基于小生境遗传算法的雷达组网误差配准

多传感器信息融合须进行误差配准。传统的误差配准技术采用RTQC、最小二乘法或极大似然估计法,将非线性方程进行线性化,而线性化过程会引入误差。给出了一种基于小生境遗传算法的误差配准算法,该方法在采用基于ECEF坐标系的误差配准技术的基础上,克服了将非线性方程线性化带来的误差,并在传统遗传算法的基础上引入小生境技术,提高了遗传算法全局寻优能力、收敛速度以及系统误差估计结果的精度。最后,将该方法与基于ECEF坐标系的最小二乘法及传统遗传算法进行了比较,仿真实验结果验证了算法的有效性。     

基于点云配准的多固态激光雷达标定算法

针对多个固态激光雷达协同工作时,需要准确地进行外参标定的实际需求,提出一种基于点云配准的多固态激光雷达自动标定算法。该标定算法由标定物分割、初始配准和精确配准三个阶段构成。在标定物分割阶段,首先通过叠加多帧非重复扫描数据制作标定点云,再使用半径滤波和体素下采样滤波分割出纹理特征明显的目标点云。在初始配准阶段,使用3D-HARRIS算法提取关键点,并使用方向直方图(SHOT)特征描述子进行特征描述,然后匹配对应点并使用采样一致算法完成初始配准;在精配准阶段使用迭代最近邻(ICP)算法进行精确配准,从而获得精确的外参标定效果。在Bunny兔数据集和现场获得的数据上进行实验,结果表明,当保证配准平均误差小于1 mm的前提下,所提出算法的性能优于多种现有算法。     

基于CNN-WF的高灵敏紫外成像仪中的图像配准与融合

针对现有紫外成像仪中紫外光与可见光图像配准实时性差,精度不高等问题,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)与小波融合(Wavelet Fusion,WF)的紫外光与可见光图像配准融合方法,并将其应用于高灵敏紫外成像仪中.首先,结合刚体变换和卷积神经网络对采集到的图像数据进行参数模型预训练,通过自主挖掘图像特征寻找到最优空间变换参数,实现紫外光图像与可见光图像的精确配准;其次,利用二维小波分解与重构算法实现紫外光与可见光图像的融合.实验结果表明,所提方法的紫外光图像与可见光图像配准速度快,叠加精度高,且具有良好的稳定性.     

多雷达/红外传感器数据融合算法

本文针对多雷达、红外传感器设计了一种异构信息融合算法。结合多雷达、红外传感器实际使用情况,研究了多雷达、红外异构信息空间配准方法,并根据雷达、红外异构量测特性选取不同滤波器进行目标运动状态估计,实现多雷达、红外传感器数据融合。本文通过对不同传感器的组网方案进行仿真与测试,充分验证了该算法的实用性和有效性,满足实际的工程应用。     

基于模拟退火算法的组网雷达系统误差校正

系统误差校正是多传感器数据融合和跟踪系统中的基本问题，传统的解决方法是最小均方估计法或极大似然估计法，其缺点是对噪声比较敏感。文中提出了用非参数化方法解决多传感器数据融合中的系统误差校正问题，具体地讲就是把系统误差校正问题转化为非线性优化问题，然后通过模拟退火算法求解。该方法的优点是不需要事先知道各传感器的系统误差，并且适用于不同类型的传感器。经过仿真可知算法有效且对噪声不敏感，比线性化方法有更高的收敛效率和求解精度。     

基于数据链和光电传感器的融合跟踪

数据链是战争中信息互通、资源共享的生命线,研究了基于数据链和光电传感器的融合跟踪方法。根据数据链和光电传感器数据的不同特点,对数据链数据应用改进的交互式当前统计模型滤波外推算法进行时间配准,并根据光电传感器测量角度信息的非线性应用交互式卷积粒子(IMM-CPF)滤波算法进行融合跟踪。使用IMM-CPF和IMM-EKF算法对融合跟踪进行对比仿真,仿真结果表明,使用IMM-CPF算法的数据链和光电传感器的信息融合对目标的跟踪达到了很好的效果。     

分布式多传感器多目标跟踪方法综述

多传感器多目标跟踪是信息融合领域的热点问题,其通过融合多个局部传感器数据,提高目标跟踪精度和稳定性。多传感器多目标跟踪按融合体系可分为分布式、集中式、混合式3类,其中分布式融合结构对网络通信带宽要求低、可靠性和稳定性强,广泛应用于军事、民用领域。该文聚焦分布式多传感器多目标跟踪涉及的目标跟踪、传感器配准、航迹关联、数据融合4项关键技术,主要分析了各关键技术的理论原理与适用条件,重点介绍了不完整测量条件下的空间配准与航迹关联,并给出仿真结果。最后,该文总结了现有分布式多传感器多目标跟踪关键技术存在的问题,并指出了其未来发展趋势。      

