方法, 设计并实现了一种基于四分树的区域分开-合并算法。该方法有效地利用了遥感影像像元各波段灰度信息以及影像纹理信息, 用SPOT 5 卫星数据的实验结果表明, 该方法对影像分类以及制图工作有一定的促进作用。     

多传感器信息融合及其应用综述

多传感器信息融合广泛应用于自动目标识别、战场监视、自动飞行器导航与控制、机器人、工业过程控制、遥感、医疗诊断、图像处理、模式识别等领域。介绍了多传感器数据融合技术的概念、处理模型、融合层次等问题,综述了近年来多传感器融合技术的研究进展和应用,预测了未来的发展趋势。     

信息融合技术在SAR图像边缘检测中的应用

合成孔径雷达(SAR)图像包含丰富的信息,对SAR图像边缘特征的提取对战场侦察、打击效果评估等具有重要的意义,但SAR严重的相干斑噪声,给SAR图像边缘检测增加了极大的难度。该文在分析常用图像边缘检测算子性能的基础上,考虑各微分检测算子检测特性的优缺点,从信息融合角度出发,提出了一种针对SAR图像保留边缘的融合方法,在计算量不显著增加的前提下,提高了边缘检测的质量,实验结果证明此方法既保留了图像的边缘特征,又一定程度地抑制了图像的噪声,效果较好。     

一种飞机图像目标多特征信息融合识别方法

提出了一种基于概率神经网络(Probabilistic neural networks, PNN)和DSmT推理 (Dezert-Smarandache theory)的飞机图像目标多特征融合识别算法. 针对提取的多个图像特征量,利用数据融合的思想对来自图像目标各个特征量提供的信息进行融合处理.首先,对图像进行二值化预处理,并提取Hu矩、归一化转动惯量、 仿射不变矩、轮廓离散化参数和奇异值特征5个特征量;其次, 针对DSmT理论中信度赋值构造困难的问题,利用PNN网络,构造目标识别率矩阵,通过目标识别率矩阵对证据源进行信度赋值;然后,用DSmT组合规则在决策级层进行融合,从而完成对飞机目标的识别;最后,在目标图像小畸变情形下, 将本文提出的图像多特征信息融合方法和单一特征方法进行了对比测试实验,结果表明本文方法在同等条件下正确识别率得到了很大提高,同时达到实时性要求,而且具有有效拒判能力和目标图像尺寸不敏感性. 即使在大畸变情况下,识别率也能达到89.3%.     

Information fusion in data association applications

There is a limitation to process data fusion by means of traditional deterministic or probabilistic data association algorithm of multisensor data fusion (MSDF). Those methods for data association do not adequately account for quantitative and qualitative information in an automated fashion. Fuzzy logic offers an enabling technology for automated quantitative and qualitative information in the data fusion process. We propose the fusion system architecture, called fuzzy gating approach, coordinating both quantitative and qualitative information which is realized using a fuzzy-based reasoning approach. This approach is composed of two stages in cascade. The first stage implements available quantitative information, namely target range, azimuth, and elevation angle, to form a subset of statistically likely target solutions via fuzzy validation. The second stage of the fuzzy similarity utilizes available qualitative information, namely infrared image area and brightness, to form another subset of returns. Finally the fuzzy gating approach was tested in a dense clutter environment. Results of test show that performance of fuzzy gating approach is superior to JPDA based on a Bayesian approach. Moreover, adding qualitative information to the tracking algorithm can improve tracker performance effectively.     

信息分离和质量引导的红外与可见光图像融合

目的 红外与可见光图像融合的目标是将红外图像与可见光图像的互补信息进行融合,增强源图像中的细节场景信息。然而现有的深度学习方法通常人为定义源图像中需要保留的特征,降低了热目标在融合图像中的显著性。此外,特征的多样性和难解释性限制了融合规则的发展,现有的融合规则难以对源图像的特征进行充分保留。针对这两个问题,本文提出了一种基于特有信息分离和质量引导的红外与可见光图像融合算法。方法 本文提出了基于特有信息分离和质量引导融合策略的红外与可见光图像融合算法。设计基于神经网络的特有信息分离以将源图像客观地分解为共有信息和特有信息,对分解出的两部分分别使用特定的融合策略;设计权重编码器以学习质量引导的融合策略,将衡量融合图像质量的指标应用于提升融合策略的性能,权重编码器依据提取的特有信息生成对应权重。结果 实验在公开数据集RoadScene上与6种领先的红外与可见光图像融合算法进行了对比。此外,基于质量引导的融合策略也与4种常见的融合策略进行了比较。定性结果表明,本文算法使融合图像具备更显著的热目标、更丰富的场景信息和更多的信息量。在熵、标准差、差异相关和、互信息及相关系数等指标上,相较于对比算法...     

单源图像的信息融合与应用

本文研究单源图像的融合技术，主要是单源图像的信息扩展以及多尺度滤波融合和聚类分割。     

特征级信息融合方法研究

近几年来,针对多传感器信息融合技术逐渐成为当前研究的热点,该文介绍了信息融合技术的基本概念,引出特征级信息融合的概念．并且根据特征级信息融合技术的特点,给出并分析了几种信息融合方法,最后介绍了信息融合技术的应用情况。