多传感器复杂网络数据融合算法的MATLAB仿真

多传感器复杂网络数据融合技术在多个领域中有着广泛的应用,目前存在多种像素级多传感器网络采集图像信息融合算法包括简单的图像融合算法、PCA变换图像融合算法和小波变换的图像融合算法等,但是每种算法都各具特点,因此有必要弄清楚其使用局限性以便能在实际应用中做出合理的选择.利用仿真软件Matlab结合从多传感器中获得的冗余图像数据对各种算法进行模拟实现,得出各种算法的融合图像的客观评价结果即在不同颜色空间中的相关系数和清晰度值,通过对比各种算法结果得到只有在特定的应用条件下才具有良好的融合效果,才能够很好地还原出原始的图像.     

基于小波变换的全色多光谱高空间图像数据双源融合算法处理技术研究

针对多光谱图像传感器数据与全色图像传感器数据进行了双源融合算法研究.在对现有的各种融合算法进行详细的归纳和总结的基础上,利用多光谱图像高光谱信息与全色图像高空间信息两者之间的互补性,研究了在尽可能保留原光谱信息的前提下,提高空间分辨率的像素级图像融合算法,并对多传感器遥感图像进行了仿真实验研究.     

基于多传感器数据融合的合成孔径声纳运动补偿算法

利用集中卡尔曼滤波技术对多传感器数据进行融合得到运动误差最优估计值,实现比单一设备更高的量测精度.实验结果表明,经过数据融合后的运动补偿图像辐射性能得到提高,目标能量集中,聚焦良好.     

杂波环境下雷达组网的多目标聚类融合跟踪

多传感器多目标跟踪是信息融合技术在目标跟踪领域的应用范例,数据关联是其中的关键技术之一.对于杂波环境下的组网雷达多目标跟踪,讨论了粗、精关联相结合的数据关联方法.先用基于跟踪门限算法进行粗关联,排除部分杂波,再用模糊C-均值算法模糊聚类来实现关联.通过把多传感器跟踪问题转化为多个单传感器跟踪问题,更有效地实现关联,最后融合量测,滤波后得到目标的状态估计.用该算法对目标进行蒙特卡罗仿真,其比改进前的模糊C-均值关联算法和最近邻域算法在杂波环境下更能有效实现数据关联.     

基于梯度变换的多传感器图像融合算法

针对像素级多传感器图像的融合问题,设计了一种基于梯度变换的多传感器图像融合算法。该算法利用金字塔变换得到图像的多分辨序列,在相应层次的金字塔图像上进行多方向分解,采用基于梯度变换的融合方法以获取最终的图像。从目视效果来看,采用该算法进行图像融合,能将2幅多传感器图像融合成1幅信息量饱满的单一图像。实验结果表明,该算法与同类其他算法相比较,标准差提高了0.05%～13.66%,偏差度降低了10.33%～48.49%,联合熵提高了0.36%～7.22%。     

BP算法在位移传感器测量精度方面的应用

在较高精度位移测量中,需要对位移传感器的输出进行温度补偿。采用BP(Back Propagation)网络的多传感器数据融合方法,把位移传感器和温度传感器的输出作为网络的输入向量送入融合中心,通过BP网络训练,然后将标定样本送入训练好的神经网络,得到比较准确的位移输出。为克服传统BP网络算法收敛慢、容易收敛到局部最小点的缺陷,采用BP多层前馈神经网络改进算法对传感器特性进行补偿,用MATLAB仿真所得到的结果与原有的实验数据相比较,在相同的温度波动情况下,位移传感器的输出误差比原来的减小了3倍,而且大幅度地节省了时间。     

无线传感器网络数据融合算法研究

数据融合的目的是减少节点的传输数据量,减少网络中总能量的消耗.针对这个问题,利用Kalman滤波进行目标状态估计,将分批估计算法应用于无线传感网的数据融合中,通过对监测同一对象的多个传感器所采集的数据进行综合,以达到提高数据精度和可信度的目的.同时实验获得的大量仿真数据证明了算法的可行性.提出了多传感器多目标分批估计融合算法,对监测不同对象的多个传感器所采集的数据进行融合.     

