Estimation of the Number of Decomposition Levels for a Wavelet-Based Multiresolution Multisensor Image Fusion

The wavelet-based scheme for the fusion of multispectral (MS) and panchromatic (PAN) imagery has become quite popular due to its ability to preserve the spectral fidelity of the MS imagery while improving its spatial quality. This is important if the resultant imagery is used for automatic classification. Wavelet-based fusion results depend on the number of decomposition levels applied in the wavelet transform. Too few decomposition levels result in poor spatial quality fused images. On the other hand, too many levels reduce the spectral similarity between the original MS and the pan-sharpened images. If the shift-invariant wavelet transform is applied, each excessive decomposition level results in a large computational penalty. Thus, the choice of the number of decomposition levels is significant. In this paper, PAN and MS image pairs with different resolution ratios were fused using the shift-invariant wavelet transform, and the optimal decomposition levels were determined for each resolution ratio. In general, it can be said that the fusion of images with larger resolution ratios requires a higher number of decomposition levels. This paper provides the practitioner an understanding of the tradeoffs associated with the computational demand and the spatial and spectral quality of the wavelet-based fusion algorithm as a function of the number of decomposition levels     

多级式多传感器信息融合中的状态估计

本文多级式传感器监视系统中的状态估计技术,基于背地里传感器Ｋａｌｍａｎ滤波方程,两级集中和分布估计解,本文提出多坐标系中多级式多传感器跟踪系统的三层集中估计方法,在不同笛卡尔坐标系中,本文提出了几种适合于三层多传感器信息融合系统的航迹级融合方法,其中既包括了集－分估计,也包括了分－分估计组合问题,在离散线性假设下,各层估计解都是最优的并且对同一问题的不同表现形式是等价的,另外,文中还给出多级式多传     

多传感器异步数据融合算法

由于传感器的采样速率和通信延迟,传感器的不同步问题大大降低了多传感器系统数据融合的精度。研究多传感器异步融合比同步数据融合更为迫切。该文利用误差协方差阵的迹最小准则建立了多传感器异步融合模型,给出了具有普遍意义的多传感器异步融合模型,弥补了目前多传感器异步数据融合仅限于两两传感器的局限性,并从理论上对多传感器异步融合的性能进行了分析。仿真结果表明该异步融合模型是有效的,能够对多传感器的异步数据进行优化处理,并且优于单一传感器的性能。     

多传感器数据融合技术

多传感器数据融合可以避免单一传感器的局限性，获得更多的信息，提高目标识别能力。本文介绍了这一技术的出现背景，国外的应用情况，主要研究内容及建议采取的对策。     

基于形态学top-hat算子的多传感器图像融合

本文根据形态学top-hat算子能够提取图像中极大值与极小值区域的特点,将其应用于多传感器图像融合的两个重要领域——多聚焦图像融合和高分辨、多光谱图像融合.实验中将本文方法与Laplacian塔型变换、子波变换、主分量分析等方法进行了比较,结果表明本文所提的基于top-hat算子的融合方法具有优越的性能,拓广了top-hat算子的应用范围.     

迭代异方差估计及其在多传感器数据融合中的应用

 本文提出一种适应任意噪声分布的迭代渐近无偏估计异方差的方法,它能对多个不同测量噪声的方差进行估计.不同于传统的异方差估计算法,本文提出的迭代异方差估计,可在不损失估计精度和减少运算量的前提下,对多个不同的测量噪声方差进行捕获和跟踪.在多传感器数据融合中的应用结果表明:本文提出的方法具有估计稳定性好、运算简单和具有较强的鲁棒性等优点,仿真和实验的结果均证明了提出方法的有效性和可行性.     

A Sequential Asynchronous Multirate Multisensor Data Fusion Algorithm for State Estimation

To generate the optimal state estimate, the fusion of information from multirate multisensors with asynchronous sampling rates is studied. The problem is formulated by linear time-vary dynamic system combined with multiple sensors observing a single target with asyn- chronous and different sampling rates. Unlike the traditional interpolation or batch process approaches, the state estimate is achieved by system prediction followed by sequential update along sensors. In updating, Kalman filter and the orthogonal projection theorem are used. The optimality of the algorithm in the sense of linear minimum variance is verified. Experimental results show the feasibility and the effectiveness of the presented approach.     

多传感器数据融合的实现技术

本文论述了状态数据融合直接解析解法,避免了非线性微分方程的多次迭代解算,减少了计算量,从而提高了多传感器数据融合的解算效率.为保证多传感器数据融合的可信性和安全性,本文讨论了多传感器性能检查融合技术.为提高多传感器组网的隐身目标、反超低空目标和干扰环境下目标的探测能力,本文讨论了多传感器自适应探测融合技术.本文还分析了在目标机动时使用序贯融合技术的优点.     

