道路条件下车辆跟踪的多目标数据关联与决策

介绍一种根据证据理论和模糊数学实现航迹与量测之间数据关联的方法．利用模糊逻辑确定量测与航迹之间的mass函数，再用证据合成规则得到信度函数阵，最后根据最大信度原理确定量测与航迹的关联关系．蒙特卡洛仿真表明该方法具有较好的关联效果，与最近邻方法相比，可提高正确关联的概率。     

基于清晰度和非下采样多聚焦图像融合

根据多聚焦图像的特点提出一种基于清晰度的NSCT图像融合算法。在清晰的区域,低频系数和高频系数全部采用清晰区域的系数,而从清晰到模糊过渡的区域,低频系数则取区域方差值最大,高频子带系数取区域能量值最大。该算法与梯度金字塔算法、小波融合算法和Contourlet融合算法进行比较,实验结果证明该方法融合后的图像与源图像具有最小均方差。     

基于小波变换与图像不变矩的遥感图象匹配研究

小波变换具有数据压缩和检测局部突变的能力,而图像空间不变矩对于平移、旋转、比例缩放、灰度对比度变化具有不变性.两者优势的结合不但可以有效减少遥感图像匹配的计算量,而且还可以减弱对于图像采集平台拍摄方位、拍摄距离、角度气象条件等的依赖性,提高算法的实用性.     

一种快速匹配算法在遥感图像中的应用

针对相关匹配法计算量大的缺点提出了一种快速匹配算法。该算法采用由粗到精的匹配策略,对匹配区域先用环形模板进行粗匹配以确定待匹配窗口,再用全模板进行精匹配以确定正确匹配窗口。将该算法用于遥感图像匹配,仿真结果表明,该算法不仅能够实现正确匹配,而且计算量只有相关匹配法的10%。     

用于弹道目标跟踪的新的非线性滤波算法

针对再入阶段弹道目标的跟踪问题,提出一种新的自适应滤波算法,即强跟踪有限差分扩展卡尔曼滤波（STFDEKF）算法,用于非线性系统的目标跟踪。该方法使用Sterling内插公式进行多项式的近似,从而实现对非线性函数的近似,避免了非线性函数的求导运算;并且算法中引入强跟踪的因子来修正先验的协方差矩阵。新算法改进了跟踪精度,扩大了应用范围,增强了滤波收敛性。仿真实验将新算法与扩展卡尔曼滤波器（EKF）、有限差分扩展卡尔曼滤波器（FDEKF）进行了比较,结果表明,STFDEKF在跟踪精度和滤波可靠性上均优于EKF和FDEKF,但其计算复杂性更大。得出结论,STFDEKF是个很有效的非线性滤波算法。     

工业过程稳态优化控制算法的鲁棒性分析

本文旨在讨论稳态优化算法最优性的鲁棒性问题。为此，对稳态优化控制算法进行了统一数学描述，利用集合间的Ｈａｕｓｄｏｒｆｆ半距离和Ｄｉｎｉ导数，引入了标志算法抗干扰性能强弱的灵敏度指标。在此基础上研究了线性模型且具有二次性能指标控制问题ＩＳＯＰＥ（系统优化与参数估计相结合）算法的鲁棒性。     

基于卡方统计量的属性约简新方法

近年来粗糙集数据分析已经成为定性数据分析的一个常用方法,而信息系统的属性约简是粗糙集理论的一个基本问题.粗糙集方法虽然不需要数据之外的其它信息,但所得结果同时也缺乏统计证据.文中运用非参数统计的思想研究了信息系统的属性约简问题,首先将原始信息系统整理成任意两个属性子集之间的列联表,然后给出了基于卡方统计量的属性相关性的一个新度量,基于此度量给出了信息系统属性约简的新方法.数值例子说明了该方法的可行性和有效性.     

一种基于视觉模型的边缘检测阈值选择策略

按照仿生学原理,通过分析人眼的阈值亮度比曲线和weber比曲线,将图像根据背景亮度 划分为低暗区、中间区和高亮区,分别采用不同的公式计算边缘阈值。仿真表明,该方法能够根据边缘所处背景亮度自适应地选择阈值,从而检测出与人的主观视觉更为一致的图像边缘。     

基于在线聚类的背景减法

假定"背景总是以较大的频率出现"的基础上,提出一种基于在线聚类的背景减法.利用在线聚类对一段时间内像素的灰度值进行分类,选择出现频率大于阈值的灰度类作为该像素的背景,这样可以较好地构建出单模态或多模态场景的背景.一旦背景被构建好,通过融合背景差分、邻域背景差分和帧间差分的信息提取前景,实现正确而完整的运动目标分割.仿真实验表明,即使在背景有微小运动的复杂环境下,算法仍能较好地构建背景,运动分割效果较好.