一种个有参数学习能力的决策融合方法

提出了一种基于模糊积分方法的多决策融合算法,通过对训练数据的学习来确定每个传感器的重要程度。分类实验表明,该算法可以有效提高融合系统的分类率。     

一种基于光照模型的多源遥感图像融合算法

多光谱图像和全色图像是目前卫星遥感领域最常见的传感器图像。为了充分地发挥这两类遥感图像数据的互补性信息，增强二者的清晰度和解译能力，在SFIM算法的基础上，将IHS变换与SFIM相结合，并对原有的均值滤波器进行改进，提出了一种自适应加权均值滤波器。通过一组多光谱图像和全色图像的融合实验，并对比常用的IHS融合方法和SFIM方法，证明了新算法在保持多光谱图像光谱特性的同时，能有效提高融合图像的空间分辨能力。     

像素级多传感器图像融合技术

随着图像传感器技术的发展,多传感器图像融合已成为图像理解、计算机视觉以及遥感领域中的一个研究热点,并广泛应用于自动目标识别、智能机器人、遥感、医学图像处理和制造业等领域.像素级多传感器图像融合获取的原始信息量最多、检测性能最好、应用范围最广,是各级图像融合的基础.详细介绍了像素级多传感器图像融合的原理,着重分析总结了常用的像素级多传感器图像融合的算法与质量评价标准,探讨了多传感器图像融合的应用与发展方向.     

多传感器系统误差特性匹配的动态估计与补偿算法

针对非合作目标场景下多传感器系统误差估计的工程应用问题,提出了一种面向工程应用的多传感器相对系统误差动态估计与适配性处理算法(μ-DECA),提高了多传感器融合系统的精度和稳定性.建立了系统误差实时估计模型,设计了一种多传感器相对系统误差动态迭代估计与补偿算法,使得各传感器原始点迹和融合航迹的误差特性趋于一致,克服了多...     

基于模糊神经网络融合技术的智能火灾预警系统

根据当今火灾探测的现状和实现火灾早期探测的需求,将多传感器数据融合技术应用在火灾预警系统中.选择多个传感器对火灾过程的多参数进行监测,特别对火灾发生初期产生的异常信息进行全面监控,弥补了采用单一传感器的不足,扩展了时间上和空间上的监测范围.系统采用基于模糊神经网络多传感器融合技术,增强了系统报警输出的灵敏度和可靠性,实现了提前预警的目的.     

基于数据融合的日光温室传感器布设

针对北方日光温室内环境监测传感器的布设问题,设计了基于神经网络、分批估计理论与自适应加权平均融合算法的日光温室传感器布设方案.利用11个监测点采集到的温室内西红柿生长环境温度和湿度数据,在运用BP神经网络进行缺失值补全的基础上,结合分批估计理论和自适应加权平均融合算法进行多传感器数据融合.通过对比融合值与原始数据的相对误差,选择最佳传感器数据,以此为基础确定最优传感器布设区域.结果表明,相对于算数平均融合与自适应加权平均融合,基于分批估计的自适应加权平均融合方法可以更合理地反应多传感器数据特征.     

基于生成对抗模型的可见光-红外图像匹配方法

针对现有异源图像匹配存在的模态差异大、匹配难度大、鲁棒性差等问题, 基于生成对抗网络转换思想及传统的局部特征提取能力, 提出基于生成对抗模型的可见光-红外图像匹配方法. 依据生成对抗网络（GAN）的风格转换思想, 增加了损失函数计算通路并构建新的损失函数, 改进模型在异源图像上的转换效果. 利用SIFT算法分别提取转换后同源图像的特征信息, 确定待匹配点的位置和尺度. 依据匹配策略间接完成待配准图像的特征匹配及相似性度量. 在实景航拍数据集上进行实验验证. 结果表明, 利用该方法能够有效地处理多模数据, 降低异源图像的匹配难度, 为多模态图像匹配问题提供新的思路.     

基于小波变换的模糊航迹关联算法

航迹关联是实现分布式多传感器信息融合的关键技术.针对传统的模糊关联算法正确关联率低的问题,基于小波变换对传统的模糊关联算法进行了改进,提出一种新的航迹关联算法.首先,通过小波分析对目标航迹数据序列进行处理,获取新的航迹特征;然后,采用模糊均值聚类法确立隶属度函数、综合相似度和阈值判决准则,完成对已获取的新航迹特征的分类关联.仿真实验表明：与模糊算法相比,该算法的正确关联率提高约0.30.     

冗余提升不可分离小波的图像融合方法

提出了一种基于冗余提升不可分离小波的多源图像融合方法。该方法不仅能很好地提取图像的细节信息,而且具有平移不变性,非常适合于图像融合;同时,采用基于局部邻域梯度的融合规则对分解后的高频和低频小波系数作不同的处理。对多光谱红外图像以及不同类型的医学图像进行了融合试验,结果表明该方法可以取得更好的融合效果。     

一种自适应的小波方向对比度图像融合算法

对多传感器获得的图像序列进行图像融合,可以采用基于小波变换的多分辨率分析图像融合方法。首先,对两幅待融合图像进行小波变换,采用平均加权的方法来获得融合后的低频分量;采用一种基于图像对比度的自适应算法来获得融合后的高频分量。最后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数进行小波逆变换,最终得到具有原图像有用信息的融合图像。实验结果表明,这种算法可以很好地保留原图像的有用信息,是一种有效的图像融合算法.