基于高斯混合及相对熵测度的图像分割

针对图像分割问题,结合高斯混合模型与信息论中的相对熵测度概念,提出一种新的图像阈值化方法。在提出方法中把图像阈值化问题看成是两个概率向量之间的匹配问题,因此首先用高斯混合模型去拟合图像直方图的灰度级分布,然后用相对熵测度去度量拟合分布与图像原灰度级分布之间的差异,并把该度量作为图像阈值化的准则函数。在对图像实施分割时,通过在图像灰度级范围中求取所定义的准则函数的最小值获得最佳阈值。在NDT、SAR及红外图像上的分割实验中用提出方法与传统及最新的图像阈值化方法进行比较,结果表明提出方法获得的结果要优于相比较方法获得的分割结果,因此提出方法是一种有效的图像分割方法。     

一种风驱动优化Tsallis相对熵的图像多阈值分割方法

本文提出了一种风驱动优化Tsallis相对熵的图像多阈值分割算法.首先分析了Tsallis相对熵阈值分割原理,并将其推广到多阈值分割.利用高斯分布拟合分割后的图像直方图信息,利用Tsallis相对熵作为衡量最佳分割阈值的度量函数.将风驱动优化算法与Tsallis相对熵度量函数结合,求解Tsallis相对熵函数的最优解,提高阈值分割算法的速度.最后将所提算法与穷举法、粒子群算法做比较,并且与经典的Otsu算法和基于二维熵的多阈值分割法进行对比.实验结果表明所提算法速度快、准确性高能够用于图像的多阈值分割.     

采用相对熵评价雷达相对系统误差估值

如何评价雷达相对系统误差估值的有效性是雷达校准过程中一个亟待解决的问题。本文借助信息论中相对熵的概念,通过计算次站观测航迹线系统误差修正前后与主站观测航迹线的相对熵,提出了次站雷达相对系统误差估值有效性评价指标和计算方法,并进行了演示验证。该方法有助于提高雷达检飞、数据校准方法选择和雷达相对系统误差估值表计算过程中对系统误差估值评价的科学性、准确性和可操作性,同时对改进多雷达航迹关联算法具有一定的借鉴意义。     

基于相对熵的直觉模糊聚类方法

在众多的模糊集中,直觉模糊集同时定义了信任度、非信任度和犹豫度,便于处理不确定信息.在不确定信息应用领域的背景下,重点研究了直觉模糊环境下的聚类问题,提出了基于相对熵的直觉聚类方法,并通过数值算例验证了方法的可行性和有效性.     

高斯马尔可夫随机场模型的递归最小二乘参数估计

本文首次提出应用阶递归最小二乘算法来估计高斯马尔可夫随机场模型参数。利用模型参数关于领域的对称性质,我们将一个非因果对称邻域支持的高斯马尔可夫随机场模型转化成一个因果非对称半平面部域支持的模型,从而使递归计算成为可能。利用规范方程中系数矩阵的近似Toeplitz性质,导出了运算量为O(m~3)+O(M~2m)MADP的阶递归最小二乘算法,而直接采用解方程法的计算量为O(m~3)+O(M~2m~2),这里M~2表示一幅图象的尺寸,m代表模型参数的个数。     

形态学增强的连接相对熵在自动目标检测中的应用

提出了一种基于多尺度形态学和连接相对熵的红外图像自动目标检测方法;它首先对目标红外图像进行多尺度形态滤波,消除背景和杂波的影响同时增强目标的对比度,然后采用连接相对熵准则确定区分目标和背景的最佳门限,最后对得到的二值图再进行形态滤波,得到精确的目标分割图像.实验结果表明该方法具有一定的鲁棒性和自适应性,能够实现目标的自动、非参数化的有效检测,且效果良好,便于下一步的目标识别和跟踪.     

基于相对熵理论的网络DoS攻击检测算法

针对日益严重的DoS(拒绝服务)网络攻击行为,提出了一种RED(相对熵检测)算法.该算法基于相对熵理论,利用网络流量的自相似特性,通过判断相邻时刻流量之间的相对熵值是否发生突变来进行DoS攻击检测.实验结果表明,与传统的信息熵DoS攻击检测算法相比,该算法具有较高的检测率.     

基于改进模糊算法和相对熵的遥感图像增强

针对传统的Pal-King算法阈值难以确定的缺点,利用改进的最大类间方差(OTSU)算法来自适应获取阈值,通过改进的模糊增强算法对遥感图像进行全局增强,然后以相对熵为判别标准,进行领域信息的自适应对比度增强。实验结果表明,该算法增强的结果在主观上能获得很好的视觉效果,客观指标中清晰度和标准差有了大幅度的提升。因此该算法能获得很好的视觉效果和更加明显的细节信息。     

基于改进模糊算法和相对熵的遥感图像增强

针对传统的Pal-King算法阈值难以确定的缺点,利用改进的最大类间方差(OTSU)算法来自适应获取阈值,通过改进的模糊增强算法对遥感图像进行全局增强,然后以相对熵为判别标准,进行领域信息的自适应对比度增强。实验结果表明,该算法增强的结果在主观上能获得很好的视觉效果,客观指标中清晰度和标准差有了大幅度的提升。因此该算法能获得很好的视觉效果和更加明显的细节信息。     

图像隐写系统模糊相对熵安全性测度研究

模糊相对熵可很好地度量两个模糊集之间的差异.文章根据隐写通信过程的不确定性,定义了隐写系统n阶Markov链模型的模糊经验矩阵,提出了隐写系统的模糊相对熵和加权模糊相对熵安全性测度,证明了该安全性测度的非负性、交换性和一致性.此外,由该测度可推导出各种确定模式下安全性测度.仿真实验表明,与同模型下的确定模式安全性测度相比,模糊相对熵及加权模糊相对熵安全性测度对隐写算法安全性的度量能力更强,且随着阶数的增加,对应安全性测度的度量能力增强.隐写算法设计实验也表明模糊相对熵安全性测度可更好地指导设计高安全性的隐写算法.     

