应用统计信号处理和模糊数学的图像融合算法

针对多传感器图像在像素级上的融合问题,将模糊数学理论引入到图像融合模型。该模型假定理想的融合后的图像包含场景所有的信息;将它乘上一个模糊因子,再加上随机噪声,可用来描述某一个成像传感器中获得的场景图像;不同的传感器对应不同的模糊因子和噪声。在此基础上,提出了建立在非多尺度分解框架下的图像融合算法。它以各传感器获取的图像作为输入条件,应用统计信号处理中的EM算法,求出针对不同传感器的噪声参数和模糊因子,通过迭代估计出融合的图像。实验结果显示,该算法获得的融合图像的互信息和联合熵分别达到3．5079和24．732,均优于加权平均融合法、小波融合算法和Laplacian融合算法的融合质量。     

基于PSO优化BP神经网络的多传感器数据融合

针对室内环境监测中单一传感器测量数据精度低、可靠性差的问题,提出一种基于粒子群(particle swarm optimization,PSO)优化BP神经网络多传感器数据融合算法。首先使用防脉冲干扰平均滤波算法来消除检测数据中的异常数据和噪声数据。其次,利用卡尔曼滤波算法对多同类传感器进行数据级融合,有效地降低因噪声干扰导致的测量误差,为异质传感器进行决策级融合提供最佳数据。最后,采用PSO优化BP神经网络算法进行决策级融合。实验结果表明,基于PSO优化BP神经网络多传感器数据融合算法对测试样本的平均绝对百分比误差(mean absolute percentage error, MAPE)和拟合度(r²)均优于BP神经网络和自适应加权(adaptive weighted, AW)优化BP神经网络,且运行时间比BP神经网络以及AW-BP神经网络分别短69.31%、50.36%。经验证,基于PSO优化BP神经网络多传感器数据融合算法具有更高的融合精度,同时缩短了算法的运行时间。     

复杂系统多传感器数据融合技术及应用研究

复杂系统多传感器数据融合是一门新兴的技术,它通过对来自多个传感器的数据进行多级别、多方面、多层次的处理从而产生出单个传感器所不能获得的更有意义的信息。数据融合在军事领域和民用领域都有很大的发展和应用前景。本文论述了复杂系统多传感器数据融合的基本原理、功能模型、层次结构、融合方法等,并指出了多源传感器数据融合研究中存在的问题及研究方向。最后,分析了多平台多传感器数据融合在某海军舰艇平台上的一个应用实例。     

采用图像融合技术的多模式人脸识别

利用图像融合技术实现了基于可见光图像和红外热图像相结合的多模式人脸识别,研究了两种图像在像素级和特征级的融合方法.在像素级,提出了基于小波分解的图像融合方法,实现了两种图像的有效融合.在特征级,采用分别提取两种识别方法中具有较好分类效果的前50%的特征进行特征级的融合.实验表明,经像素级和特征级融合后,识别准确率都较单一图像有很大程度的提高,并且特征级的融合效果明显优于像素级的融合.因此,基于图像融合技术的多模式人脸识别,有效的增加了图像的信息量,是提高人脸识别准确率的有效途径之一.     

基于多传感器数据融合的喷水推进泵空化分类识别

采用基于奇异值分解和人工神经网络的多传感器数据融合方法对喷水推进泵的空化状态进行了分类识别研究。首先利用基于奇异值分解的权值估计算法分别对水声信号和振动信号在时间上进行数据级融合,提取出各自的特征,然后将所有特征组合起来作为神经网络的输入,利用BP网络和RBF网络进行特征级融合和分类识别。分析结果表明：基于多传感器数据融合的分类识别结果优于单传感器分类识别结果;采用基于奇异值分解的数据融合方法后,分类识别率显著提高,对空化初生微弱特征的识别效果尤佳。     

一种新的红外与可见光图像融合与跟踪方法

多传感器图像融合技术在目标检测与跟踪领域中有广泛应用。提出了一种红外与可见光图像的新颖的特征级融合与运动目标跟踪方法。将目标轮廓用动态轮廓线表示,在目标跟踪过程中对于两类模式图像中的目标轮廓控制点向量,利用 B 样条形状空间模型将目标轮廓的特征级融合转换为控制点向量差的 L2 范数平方极小化。这种方法不需要图像配准,降低了融合的计算复杂度。同时,使用了自适应 Kalman 滤波技术,提高了动态轮廓线特征搜索的准确性。对比跟踪实验表明,融合后可见光图像的平均跟踪误差减小了 56.96%。     

