一种提高目标参数估计精度的雷达、红外数据融合方法

介绍了一种雷达、红外数据融合的方法,并利用融合输出的数据进行目标状态估计,从而获得较高的目标参数估计精度.     

多传感器多目标分布跟踪中数据关联的快速算法

本文提出了一种基于局部估计融合的多传感器多目标数据关联算法，它包括粗关联和精关联两个过程。     

夜视融合图像质量主观评价方法

为建立通用、客观的融合图像质量评价方法,在分析图像质量主观评价方法基础上,研究了融合图像质量主观评价对象、评价条件、评价指标和数据处理等关键环节,结合目标探测识别与场景理解两个典型的视觉任务,提出了目标可探测性和细节可分辨性两个主观评价指标,并研究了图像整体感知质量与这两个指标的相关性。对3种不同场景的微光与红外融合图像,采用9种融合方法获得的189幅融合图像的统计分析结果显示,细节可分辨性和图像整体感知质量相关性好,而目标可探测性虽然和图像整体感知质量相关性较差,但在基于具体视觉任务的融合图像质量评价过程中,仍可作为有效评价指标之一。     

组网雷达测量色噪声数据的Hermite插值融合方法

利用组网雷达测量的色噪声数据融合处理出飞行目标坐标与速度,并估计出各雷达测量误差的有关参数。先根据雷达测量原理建立跟踪数据的色噪声误差模型,利用多雷达观测的色噪声数据序列初步估计目标的坐标与速度初值,再利用Hermite插值法估计目标坐标与雷达测量坐标的偏差,不断改进Hermite插值多项式的系数以及误差模型中色噪声修正系数,提高了目标坐标速度等参数的处理精度。仿真数据实验表明该计算方法稳定可靠,定位精度较高,可以发挥Hermite插值法在色噪声测量数据融合处理中的作用。     

目标航迹融合质量度量方法研究

航迹融合可以提高目标跟踪过程中目标状态、运动参数等估计的精度,因此航迹融合技术可以有效地提升多传感器预警系统的跟踪能力而在目标跟踪领域有了广泛的应用.为了对航迹融合质量进行评估,本文提出了一种基于层次分析法(AHP)的目标航迹融合评价方法,该航迹融合质量评价方法是由航迹完整性、航迹纯净性和航迹跟踪精度等几部分组成.融合质量度量为多传感器目标跟踪航迹质量评估提供一种高效、准确的评估方法.     

基于LMMSE估计的多传感器目标航迹融合

介绍一种基于线性最小均方差（LMMSE）估计的多传感器目标航迹融合方法。这种方法适于分布式多传感器目标跟踪系统，它具有LMMSE估计器的许多优点。同时，由于它考虑了因公共的目标动态过程噪声引起的估计误差的非独立性的影响，因此，它比基于独立性假设的方法更精确。     

可见光与红外CPCT彩色图像融合研究与实现

研究了红外和可见光图像融合、融合质量客观评价以及融合目标跟踪三个方面。针对当前基于颜色传递的彩色图像融合中融合图像缺乏颜色恒常性的问题,着重分析研究颜色传递过程中参考图像如何影响融合效果,并提出基于恒参数颜色传递(CPCT)彩色图像融合的改进算法。然后,分析了彩色融合图像的客观评价方法,对各种客观评价指标与主观评价的一致性进行对比总结。最后,以目标跟踪作为红外和可见光图像融合应用,针对红外小目标跟踪出现的相似背景干扰问题,结合基于CPCT的图像融合算法,研究了基于CPCT彩色融合图像的粒子滤波目标跟踪算法。     

一种有效提高实时数据处理融合效果的算法探究

本文主要研究一种应用于武器装备试验实时数据融合处理算法,核心是探讨通过动态修正加权因子改变实时数据融合效果,获得最优的目标状态估计的方法。     

基于观测值聚类的多雷达数据融合

采用一种改进的K NN算法对多雷达观测数据进行聚类 ,结合聚类中心和目标预测值 ,应用卡尔曼滤波器估计目标状态 ,从而实现多雷达数据融合。实验结果表明这种方法是有效的。     