混合高斯自回归模型参数估计方法之ML-DC

混合高斯自回归模型可以对有色非高斯数据的概率密度和功率谱密度进行有效的拟合.而ML-DC算法则可解决这一模型的参数估计问题。描述了混合高斯自回归模型及其参数估计问题之后,分别导出了功率谱密度参数的最大似然估计和概率密度参数估计的动态簇算法,并由此组成了参数耦合估计的ML-DC算法。最后结合一组仿真实例对其估计性能进行了详细探讨,指出并解释了算法的适用范围。     

基于高斯混合概率假设密度的运动参数估计组合平滑滤波算法

针对高斯混合概率假设密度(GM-PHD)滤波器在目标速度未知或不准确时,目标状态估计性能较差,该文提出一种基于GM-PHD的运动参数估计组合平滑滤波算法。该算法通过目标状态提取速度信息,经过中值平滑和线性平滑组合处理提升速度估计准确性,然后将速度反馈给GM-PHD滤波器的状态转移方程,提高状态预测精度。仿真结果表明,目标速度未知或不准确时,所提算法能够明显改善GM-PHD滤波器状态估计性能。     

用退火型神经网络估计多个非相干源的迭加正弦信号参量＊

基于模拟退火方法和线性规划神经网络,本文提出了一种新的参数估计方法——退火型神经网络计算方法,并将其应用于进行叠加正弦信号参量的估计,通过构造相应的模拟电路系统,该方法可获得估计问题的实时解。模拟实验结果显示了该神经网络方法进行平面波到达方向估计与跟踪的优良性能。     

离散最小误差熵估计的原理及应用

本文简要讨论了离散Ｓｈａｎｎｏｎ信息熵测试及ＭＥＥ估计的一般描述，为有效地求解离散ＭＥＥ估计问题提供了新颖实用的算法，包括穷搜（ＥＳ）算法，降维搜索（ＲＳ）算法以及人工智能（ＡＩ）算法，最后用ＭＥＥ方法了浑沌系统的状态估计和预测问题。     

一种参数途径的自适应时延估计方法

时差定位应用中,需要首先对2个分开的传感器侦收的来波信号进行离散采样,然后估计时差。时差通常不是采样间隔的整数倍,导致常用时差估计方法的估计误差值可能达到0.5倍采样间隔。研究人员常用插值运算减小估计误差,但运算量较大。参数途径时延估计方法可以直接估计非整数倍采样间隔的时差,且不需要插值运算,运算量较小。应用(LMS)算法来实现参数途径时延估计方法,通过理论推导给出了时延估计的方法和步骤。计算机仿真验证表明了新方法的有效性和正确性。     

一种新的最大熵谱近似估计方法

本文提出了最大熵谱估计的一种新方法，由其所获得的自回归系数的估值，使反映前、后向预测误差的能量以及前、后向预测误差与信号之间交关系的一个综合目标函数极小化。仿真结果表明，该法不仅具有良好的估计质量和较小的谱峰位移，而且消除了谱线分裂现象。     

逆高斯纹理复合高斯杂波对异常样本稳健的三分位点估计方法

逆高斯纹理的复合高斯分布(IG-CG分布)是描述高分辨率海杂波常用的模型,其参数估计在高分辨海用雷达自适应目标检测中起着关键作用。由于参数估计中数据不可避免地存在来自海面目标、岛礁的异常样本,对异常样本稳健的双分位点估计是近年来提出的有效方法之一。该文提出一种对异常点稳健的IG-CG分布三分位点参数估计(Tri-per)方法,其是对双分位点估计的改进。改进来自两个方面,通过双分位点位置优化提高逆形状参数的估计精度;通过第3个分位点的引入和位置优化提高尺度参数的估计精度。最后,用仿真和实测数据检验了提出估计方法的有效性和稳健性。     

基于最小波形熵的运动补偿逆梯度参数搜索法

采用最小波形熵法来进行动目标跟踪中的运动补偿，并在此基础上提出一种新的参数搜索算法——门限判决逆梯度法。该方法针对运动补偿波形熵的特征，通过门限判决，消去了多极点的影响，减少了运算量；同时克服了传统梯度算法的缺陷，有效提高了搜索稳健性，更利于快速跟踪。计算机仿真表明了该算法的高效性。     

Improved Parameter Estimation for Chirp Signals Based on Cyclostationarity

The problem of concern here is parameter estimation of chirp signals in the presence of multiplicative and additive noise. An improved cyclostationarity based algorithm is proposed to estimate the phase parameters. The novelty of the proposed algorithm lies in the iterative estimation of the second-order parameters. The main characteristics of the method include reduction in error propagation effect, increase in estimation accuracy, and operation over a wider range of phase parameter values. Simulation results demonstrate that the proposed algorithm has better performance than the conventional cyclostationary estimation method.