高光谱数据融合研究

多传感器的遥感数据融合在城市规划、土地利用、矿产探测、军事侦察等领域有着非常广泛的应用前景。本文高光谱图像光谱分辨率高、空间分辨率低、多光谱图像空间分辨率高、光谱分辨率高的特点,阐述了其数据融合。特别介绍了CRISP锐化算法。     

贝叶斯估计动态汽车衡分时段数据融合研究

数据融合是一个多级、多层面的数据处理过程,主要完成对来自多个信息源的数据进行自动检测、关联、相关、估计及组合等处理。该文通过分析动态汽车衡的称重原理,对两路称重传感器不同时段的输出数据进行分析,提出基于贝叶斯估计的数据融合方法。实验检定表明:采用这种融合方法的动态汽车衡称重误差小,克服了动态汽车衡由于车辆振动、路面不平和传感器灵敏度分散性、传感器线性度误差等因素对称量结果的影响,准确度高。     

神经网络-模糊推理数据融合技术应用研究

近几年来,神经网络与模糊推理技术相辅相成构成了比较完备的智能信息系统框架.本文以神经网络-模糊推理数据融合技术为主线,重点介绍模糊神经多传感器数据融合系统的建模与分析;针对C3I数据融合系统中,传感器受外界复杂环境的影响使得其探测到的传感器信息具有不确定性,通过将模糊技术、神经网络理论与 Petri网相结合,讨论了模糊神经多传感器数据融合系统的建模方法,这对于提高系统学习能力和对外界环境的自适应能力具有实际意义.     

数据融合在测控技术中的应用

本文简单介绍了多传感器数据融合的有关知识 ,着重说明数据融合应用于测控技术中可以提高传感器及测控系统的性能。     

未知输入干扰下异构多传感器分布式两级信息滤波与偏差联合估计

针对目标跟踪过程中受未知输入影响的多传感器网络,提出一种局部单传感器抗干扰信息滤波算法并根据此算法实现分布式一致性多传感器融合滤波估计实现目标的精确跟踪。首先,建立包含未知输入的系统模型;其次,消除未知输入影响并设计局部单传感器两级信息滤波算法实现状态和广义偏差的同时估计;最后,根据提出的单传感器两级信息滤波算法进行分布式加权数据融合。仿真结果表明,该方法及其融合算法的系统偏差、状态估计误差和均方根误差均明显降低,目标跟踪精度有所提高,并且具有较低的运算量和较高的一致性。     

采用多传感器数据融合技术的消防报警系统

介绍了多传感器数据融合消防报警系统，然后在分析信号特征和各种算法的基础上提出数据融合的思想。根据多传感器的不同性质，进行多级别、多方面处理，以求更可靠更准确的结果。并提出了基于传感器数据融合的火灾报警的基本框架，最后讨论了传感器数据融合的方法和管理实施。     

基于图像特征融合与决策融合的多模式人脸识别方法

利用可见光图像和红外热图像进行图像融合是多模式人脸识别领域的一个新的研究方向．分别从特征级和决策级两个层次上研究了可见光图像和红外热图像的融合问题．在特征级上,引入遗传算法进行特征的优选,实现了两种图像的特征融合;在决策级上,提出利用Dempster-Shafer证据理论来实现决策的融合,并给出了具体的融合方案．分别采集了50人的红外热图像和可见光图像,每种各10张,共1000张图片进行了实验研究．实验结果表明,无论是对两种图像进行特征级融合还是决策级的融合,融合以后最终得到的识别准确率都大大提高,对于LDA和D_LDA方法达到了100％的准确率因此,可以认为基于遗传算法的特征融合方法和基于Dempster-Shafer证据理论的决策融合方法是实现多模式人脸识别的可行方法．     

