加速度滞后补偿与模糊自适应PI相结合的伺服控制算法

提出了一种加速度滞后补偿与模糊自适应PI 相结合的伺服控制算法。这种算法利用模糊规则制定相应的PI 控制参数, 针对大机动运动目标的特性, 采用加速度滞后补偿方法, 两种算法的有效结合提高了伺服系统的跟踪精度以及动态响应能力。该算法运算量小, 实时性好, 可在硬件上实现。实验表明, 此算法对最高速度为30◦/s、最高加速度为10◦/s2 的运动目标可以实现快速地捕获以及稳定地跟踪, 跟踪精度均方值为13.8′′。     

基于联合相机路径的红外视频稳像算法

针对由于视差变化而导致的红外视频稳像技术难题,文中提出了一种基于联合相机路径的红外视频稳像算法,该算法主要包括:预处理、联合相机路径求解、多路径优化、运动补偿四个步骤。首先,要对红外图像进行直方图均衡化、特征点提取和匹配处理、预映射。接着,要将每帧图像分为m×n个网格单元,利用基于网格的映射运动表征,将每一帧中对应网格得到的局部单应性矩阵进行相乘得到联合相机路径。然后,对联合相机路径采用“多路径优化”策略进行平滑处理。最后,利用平滑后路径进行运动补偿稳定视频。实验结果表明,该方法能有效地处理由于视差而引起的非线性运动,相比传统的稳像算法效果更好,当特征点存在部分遮挡时,也能取得不错的稳像效果。     

基于核聚类方法的多层次支持向量机分类树

针对解决多类模式识别问题的SVM方法进行研究,在比较常用的几种多类SVM分类算法基础上,提出了一种基于核聚类方法的多层次SVM分类树,将核空间中的无监督学习方法和有监督学习方法结合起来,实现了一种结构更加简洁清晰、计算效率更高的多层SVM分类树算法,并在实验中取得了良好的结果。     

具有记忆跟踪功能的质心跟踪算法

针对质心跟踪算法对目标跟踪时容易出现目标丢失的问题,提出了目标置信度函数,通过对目标的位置、面积、灰度和形状综合判断目标是否被遮挡,如被遮挡则对目标的位置进行预测,直至目标重新出现,使算法具有记忆跟踪的功能。改进算法基本不受目标大小、旋转变化的影响,跟踪算法的稳定性和可靠性得到提高。实验结果也表明,改进算法较好地克服了原跟踪算法易丢失目标的问题,扩展了质心跟踪算法的适应范围。     

一种新的图像特征提取算法

提出了一种全新的提取图像特征的算法,该算法将传统的通过小波变换等各种频域变换提取图像特征的算法与图像的几何特征的提取结合在一起,克服了传统的通过各种频域变换提取图像特征时对形状特征难以充分描述的不足,提取的特征向量的维数相对不高,便于实现.实验表明,该算法通过提取的特征向量能很好地重构原图,对原图像的纹理特征和几何特征都有较好的表述.将该算法应用于图像的检测,采用SVM分类算法,具有良好的抗噪性和较高的识别率,并且具有良好的扩展性.     

基于核聚类方法的多层次支持向量机分类树

针对解决多类模式识别问题的SVM方法进行研究。在比较几种常用的多类SVM分类算法的基础上，提出一种基于核聚类方法的多层次SVM分类树，将核空问中的无监督学习方法和有监督学习方法结合起来，实现了一种结构更加简洁清晰、计算效率更高的多层SVM分类树算法，并在实验中取得了良好的结果．     

采用尺度空间特征点匹配的红外目标跟踪

针对红外图像信噪比低,对比度不高,目标跟踪困难等复杂情况,提出了一种基于尺度空间特征点匹配的红外目标跟踪算法.设计出一种基于尺度因子变化的高斯卷积模板尺寸自适应调整以及连续帧目标区域双向配准的办法,前帧目标区域特征点匹配出后续帧目标区域特征点,以后者特征点集质心坐标去建立目标跟踪搜索窗,完成在视觉效果差的背景下的红外目...     

一种基于图像分割的海天线提取算法

针对红外图像中海天线的特点,提出一种基于图像分割的海天线提取方法.首先通过模板运算对图像进行预处理,以增强海天区域的图像梯度值,然后在竖直方向对图像进行分割,以定位局部海天线,最后用直线拟合法找出海天线位置.实验结果表明,该方法可以快速有效地检测出海天线位置,易于工程应用.     

基于ADSP-TS201的高速红外跟踪系统设计

介绍了ADI公司的ADSP-TS201 DSP.设计了基于DSP+FPGA红外跟踪软硬件系统,给出了系统的硬件原理,详细介绍了系统的软件设计.实验证明,本设计可满足面阵高速红外跟踪系统的实时性要求.     

一种新的图像识别算法

提出了一种图像的识别算法,首先对图像进行Gabor小波变换,为了解决图像中的平移、旋转、尺度不变性,以及局部遮挡问题,对滤波结果计算其4个不变矩作为反映整体形状特征的特征向量,再对提取的特征向量利用SVM算法进行图像检测,检测结果表明该算法具有较好的抗噪性并能解决目标检测中的遮挡问题.最后利用弹性网格的方法对其进行识别.文中的检测和识别结果表明,多通道的Gabor滤波器对于纹理图像的特征描述比较充分,该识别算法有比较理想的鲁棒性和容错性,能得到较好的识别结果.