Total least square kernel regression

In this paper, we study the problem of robust image fusion in the context of multi-frame super-resolution. Given multiple aligned noisy low-resolution images, image fusion produces a new image on a high-resolution grid. Recently, kernel regression is presented as a powerful image fusion technique. However, in the presence of registration errors, the performance of kernel regression is quite poor. Therefore, we present a new kernel regression method that takes these registration errors into account. Instead of the ordinary least square metric, we employ the total least square metric, which allows for spatial perturbations of the image samples. We show in our experiments that our method is more robust to noise and/or registration errors compared to the traditional kernel regression algorithm.     

Performance-based classifier combination in atlas-based image segmentation using expectation-maximization parameter estimation

It is well known in the pattern recognition community that the accuracy of classifications obtained by combining decisions made by independent classifiers can be substantially higher than the accuracy of the individual classifiers. We have previously shown this to be true for atlas-based segmentation of biomedical images. The conventional method for combining individual classifiers weights each classifier equally (vote or sum rule fusion). In this paper, we propose two methods that estimate the performances of the individual classifiers and combine the individual classifiers by weighting them according to their estimated performance. The two methods are multiclass extensions of an expectation-maximization (EM) algorithm for ground truth estimation of binary classification based on decisions of multiple experts (Warfield et al., 2004). The first method performs parameter estimation independently for each class with a subsequent integration step. The second method considers all classes simultaneously. We demonstrate the efficacy of these performance-based fusion methods by applying them to atlas-based segmentations of three-dimensional confocal microscopy images of bee brains. In atlas-based image segmentation, multiple classifiers arise naturally by applying different registration methods to the same atlas, or the same registration method to different atlases, or both. We perform a validation study designed to quantify the success of classifier combination methods in atlas-based segmentation. By applying random deformations, a given ground truth atlas is transformed into multiple segmentations that could result from imperfect registrations of an image to multiple atlas images. In a second evaluation study, multiple actual atlas-based segmentations are combined and their accuracies computed by comparing them to a manual segmentation. We demonstrate in both evaluation studies that segmentations produced by combining multiple individual registration-based segmentations are more accurate for the two classifier fusion methods we propose, which weight the individual classifiers according to their EM-based performance estimates, than for simple sum rule fusion, which weights each classifier equally.     

一种精确的预警机误差配准算法

误差配准是多传感器数据融合的先期处理过程。介绍了载机雷达所用坐标系,在考虑载机机动的前提下,给出了预警机系统到地面融合中心的基于地心地固坐标系(ECEF)高精度坐标转换算法。分析了由于载机机动导致的转换偏差,给出了误差补偿模型,然后用卡尔曼滤波实时估计出预警机对地面融合中心的系统偏差,从而实现对预警机的误差配准。计算机仿真结果证明了算法的正确性和有效性。     

红外与微光图像开窗配准融合处理方法

为解决图像实时融合以及红外与微光图像视场大小不一致等问题,提出一种基于仿射变换的红外与微光图像开窗配准融合处理方法。首先以大视场微光图像为背景,对图像中人眼感兴趣的目标区域信息进行开窗,窗口的大小由系统硬件速度和配准融合算法的运算量决定,然后在相同的目标窗口区域,通过双线性插值和仿射变换建立一种红外与微光图像各个像素点的对应匹配关系来完成窗口图像的快速配准与融合,实验对开窗融合结果进行了分析与评价。结果表明,该方法在满足人眼观察需求的条件下既减小图像融合处理数据,又保留了重要的细节融合信息,有效地提高了图像融合的实时性,对兼顾硬件速度与实时性要求的图像融合系统具有较高的应用价值。     

基于机动检测的自适应实时时间配准算法

多传感器航迹数据的时间配准是分布式融合处理的前提之一。在几种常用时间配准算法的对比分析中发现,不同算法仅在某种目标运动模型条件下是最优的,而目前的研究大多采用固定某一种配准方法,难以保证目标复杂机动情况下的配准精度。因此提出基于机动检测的自适应实时时间配准算法。融合中心根据传感器航迹数据估计目标加速度以检测目标运动模型的变化,然后采用当前模型对应最优的时间配准算法。仿真结果表明,该算法能够有效降低整体的时间配准误差,性能优于各单一固定的算法。     

数字图像拼接方法研究进展

数字图像拼接是指将具有重叠区的多幅数字图像或多帧视频通过配准和融合获得单幅宽视场图像或者动态全景图.数字图像拼接方法主要包括图像配准算法和图像融合算法.根据待拼接图像和拼接图像的特点,介绍图像拼接的4种基本类型,说明图像拼接的研究意义,概述近年来图像拼接方法的研究状况,最后分析图像拼接方法的研究动向.     