空间目标在轨状态雷达成像估计技术综述

空间目标状态估计旨在获取目标在轨姿态运动和几何结构等状态参数,是完成目标动作意图分析、排查潜在故障威胁和预判在轨态势等任务的关键技术。通过雷达光电成像信息处理实现在轨姿态估计是空间目标状态分析的重要途径,当前已经形成了一系列代表性实用方法。该文首先简要介绍了国内外用于空间目标监测的地基逆合成孔径雷达发展现状;重点针对空间目标时序特征匹配、三维成像重建和多视融合姿态估计多类代表性方法进行原理介绍与技术总结:数据特征匹配的状态估计性能可靠但依赖目标模型先验;三维几何重建的状态估计具备目标精细刻画潜力但观测几何要求高。同时,该文也对空间目标在轨状态估计方向未来发展趋势进行了展望。      

基于子孔径参数估计的双基地ISAR图像融合方法研究

双基地逆合成孔径雷达(Bistatic ISAR)能够同时获取两个视角下的目标雷达回波,将分别所成的图像进行融合处理可以获得质量更高的ISAR图像以提供更丰富的目标信息,但由双基地角带来的目标像尺寸形状不一致等问题将造成融合困难。该文针对转台模型目标,提出一种基于子孔径参数估计的双基地ISAR图像融合方法,利用孤立强散射点在不同子孔径下的多普勒差值估计出目标的转动角速度和半双基地角,再将不同视角下的数据映射到同一个坐标平面中进行融合处理,得到效果更好的图像,最后利用仿真实验结果验证了该方法的有效性。     

基于BP神经网络的多模型估计融合算法

工程领域里的一类目标参数估计常常存在多个估计模型。本文提出一种BP神经网络数据融合算法,对两个模型给出的四个估计结果有效融合,力图给出一个可靠性和精度更高的融合结果.将融合结果与原模型估计结果比对分析发现,融合算法可以有效降低失效率,在一定程度上提高精度。     

Multi-sensor data fusion method for water quality evaluation based on interval evidence theory

For the inevitable uncertainty and random uncertainty in the process of measuring water quality data with the sensor network,a multi-sensor data fusion method for water quality evaluation based on interval evidence theory was proposed.Considering the precision error of sensor and the abnormalities of measured data,every water quality data measured by sensor was represented by interval number.By calculating the distance between the water quality data and the features of each water quality class,the interval evidence of water quality class was acquired.According to the interval evidence combining rule,a comprehensive interval evidence was obtained by combining the interval evidence of each sensor.Finally,the water quality class was determined based on the comprehensive interval evidence by the decision rule.Experiments show that the proposed method can evaluate water quality class more accurately from the uncertain water quality data.     

基于宽窄带脉冲结合的运动估计方法

文中为机动目标提出了一种宽带和窄带脉冲相结合的雷达运动参数估计方法。该方法采用相邻脉冲互相关法(CCAE)作为宽带估计方法,采用基于牛顿迭代的最大似然估计方法(MN)作为窄带估计方法。文中提出的融合方法具有两个优点。首先,融合方法利用CCAE的速度估计值作为MN方法的初始速度。由于CCAE的速度无模糊范围较大,能有效解决MN方法的速度模糊问题。其次,由于MN方法的距离和速度的估计精度对于初始加速度不敏感,该融合方法将CCAE的加速度估计值作为MN方法的最终加速度,把MN方法的三维搜索简化成二维搜索。分析了CCAE和MN方法的估计性能,并且比较了CCAE、MN方法和融合算法的计算复杂度。仿真结果表明:提出的宽窄带融合估计方法在距离和速度上拥有与MN方法相近的估计性能,并且拥有更低的计算量。     

