共查询到17条相似文献,搜索用时 82 毫秒
1.
证据理论在通信对抗数据融合系统中的应用 总被引:1,自引:0,他引:1
本文在深入研究语气理论的基础上,给出了在通信对抗数据融合系统中正确应用语气理论的一种途径,提出了建立知识库时应注意的问题,导出了计算结论可信度,拟信度的公式。 相似文献
2.
3.
4.
5.
以基于像素变化检测方法为基础,提出一种基于超像素融合的遥感影像变化检测方法.该方法主要包括以下步骤:首先对原始遥感影像进行两次超像素分割,生成像素级、超像素级和超像素级三个不同尺度的分割图,然后分别对每个分割图进行变化矢量分析,得到三个尺度的差分影像.分别对多个差分影像进行模糊C均值聚类,得到三个尺度变化与不变的隶属度... 相似文献
6.
D—S证据理论在多源数据融合中的应用及改进 总被引:2,自引:0,他引:2
在不确定性处理算法中,D-S证据理论具有较好的应用效果.阐述了D-S证据理论及其在多传感器数据融合中的应用.从改进合成规则和证据源数据两方面对当前的一些改进方法进行了分析比较.提出一种基于冲突强度的证据合成规则,并在Murphy证据平均合成规则的基础上提出一种基于证据间相似系数的证据合成规则,通过实例对这几种方法进行了比较,证明了基于相似系数证据合成规则的有效性. 相似文献
7.
基于D-S证据理论的多传感器数据融合 总被引:2,自引:0,他引:2
D-S证据理论可以有效地处理不确定信息,是有效的数据融合方法之一,但在证据高度冲突时,其归一化过程会产生有悖常理的结果。针对这个问题,国内外的学者提出了许多不同的改进方法,基本上可分为两类:修改组合规则和修改融合模型。在此总结分析了相关的国内外典型文献的改进思想,并进行系统条理的分析,为证据理论的发展和改进提供了有价值的参考。 相似文献
8.
9.
10.
为解决雷达终端目标识别问题,采用基于推理的数据融合方法。分析了Dempster-Shafer(D-S)证据理论用于多传感器数据融合的基本概念和理论,并结合最小风险准则将其应用于雷达终端目标识别的数据融合中。实验结果证明了基于融合后的识别结果较单传感器单周期的识别结果好,验证了这一方法的正确性和有效性。 相似文献
11.
12.
基于ROI和证据理论的目标融合检测算法 总被引:1,自引:0,他引:1
考虑合成孔径雷达图像(SAR)和光学图像的互补特性,提出了一种基于感兴趣目标区域(regions of interest, ROI)决策层融合的军事目标检测方法:分别在SAR图像和光学图像中提取出ROI,再利用各自的统计特征和几何特征给提取出的ROI分配置信度,以表示正确鉴别ROI的概率。最后在决策层上运用D-S证据理论融合两个源中同一ROI的置信度,获得更可靠的融合检测结果。该方法很好的实现了SAR和光学图像的优势互补,并在对遥感图像测试集的试验中得到了验证。 相似文献
13.
一种基于主分量分析的SAR图像变化检测算法 总被引:4,自引:1,他引:3
该文提出一种基于主分量分析(PCA)的SAR图像变化检测算法.该算法将SAR图像转化为列向量,对两个图像向量组成的矩阵进行主分量分解,其图像的变化部分则表征为矩阵的次分量成分.论文还研究了高效的SAR图像变化检测实现算法,最后通过与对数比方法和分块主分量分析法进行比较实验,实验结果证实了方法的有效性. 相似文献
14.
本文提出了一种变化检测方法以提高算法的鲁棒性、检测精度以及抗噪性.首先对差值法构造的差异图和比值法构造的差异图进行小波融合.然后将融合图像分成互不重叠的小块,并用主成分分析得到图像块的正交基.通过将融合图像中每个像素的邻域小块映射到正交基上使得每个像素用一个特征向量来表示.最后用基于核的模糊C均值对特征向量进行聚类.实验结果显示与使用单一类型差异图的聚类方法相比,本方法由于采用了图像融合的策略而增强了鲁棒性,且由于采用了核模糊聚类,进一步提高了变化检测精度.此外由于使用了特征提取的技术,本方法具有一定的抗噪性能. 相似文献
15.
一种基于模糊理论与D-S证据理论的红外小目标与诱饵识别算法 总被引:1,自引:1,他引:0
根据实际要解决的红外小目标与诱饵弹的识别问题,提出了一种基于模糊集理论与D-S证据理论相结合的方法,此方法把目标与诱饵的辐射特性及运动特性用D-S证据结合起来,构成目标与诱饵识别的模糊集合,最后根据目标置信度函数进行模糊综合判决进行目标的检测、识别.实验证明该算法能很好的把目标从诱饵中分离出来. 相似文献
16.
针对原始SSD(Single Shot Multibox Detector)算法未充分利用各特征层之间关系导致浅层特征层缺乏小目标语义信息的问题,为了提高对小目标的检测能力,提出了一种结合PANet多尺度特征融合网络和自上向下特征融合路径的TTB-SSD(Top to Bottom SSD)改进算法。首先,使用PANet多尺度特征融合网络对特征进行反复提取,从而获得丰富的多尺度语义信息;然后,使用一种深层特征融合模块将浅层特征层的空间信息传递到深层特征层,进而更准确地对小目标进行定位;最后,为了增强浅层特征层的语义信息,构造了自上向下的特征融合路径,从而强化浅层对小目标检测的准确率。实验结果表明,在PASCAL VOC2007测试集检测的mAP(Mean Average Precision)值达到80.5%,对目标的mAP较原始SSD提高了5.7%,证明了该算法对小目标检测的有效性。 相似文献
17.
云检测是遥感图像处理和应用的前提,针对遥感图像云检测的准确率容易受到薄云及似云地物影响的挑战,提出一种结合遥感影像灰度、纹理和频率特征的层次支持向量机云检测算法.该方法首先采用简单线性迭代聚类算法将遥感图像分割为像素块,再采用一种层次支持向量机分类器对遥感图像以像素块为单位进行云检测.层次支持向量机的第一层将像素块初步... 相似文献