基于星载电子侦察与成像侦察的数据融合技术

该文在提出单星侦察体制下的电子侦察与成像侦察融合方案的基础上,研究了基于不精确图匹配方法的平台配准算法和基于模糊推理与证据理论的目标融合识别算法等数据融合技术,并构建了一个星载电子侦察与成像侦察融合仿真系统。仿真实验结果表明,融合电子侦察信息与成像侦察信息提高了目标定位精度与目标识别准确性.     

基于SURF-DAISY算法和随机kd树的快速图像配准

提出了一种基于SURF-DAISY算法和随机kd树的快速图像配准方法,首先利用经典SURF特征检测器分别提取参考图像和待配准图像中的特征点,为了进一步提高算法速度,对SURF算法进行改进,利用DAISY描述符代替SURF原有的特征描述算法对特征点进行描述;之后通过随机kd树算法对参考图像和待配准图像的特征点进行匹配并且使用经典RANSAC(随机抽样一致性)算法剔除误匹配点对;最后用最小二乘法估算出最佳的空间几何变换参数,实现两幅图像的配准。实验结果表明:相对于标准的SURF算法,本文方法在基本保持性能不变的同时,配准过程所消耗的时间最多减少了45.6%。     

多传感器误差配准研究

多传感器组网信息融合时,需要对组网中各传感器系统误差进行估计和补偿,以消除各传感器系统误差对融合性能的影响.研究了雷达组网系统误差配准模型,并对最小二乘算法(LS)、广义最小二乘算法(GLS)、递推最小二乘算法(RLS)、修正EX算法等误差配准算法进行对比分析,同时给出了扩维配准模型用于解决多传感器组网配准问题,针对实...     

一种多波段红外图像联合配准和融合方法

多波段红外图像配准和融合是得到更高质量夜视图像的关键步骤。过去,这两种方法被定义为两个独立的图像处理过程。因此,在融合过程中忽略配准误差会严重影响最后的融合质量。为解决上述问题,该文提出一种新的迭代优化方法,该方法通过寻找最优配准参数来获得最佳的融合性能,采用基于人眼感兴趣区域的清晰度指标作为融合质量评价函数来完善配准过程,采用模拟退火法解决联合优化问题。实验结果表明,针对夜视领域的多波段红外图像,该方法在配准精度、融合质量以及稳定性上明显优于常用的配准和融合算法。     

基于EM-EKF的异类传感器系统误差配准算法

期望最大算法(EM算法)是参数估计中一种很重要的方法,在处理不完全数据中有重要应用。针对异类传感器误差配准过程中的未知参数,采用EM与EKF相结合的算法进行多传感器误差配准与航迹融合。该算法通过使似然函数的期望最大化,简化了似然函数的优化估计,EKF滤波和平滑过程实现了更加准确的期望估计,迭代算法可以有效地实现异类传感器的误差配准,使估计的系统误差收敛到似然函数的局部最优解,仿真结果显示了该算法的有效性。。     

多传感器数据融合中的配准技术

配准是多传感器数据融合中的一个重要环节。文中介绍了图像配准的一般方法，配准技术在数据融合的应用，并着重介绍了基于点特征的红外／可见光图像自动配准算法。     

Entropy-based image registration method using the curvelet transform

Registration is a prerequisite for fusion of geometrically distorted images. Traditionally, intensity-based image registration methods are preferred to feature-based ones due to higher accuracy of the former than that of the latter. To reduce computational load, image registration is often carried out using the approximate-level coefficients of a wavelet-like transform. Directional selectivity of the transform and the objective function used for the coefficients play vital roles in the alignment process of images. This paper introduces an image registration algorithm that uses the approximate-level coefficients of the curvelet transform, directional selectivity of which is better than many wavelet-like transforms. A conditional entropy-based objective function is developed for registration using a suitable probabilistic model of the curvelet coefficients of images. Suitability of the probability distribution of the coefficients is validated using a standard method to assess goodness of fit. To align the distorted images, the affine transformation that possesses parameters related to the translation, rotation, scaling, and shearing is used. Extensive experimentations are carried out to test the performance of the proposed registration method considering that the images are synthetically or naturally distorted. Experimental results show that performance of the proposed registration method is superior to existing methods in terms of commonly used performance metrics.