基于随机Hough变换的航迹起始算法

雷达通常在密集干扰下探测目标,目标信息必定混淆假目标点迹,但针对假目标干扰中的断续点迹航迹起始问题,现有的方法难以有效解决。文中基于传统的三维随机Hough变换提出一种假目标干扰下对断续点迹进行航迹起始算法,采用序列检测技术设计采样终止规则来屏蔽虚假关联,构建飞行特征约束映射参数集来剔除虚假航迹。实验结果表明该算法的平均虚假航迹占有率仅为14。29%,计算时间为9。5416s,可为情报用户提供优良的情报综合实用性。     

并行Hough变换快速航迹起始

Hough变换在航迹起始领域得到广泛应用,但在扫描次数较少时起始效果不佳。通过转变Hough变换处理结构和改变计数器累加方式,提出了一种并行Hough变换快速航迹起始算法。利用Hough变换将不同时刻的量测集合分别映射到参数空间,继而将空间中具有相同索引的各次累加结果构成累加向量,统计其非零元素的个数,如大于预先设定的门限,则用向量各元素求和作为累加结果,否则置零。将利用该方法获得最终的累加结果进行门限检测来确定是否起始航迹。仿真实验表明,该算法可在密集环境下快速准确地起始航迹。     

近空间双基雷达网航迹起始算法

针对隐身目标的低可探测性和雷达采样间隔的随机性,提出一种基于概率网格Hough变换和速度特征模糊聚类的近空间双基雷达网航迹起始算法.首先,利用概率网格Hough变换方法提取目标初步航迹;然后,结合目标的时间特性,利用点迹速度模糊聚类的方法进一步提取目标真实航迹.实验结果表明,所提出算法具有较强的鲁棒性和较高的精度,适用于杂波环境下随机采样的多雷达系统航迹起始.     

基于网格聚类和修正逻辑的航迹起始算法

针对高密度杂波环境中多目标航迹起始时虚假航迹多和起始处理速度慢的问题,提出了一种将扫描点迹先聚类后进行航迹起始的新算法TI-GCL(Track Initiation Algorithm Based on Grid Clustering and Modified Logic Algorithm).新算法通过网格核技术和边界提取技术分别对高、低密度网格中的回波点迹进行处理,得到更为准确的簇,进一步利用簇中数据对象的相似度进行聚类,最后对每个聚类中的点迹运用修正逻辑法起始目标航迹.仿真结果表明,该算法在高密度杂波环境下能够准确、快速地起始多目标航迹,适于工程运用.     

基于Hough变换的航迹关联算法

目前的航迹关联算法大都存在抗干扰能力差和计算量大的缺陷,从这个角度出发,将Hough变换引入航迹关联,利用其良好的抗噪声能力和它适用于并行处理、实时应用的优良特性,解决了现有航迹关联算法存在的问题;仿真结果表明了该算法的可行性和有效性。     

被动传感器航迹起始算法

针对目标数目未知和被动传感器测量精度不同情况下的航迹起始问题,提出一种基于多站被动传感器系统的航迹起始算法.该算法首先利用多规则法对测量数据进行预处理,消除一部分“鬼点”,然后将模糊集的思想引入Hough变换,利用模糊函数的隶属度作为参数空间累积量,最后通过序列Hough变换检测航迹.仿真实验表明:该算法可有效改善航迹簇拥现象,抑制虚假航迹的产生,适合于杂波环境下目标的航迹起始.     

基于蚁群相似度加权霍夫变换的航迹起始

在雷达、红外等传感器的目标航迹起始时,目标的机动性以及数据的批处理会导致目标运动轨迹上偏离点的漏检。针对该问题,首先在Hough变换基础上,根据目标运动速度、幅度等信息置信区间与杂波干扰的不同,加上权重因子进行累积,然后进行目标的航迹起始,最后利用蚁群相似度检测起始轨迹上的偏离点迹。仿真结果表明,较之传统Hough变换,采用加权Hough变换算法能有效检测到目标航迹上的偏离点迹,提高目标检测概率。     

基于聚类与Hough变换的交通标志检测方法

交通标志检测是进行交通标志识别系统的关键技术,提出一种基于图像的颜色和形状进行交通标志检测的方法.首先对图像进行灰度拉伸和噪声滤出的预处理,然后利用改进的K-means聚类算法对彩色图像进行颜色分割,最后采用基于Hough变换的形状检测技术对交通标志中的特殊形状进行定位,从而实现交通标志的检测.实验结果显示,该方法在各种复杂背景条件下检测出结果的平均正确率达到93.0%,优于同条件的算法且具有较高的实时性.     