分布式多传感器目标检测中的数据融合

多传感器目标检测，是近十多年来的一个研究热点。然而运用多传感器实施对目标的检测同时带来了一个新的问题，即如何能由多个传感器所提供的信息实时作了准确的判决？文章证明运用（Ｋ／Ｎ）规则于分布式多传感器目标检测时，存在最佳Ｋ值，使得系统的检测概率高于任一传感器的检测概率，虚警概率低于任一传感器的虚警概率。     

一种改进的多传感器数据融合方法

最优加权法在数据融合时需要确知噪声方差信息,其权值固定不变,而联合卡尔曼滤波法需要确知噪声协方差信息。在噪声先验信息与实际数值差别较大或传感器系统噪声相关时,这两种方法的参数估计精度将急剧下降。针对以上不足,文中提出了一种新的动态最优加权和最小二乘滤波相结合的数据融合方法,该方法能随传感器信号起伏的变化动态调整权值,不需要噪声的统计信息,在系统噪声相关时仍能获得较高的测量精度,具有较强的稳健性。仿真结果验证了新方法的有效性。     

多传感器目标识别的数据融合

本文针对军事上的目标识别问题，论述了多传感器的属性融合技术，包括属性融合的概念，原理，处理结构，算法及应用举例，指出属性融合中存在的主要问题，难点及可能解决的途径，并预测了未来发展趋势。     

多传感器信息融合技术应用研究

近年来,情报、监视和侦察领域的多传感器信息融合技术研究飞速发展,应用领域不断扩展,显示出巨大的优越性,发挥了重要作用。战场的数字化对战场侦察监视领域的多传感器信息融合的质量和效率都提出了更高的要求。根据多传感器信息融合技术的研究现状,从运用的角度出发,结合当前建设中存在的一系列问题,对战场侦察监视领域多传感器信息融合技术的主要作用和工作特点进行了比较深入的研究,分析了多传感器信息融合技术在战略预警探测、地面传感侦察、雷达组网监视、图像情报处理和机载多传感器集成等ISR领域的应用特点和前景。     

多传感器数据融合系统的软件实现

近年来,多传感器数据融合成为技术研究的重要方向之一,无论是在防御、还是非防御系统中都受到了广泛关注,尤其是面对目标、信源数量的增加,其对系统提出了更高要求。研究人员需要对系统进行反复测试,才能够提高系统运行有效性。文章从系统需求、系统分析及关键技术等角度对多传感器数据融合系统软件的实现进行深入分析和研究,为相关领域持续发展提供更多支持。     

Multisensor Data Product Fusion for Aerosol Research

Combining data sets from multiple satellite sensors is a powerful method for studying Earth-atmosphere problems. By fusing data, we can utilize the strengths of the individual sensors that may not be otherwise possible. In this paper, we provide the framework for combining level 2 data products, using data from three sensors aboard the National Aeronautics and Space Administration (NASA)'s Terra satellite. These data include top-of-the-atmosphere (TOA) radiative energy fluxes obtained from the Clouds and the Earth's Radiant Energy System (CERES), aerosol optical thickness from the multispectral Moderate Resolution Imaging Spectroradiometer (MODIS), and aerosol properties from the Multi-angle Imaging SpectroRadiometer (MISR). The CERES Single Scanner Footprint (SSF) contains the pixel level CERES TOA fluxes and the level 2 MODIS aerosol data. We specifically focus upon fusing the CERES SSF with the MISR aerosol products. Although this project was undertaken specifically to address aerosol research, the methods employed for fusing data products can be used for other problems requiring synergistic data sets. We present selected case studies over different aerosol regimes and indicate that multisensor information provides value-added information for aerosol research that is not available from a single sensor.     

多传感器信息融合机载辐射源识别

本文在阐述 Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ （Ｄ－Ｓ）证据理论的基础上，较系统地论述了基于Ｄ－Ｓ证据理论的多传感器机载辐射源识别的信息融合方法，识别实例和对比实验表明，这种信息融合识别方法是非常有效的。     

多传感器数据融合系统中两种新的航迹相关算法

本文提出两种合适于分布式多传感器数据融合的序贯航迹相关算法，对这两种序贯序迹相关准则进行了严格的数学推导和描述，研究一航迹相关质量设计和多义性处理方法，并通过仿真把它们与两个经典方法进行了比较，仿真结果表明，在密集目标环境下和／或交叉，分岔及机动航迹较多的场合，两种序楠航迹相关算法的性能与传统方法相比获得了明显的改善，其正确相关率与传统方法相比提高了约百分之三十。     

多传感器数据分层融合的性质

本文主要研究文［１］提出的分层融合算法的数学、物理性质。定义了分层融合估计中的融合航迹的新息和融合增益，分析并证明了它们所具有的数学、物理性质，最后得出并证明该分层融合估计，就是基于各传感器的滤波及其预测的线性无偏最小方差估计的结论。     

分布式多传感器信息融合中的航迹文件管理技术

为了使文献［１～５］提出的航迹关联算法能在工程和实际中得到更好的应用。系统地讨论与这些航迹关联算法配套使用的航迹号管理、关联映射、系统航迹的建立、保持和撤消技术．并详细研究在航迹关联过程小两局部节点数据率不匹配、选主站和其它参数利用等问题的解决方法。     

基于多传感器信息融合的远距离目标检测

远距离目标检测具有重要的军事应用价值,而多传感器能提供互补和冗余信息,在远距离目标检测中具有独特的优势.针对可见光和红外热图像序列中的远距离目标,提出了一种基于信息融合的目标检测方法.该方法通过帧间差累积,在两种传感器的图像中确定了运动目标区域,定义了运动目标区域可信度度量,利用融合的规则确定了最后的运动区域.在运动区域中利用简单的分割方法将目标提取出来,最后经过特征级融合得到了检测结果.本方法不需要进行背景估计,多传感器信息的冗余增强了检测结果的可靠性,实验结果证明了本文方法的有效性.