红外与激光主/被动联合跟踪算法

针对单站红外被动式跟踪存在不可观测性问题，提出红外与激光主／被动单目标联合跟踪方法。该方法首先针对三维空间任意机动目标的跟踪问题，将参考文献[1]给出的一维机动目标“当前”统计模型推广到三维情况，得到三维情况下跟踪任意机动目标的状态方程和跟踪系统的非线性量测方程。然后对红外探测器测量的角度信息和激光测得的距离信息进行融合，得到正确的测量值。最后提出扩展的自适应卡尔曼滤波算法并进行了仿真研究。仿真表明；方案可行，可同时对目标三个空间坐标轴的位置、速度、加速度进行估计。     

基于短程线主动轮廓线的图像多目标面积同时测量研究

提出了一种新颖的图像多目标面积的同时测量方法,它可以同时精确测量多个不同形状的图像目标面积。该方法应用了短程线主动轮廓线模型,它分为2个步骤。它首先利用水平集函数的迭代使主动轮廓线由初始位置向各个目标的轮廓边缘收敛。其次,对于收敛后的主动轮廓线,使用亚像素面积测量和计数图像目标内部像素个数,从而同时求出各个图像目标面积。实验表明该方法的测量重复性误差小于0.5% 。和传统的面积测量方法比较,这种方法具有测量效率高（同时测量多目标面积）和测量精度高的优点。     

引入自动驾驶仪时空中交通防撞系统的仿真

空中交通防撞的主要功能是对本机和入侵目标机位置的预测以及在预测后对冲突的处理。在防撞过程中,入侵飞机的轨迹突然发生比较大的机动,则原有的防撞策略失效。2009年欧洲航空安全局认证通过了自动驾驶仪在避撞时与防撞系统耦合的方法,使问题得到了一定的解决。对避撞系统加入自动驾驶仪的方法进行了研究建模,并且对解决的情况进行了仿真,为民航空中交通避撞提出了一种新的思路。     

数据初始互联的自适应有限记忆法

本文针对高杂波密集环境下边跟边扫雷达实时警戒系统中的数据初始互联问题,提出了一种新的自适应有限记忆法.该方法利用雷达的检测概率和接收机的虚警率,结合所记忆的有限个周期的点迹教估计出可能起始航迹的数目;然后,通过自适应地调整互联相关域的大小及正规化残差平方和阀值,保留可能性较大的量测序列,抑制假航迹.算法分析和仿真结果表明,将雷达的动态检测信息和有限周期的量测相结合,能较好地解决实时系统中的数据初始互联问题.     

MODIS多光谱图像压缩研究

为有效存储MODIS多光谱图像数据,该文提出一种基于谱间预测和整数小波变换的多光谱图像压缩算法.首先通过构造谱间最优预测器去除谱间冗余,再利用整数小波变换和SPIHT算法对预测误差图像去除空间冗余,最后进行自适应算术编码.该方法可实现MODIS多光谱图像的无损、近无损和有损压缩,取得了满意的实验结果;在不同小波基条件下与3D-SPIHT算法比较,表明了该方法的有效性.     

基于决策级的多源人脸融合识别

仅依赖于可见光谱进行人脸识别,在实际应用中存在很多问题。目前的研究表明,红外人脸识别也可以作为一种很好的生物鉴定技术。但是,红外图像也有自己的缺陷,其中眼镜的存在对识别的影响很大。文章提出了一种对可见光和红外人脸进行融合识别的方法。首先用PCA提取人脸主分量,计算测试样本与各类的欧氏距离,并通过构造的转换函数获得子决策;然后在决策级用D-S证据理论对子决策进行融合,得到最优决策。实验结果表明,该方法有效地提高了识别率。     

红外序列图像中缓动点目标的投影检测算法及其改进

应用形态学滤波算法获得红外图像的背景，利用局域窗口估计的噪声均值和方差对噪声进行归一化，将归一化图像在时域上构成组合帧，然后在组合帧内对目标进行统计检测，分析得到了目标及噪声在组合帧中的统计分布。针对噪声和目标幅值的不同分布特性，进一步对投影算法进行了改进，提高了投影算法的信噪比。实际红外图像仿真表明，该算法可以成功检测信噪比为2的目标。     

一种基于目标区域的图像融合新方法

提出了一种基于目标区域的融合方法.将原图像分为目标区域和背景区域,在利用àtrous小波算法分解图像的基础上,分别对目标区域、背景区域以及两区域间的边界部分进行不同的融合处理得到融合后小波系数,最后经过小波逆变换得到融合图像.实验结果表明该方法可获得较理想的融合图像,其融合结果优于基于像素和基于窗口的融合方法.     

多分辨率图像融合的研究与发展

本文系统综述了多分辨率图像融合算法的发展历程和理论研究.首先论述了多分辨率图像融合算法的基本原理及发展状况;然后给出了多分辨率图像融合中的几种典型算法,并做了较详细的分析与讨论;最后对多分辨率图像融合存在的问题及其发展做了探讨.     

多传感器目标检测跟踪与分类算法

在目标准确检测优化的研究中,单传感器联合检测、跟踪和分类算法是一种新型算法,可以同时对目标进行检测、状态估计和类别判断.然而上述算法估计目标数目、状态与类别性能较差.采用多传感器方法对目标进行观测,可以显著提高目标检测、跟踪与分类效果.提出基于粒子概率假设密度(PFPHD)滤波器的多传感器联合检测、跟踪和分类算法.首先通过对各传感器信号进行建模,提取目标的属性量测,然后引入目标的属性信息对目标状态空间进行重新建模,从而得到目标综合状态,最后利用多个传感器的量测对综合状态进行序贯处理.仿真结果表明,与单传感器联合算法相比,上述算法能够更准确判断多目标类别,目标数目估计精度和跟踪精度均提高20％以上,验证了算法的有效性和可行性.