区域和局部信息结合的双向医学图像配准

提出了一种新的基于区域互信息和局部频率信息结合的双向图像配准测度。首先,以原参考图像为参考,计算出正向变换下图像的区域互信息和Gabor滤波后的得到局部频率 信息;同时,以输入图像为参考图像,计算出逆变换下的逆向互信息和局部频率信息。将正向与逆向变换下的互信息和局部频率信息各自相乘后求和,减去两幅图像对应的配准残 量,得到双向图像配准度量,用于对输入图像进行配准。仿真实验结果在验证分析结果的同时也表明,方法对图像噪声、分辨率等具有较高的鲁棒性,可有效提高配准的精度。     

改进的红外图像2维Otsu分割算法

针对红外图像有别于一般灰度图像的特点,常用的灰度级平均灰度级2维直方图区域划分在红外图像分割中效果不佳,为此提出一种改进的灰度级梯度2维Otsu阈值选取方法,选取合适的梯度算子,利用改进的粒子群优化算法寻找分割阈值,在算法中加入有效判断早熟停滞的方法,一旦检索到早熟迹象,便随机改变最优解的任意1维分量值,使其跳出局部最大,实现全局寻优过程的快速收敛。仿真实验结果表明,该算法由于使用新的2维直方图,分割后的红外图像边界形状准确,特征细节清晰,运算速度也得到了有效提高。     

匹配与姿态估计的粒子群优化算法

点模式匹配问题是机器视觉与模式识别领域中一个基础问题,在目标识别、医学图像配准、遥感图像匹配、姿态估计等方面都得到广泛应用。提出一种在仿射变换下利用粒子群优化算法进行图像点模式下的匹配与姿态估计的方法。算法首先把点集匹配问题转化为解空间为仿射参数空间下的目标函数优化问题,然后运用粒子群算法对相应的变换参数进行搜索,获得问题最优解。本文贡献如下：1)给出一种仿射参数的初始估计方法,提高了后续算法搜索效率;2)引入阈值和次近点规则,改进了最近点匹配搜索方法,能较好地拒绝出格点（outliers）,并提高算法有效性;3)从两方面对PSO方法进行了改进,加强了原PSO的全局和局部搜索能力。实验结果表明,算法具有有效性和鲁棒性。     

基于Gabor滤波器的棉花杂质检测算法

棉花杂质检测方法对于提高织物质量和降低生产成本具有重要意义。针对工业环境中非均匀光照条件下的棉花图像设计基于Gabor滤波器的杂质检测算法,依据Otsu法和形态学滤波将图像分割为前景区、背景区和交界区,然后在图像前景和背景区域内分别使用Gabor滤波器提取图像的纹理特征。设计一种针对Gabor滤波输出的自适应阈值分割算法,结合形态学滤波和连通域分析检测出棉花中的杂质。实验结果表明,本文算法有效地消除了由于光照条件造成的干扰,可以精确地检测出棉花中常见的各种杂质。     

一种多传感器实时误差配准算法研究

针对多传感器的系统误差配准问题,研究了系统误差时变的情况,提出了一种基于迭代扩展卡尔曼滤波(IEKF)的配准算法。该算法将目标的运动状态和传感器系统误差组合在同一状态方程中,构建扩维状态的系统动态方程,采用IEKF的方法对目标状态和系统误差进行联合估计。仿真结果表明,与采用EKF和UKF的方法相比,该算法能取得和UKF相近估计精度,并且时间效率和EKF相当。     

无线传感器网络中目标跟踪的马尔可夫模型与预测方法

针对目标运动是一个包含许多不确定因素的非线性非高斯随机过程,提出基于马尔可夫随机场模型与粒子滤波的WSN分布式目标跟踪方法(MRF-PF)。把目标跟踪过程看作是一个马尔可夫过程,基于贝叶斯规则,建立目标状态分布函数,用粒子滤波估计目标状态,实现目标跟踪。实验结果:对于泊松白噪声,MRF-PF方法的跟踪均方根误差RMSE相比卡尔曼滤波(KF)和扩展卡尔曼滤波(EKF)方法分别降低52.6%、49.2%;对于方差σ2由0.3→3的高斯噪声,GM-PF方法的RMSE相比KF、EKF分别降低54.5%～77.2%和23.5%～54.2%。这表明MRF-PF方法在非线性非高斯噪声或高斯噪声变化较大时具有较好的抗噪能力及跟踪性能。     

基于粒子滤波的TOA/TDOA融合算法研究

针对信号临界区域由于信号强度减弱导致的定位精度下降问题,利用一种传感器检测概率模型把收集到所有的TOA与TDOA量测信息通过似然度计算融合起来,在贝叶斯框架下建立一种非线性目标基于粒子滤波器的量测信息融合算法对目标进行定位估计,从而提高目标在临界区域的定位精度。仿真结果表明,在低信噪比下,融合两种观测手段的定位精度改善明显。     

用于视觉传感器的有理系数小波滤波器的设计

有理系数小波滤波器的设计可以通过降低小波函数消失矩阶数来实现,但设计方程中出现的自由变量的取值需要在一定的范围之内,因为需要满足Daubechies紧支集条件。归纳总结了有理系数小波滤波器的设计过程,并以长度为4的有理系数小波滤波器设计为例,对如何确定设计方程中自由变量的取值范围进行了讨论,以得到适用于视觉传感器图像处理算法硬件实现的有理系数小波滤波器。     

非线性自适应滤波在磁致伸缩导波传感器信号处理中的应用

针对传统滤波算法对磁致伸缩导波传感器信号滤波,存在降噪效果不理想、滤波后信号失真等问题,提出一种基于小波分解的非线性自适应滤波算法。在利用小波分解提取参考噪声的基础上,将神经网络和粒子群优化算法引入传统自适应滤波中,实现了对信号的非线性自适应滤波。以纵向导波磁致伸缩传感器对钢杆的检测信号为例,应用该算法进行滤波处理,结果表明:这种算法能够有效滤除检测信号中的噪声,具有滤波后信号信噪比高、信号不失真、容易实现实时处理等优点,可以实际应用在磁致伸缩导波传感器信号处理中。     

视频目标跟踪中的提升分类算法

针对目标跟踪过程中各类图像特征分离背景和目标能力的动态变化,提出一种基于协同训练框架的在线提升分类特征选择算法.该算法采用两组特征描述目标与背景区域各像素,并分别训练一在线提升分类器对特征组进行选择,然后综合分类结果,得到最优似然图像,基于该似然图像,采用粒子滤波对目标进行琅踪并通过图像处理方法获得最佳前景分割图.该方法的主要优点是仅需对首帧图像进行训练,并在跟踪过程中通过协同训练在线更新提升分类器.同时,实验表明该算法运算速度快,并能适应环境光照变化、遮挡等恶劣条件.