基于自适应对焦窗口的计算鬼成像目标深度估计方法

在计算鬼成像(Computational ghost imaging,CGI)系统中,可以通过估计重构图像的模糊程度获取目标的轴向深度。但该方法易受到背景噪声干扰,且要求像质评价函数有较长的工作距离,导致所需的采样次数较高,限制其实用性。针对这一问题,提出了一种基于自适应对焦窗口的目标深度估计方法。首先根据评价函数的整体特征划分搜索区间,然后在给定区域内对目标实际轴向深度进行迭代搜索。在迭代过程中,通过设计自适应窗口,有效减少背景区域的同时,也保证了窗口内目标的完整性。实验结果表明:该方法大幅降低了评价函数所需的必要工作距离,使其在欠采样条件下同样适用,也减小了背景噪声对评价函数的影响,增强了算法的鲁棒性,进一步完善了基于计算鬼成像系统的深度估计方法。     

基于图像后处理与人工智能的温室病虫害防治方案

病虫害综合治理(IPM)是降低在温室中有害的化学物质使用量的重点策略,IPM策略包含早期的害虫检测与后续的种群监控,IPM不仅耗时而且高度依赖人工判定,容易产生错误。提出一个基于图像处理算法与人工神经网络检测与监控温室中粉虱与蓟马的方法。首先,通过图像采集系统获得粘虫板的数字图像;然后,对于每个检测目标使用图像的目标检测、分割、形态学分析与颜色特征估算等方法进行处理;最终,通过前向多层神经网络算法将目标分类处理。本系统的粉虱识别精度高达0.96,召回率为0.95,蓟马的识别精度为0.92,召回率0.96。     

多模型融合的客服工单文本分类方法的研究与实现

电信呼叫中心客服在人工进行工单分类时存在归档耗时长、效率低、准确率难以保障的问题,但此场景下类别数量多,且类别间具有层级关联,导致传统文本分类方法准确率较低。针对此问题,提出了一种基于多模型融合的文本分类方法,根据不同层级的数据特点使用不同模型进行分类,考虑了类别的层级关联以提升准确率,并验证了此方法的有效性,可以优化客服生产系统运营流程,加快现场人工客服响应能效,提升客服热线整体运营效率,实现人工智能注智生产。     

基于改进Yolov4的服务器部件检测算法

服务器部件检测是智能产线装配过程的重要环节.目前,服务器装配的检测步骤主要还是以人工为主,针对传统人工检测存在的工作效率低、耗时长等问题,文中提出了基于Yolov4改进的深度学习模型;文中的主要创新点是在Yolov4模型中使用新的特征融合方法以及使用损失函数加权方式约束权重和偏置的更新走向,进一步提升性能的同时解决了目...     

An efficient real-time target tracking algorithm using adaptive feature fusion

Visual-based target tracking is easily influenced by multiple factors, such as background clutter, targets’ fast-moving, illumination variation, object shape change, occlusion, etc. These factors influence the tracking accuracy of a target tracking task. To address this issue, an efficient real-time target tracking method based on a low-dimension adaptive feature fusion is proposed to allow us the simultaneous implementation of the high-accuracy and real-time target tracking. First, the adaptive fusion of a histogram of oriented gradient (HOG) feature and color feature is utilized to improve the tracking accuracy. Second, a convolution dimension reduction method applies to the fusion between the HOG feature and color feature to reduce the over-fitting caused by their high-dimension fusions. Third, an average correlation energy estimation method is used to extract the relative confidence adaptive coefficients to ensure tracking accuracy. We experimentally confirm the proposed method on an OTB100 data set. Compared with nine popular target tracking algorithms, the proposed algorithm gains the highest tracking accuracy and success tracking rate. Compared with the traditional Sum of Template and Pixel-wise LEarners (STAPLE) algorithm, the proposed algorithm can obtain a higher success rate and accuracy, improving by 2.3% and 1.9%, respectively. The experimental results also demonstrate that the proposed algorithm can reach the real-time target tracking with 50+fps. The proposed method paves a more promising way for real-time target tracking tasks under a complex environment, such as appearance deformation, illumination change, motion blur, background, similarity, scale change, and occlusion.