雷达航迹起始算法性能仿真

航迹起始是雷达目标跟踪的开始阶段,起始算法的准确性和执行效率对目标跟踪性能有重要影响.为了明确各种算法的特点和适用场景,文章对工程上常用的航迹起始算法进行了性能仿真.仿真结果表明,直观法适用于低密度目标场景,逻辑法和Hough变换法适用于较高密度杂波场景.仿真结果还表明,现有的三种算法不能很好地处理目标编队运动场景,编...     

基于采样约束的随机Hough变换圆检测算法

为减少图像中的圆检测时间并提高圆检测精度,提出一种随机Hough变换圆检测算法。以随机采样的一点作为圆直径的一个端点,用约束候选圆直径范围的方法确定候选圆,再将候选圆n等分,对每个方向进行证据积累以判断是否为真圆,通过聚类算法剔除错误样本点,对真圆进行最小二乘拟合以得到更准确的圆参数,解决由于随机采样三点而造成的大量无效采样累积问题。实验结果表明,与RHT算法、ARHT算法和BRHT算法相比,该算法的检测速度更快、检测精度更高。     

基于减法聚类的网格霍夫变换

为了解决网格霍夫变换因人工设置投票参数不当造成的直线漏检和形成伪直线的问题,提出一种基于减法聚类的无投票参数的网格霍夫变换。首先采用两阶段单调扫描方法提取尽量长的直线单元,然后利用直线单元在数量上长的少、短的多的特点自动确定参与投票的直线单元集合,最后利用减法聚类实现直线单元的容错投票。实验结果表明该算法不但执行速度快,而且无需人工设置投票参数,配合减法聚类的容错投票,较好地避免了因人工设置投票参数不当造成的直线漏检和形成伪直线的问题。     

基于改进Camshift算法的运动对象跟踪研究

论文改进了传统的Camshift算法,利用时间差分法来获取运动视频初始跟踪窗口的同时,提出了一种检测跟踪丢失并进行及时校正的机制;解决了传统算法由于摄像机的抖动、运动对象的不规则运动以及场景的切换等因素造成的目标丢失问题,保证了目标跟踪的实时性和有效性.     

基于学习的霍夫变换线段组物体检测算法

针对单条霍夫变换线段特征算法的区分能力弱,不能有效处理部分匹配等问题,提出了霍夫变换线段组算法。首先通过文中算法提取霍夫变换线段特征构成码表,以此码表作为弱检测器的输入,再通过AdaBoost算法学习将弱检测器构造成强检测器,以提高检测的效率,最后在测试集上进行检测。为了计算两条霍夫变换线段之间的相似度,引入四元组空间内加权欧式距离,通过合理调整权重,能够有效地处理不可靠边缘检测问题。实验表明该算法能处理部分遮挡问题,具有很好的发展潜力。     

傅里叶描述子和Hough变换检测封闭边界运动

运动检测广泛的应用于机器视觉和基于对象的视频编码以及生物医学的运动功能分析等领域。文章分析了平面封闭边界运动和傅里叶描述系数的变化关系,提出了基于边界傅里叶描述子和Hough变换检测平面封闭边界的运动,并通过计算机仿真证明该方法的可行性。     

一种基于近邻表示的聚类方法

当今社会处在信息急剧膨胀的时代,数据的规模和维度都在不断增大,传统的聚类方法有很多难以适应这一趋势.尤其是移动计算平台的高速发展,其平台自身的特性限制了算法的内存使用规模,因此,以往的很多方法若不进行改进,在这类平台上将无法运行.提出了一种基于近邻表示的聚类方法,该方法基于近邻的思想构造出新的表示形式,这种表示可以进行压缩,因此有效地减少了聚类所需要的存储开销.实现了直接对近邻表示压缩后的数据进行聚类的算法,称为Bit k-means.实验结果表明,该方法取得了较好的效果,在提高准确率的同时,大幅度降低了存储空间开销.     

基于级联霍夫变换的车道线快速检测算法

车道线检测是智能辅助驾驶算法中的核心算法之一。为了解决基于传统霍夫变换的车道线检测算法检测效率低下等问题,提出一种基于级联霍夫变换的快速车道线检测算法。该算法首先对视频帧进行ROI选取、滤波、边缘检测、非极大值抑制等预处理,然后使用基于平行坐标系的映射将原始图像转换到参数空间,完成点到线、线到点的映射,接着再使用一次映射,最终实现点到点、线到线的映射,以此快速提取车道线消失点,并根据消失点位置扫描实际车道线,实现车道线的提取。该算法在点的映射过程中,坐标值始终是线性变换,克服了传统霍夫变换在映射过程时需对每一个点进行极坐标转换的缺点,计算更简单,运算效率更高。仿真实验表明,文中提出的改进算法比传统霍夫变换运算速度提高了31%,准确率提高了6.2%,检测效果有明显提高,可广泛应用于智能辅助驾驶中。