多传感器融合的智能车定位导航系统设计

车辆定位导航系统实时、准确获取车辆位置对实现智能驾驶具有重要意义。针对传统定位导航系统存在的精度低、成本高、鲁棒性差等问题，基于GPS/INS(global positioning system /inertial navigation system,全球定位系统/惯性导航系统)、机器视觉和超声波雷达技术，设计了一种多传感器融合的智能车定位导航系统，旨在实现智能车在简单、结构化道路环境下的自动驾驶。利用GPS/INS技术实现智能车地理坐标获取，利用机器视觉技术实现智能车前方车道线检测，利用超声波雷达技术实现道路边沿检测，并对地理坐标、车道线和道路边沿数据进行深度融合，实现车道级定位导航。最后，进行了智能车定位导航现场测试，结果表明该系统满足车道级定位导航性能要求。研究结果表明，在简单、结构化道路环境下，多传感器融合的智能车定位导航系统结构简单，实际运行状况良好，可极大提高定位导航精度。     

基于多目标粒子群算法的多传感器图像融合

针对图像融合中参数优化的问题,提出了一种基于多目标粒子群优化算法的多传感器图像融合方法。首先采用非采样Contourlet变换(NSCT)对源图像进行多尺度、多方向分解;然后选取图像融合的客观评价指标为优化目标函数,采用多目标粒子群优化算法对低频系数的融合参数进行优化,带通方向子带系数采用取绝对值最大的融合规则;最后通过NSCT逆变换得到融合图像。分别对多聚焦图像融合和红外与可见光图像进行融合实验,并对融合图像进行主客观评价,实验结果表明,得到的融合图像具有较好的主观视觉效果和客观评价指标。     

一种子带杂交多算子图像融合算法研究

提出了一种新的多传感器图像融合算法。该算法综合考虑小波同层各子带及相邻层子带分解系数的特征,采用基于图像空间能量窗测度的自适应多算子规则构造融合图像。对可见光与红外图像、可见光与毫米波图像融合试验结果表明,融合图像含有更丰富的信息量,有效地保留了输入图像的互补特征信息。     

多传感器图像互调制快速融合

基于多分辨率分析的图像融合是当前主流技术,然而因其包含分解和重构变换,导致算法复杂性高,难以满足图像序列融合的实时性要求.针对此问题,提出了一种多传感器图像互调制快速融合(FMMF)算法.首先对两幅源图像分别用基于对应像素能量比值所确定的系数进行放大,然后分别加上由图像统计参数得到的偏移项,最后将两部分相乘并规范化即得...     

浅海多节点环境参数测量数据融合方法研究

为了提高浅海环境监测的及时性和避免人为主观评价水质的不合理性,引入窄带物联网(Narrow Band Internet of Things, NB-IoT)多节点方式进行浅海环境参数回传,并在远程端使用数据融合技术对其进行融合处理,实现水质等级科学评价。采用两级并联融合方式进行环境参数融合,在融合前使用模糊理论中的相关性函数剔除外界及传感器本身噪声所造成的异常数据;然后使用自适应加权融合算法对其进行第一级融合,最后运用模糊综合评价方法将上一级的融合结果进行决策层融合,实现浅海环境的水质等级评价。经试验验证,使用上述方法能够更加及时、有效地获取水质环境参数且第一级融合相对误差小于6.5%,并能以概率形式直观展现出监测区域的水质等级,提高水质等级评价的准确性与可靠性。     

多传感器信息融合技术及其在智能材料结构中的应用

多传感器信息融合技术是对多传感器信号处理的一种有效方法，在军事和民用领域中有着广阔的应用前景，本文主要论述了多传感器信息融合技术的分类和多传感器信息融合技术的数据处理方法。并在此基础上，对多传感器信息融合技术在智能材料结构中的应用进行了研究。     

基于灰色关联度的多传感器数据融合方法研究

针对多个传感器对某一特性指标多次测量的数据融合问题,提出一种基于灰色关联度的多传感器数据融合新方法。该方法将各传感器测得的数据视为一个行为序列,利用灰色关联度对不同传感器测得数据之间的接近程度进行度量,并通过灰色关联矩阵全面衡量数据间的综合接近程度,然后根据非负对称矩阵的性质求得各传感器测得数据在数据融合表达式中的权重,从而实现多传感器数据的融合。仿真结果表明应用所提出方法对雷达数据进行处理,可有效降低跟踪误差,提高测量精度。