基于小波分析的雷达/红外模糊自适应融合算法

在多传感器融合算法的基础上,提出一种基于小波分析的雷达/红外模糊自适应融合算法。因为小波分析对测量数据具有多分辨率分析的去噪能力,将小波分析与模糊自适应卡尔曼滤波器相结合构成一个多分辨率跟踪滤波器,该算法可以对来自主动雷达和红外成像传感器的信息加以充分利用,选择适合的小波函数对测量数据进行过滤优化,把干扰负荷转移到小波分析上,在改善跟踪性能的同时又具有很强的处理非平稳信号的能力,而且又保证了该融合算法简单、实用的特点。仿真结果表明,提出的融合算法有很好的跟踪精度,通过对比表明该算法优于传统的多传感器融合算法。     

基于时间窗口和自适应加权的能源互联网数据融合方法

为提高能源互联网环境下多源数据融合的精度和抗干扰能力,针对多传感器系统进行数据采集和监测时易受众多客观因素影响的问题,提出基于时间窗口和自适应加权的数据融合方法。采用支持度函数构造传感器支持度矩阵,检验测量数据之间的关联和支持程度;通过深度挖掘时间窗口中的蕴含信息,实行时间窗口蕴含值退出机制,有效剔除测量偏差较大的传感器;在此基础上,利用自适应加权因子排除前期测量差异和强干扰对系统一致性测度的影响,使测量精度和系统的稳定性进一步得到保证。案例分析结果表明,与传统的融合方法相比,该方法具有较好的融合效果,所构建的模型可为多源数据融合方法的评价机制提供一种新的视角。     

推广的多传感器数据融合算法

本文对工程实际中多传感器系统线性化后存在未知的系统误差，测量噪声具有指数衰减相关，且与状态噪声相关的问题，提出了推广的多传感器数据的分层融合算法和多传感器自适应数据融合算法，给出了计算流程图，可以对目标的状态进行实时估计，这两种算法对防空导弹体系制导雷达组网数据融合具有理论意义与实用价值。     

基于支持向量机的信息融合诊断方法

提出了一种采用小波变换进行特征提取、支持向量机进行模式分类的多传感器信息融合诊断方法。该方法首先对多传感器的信息进行加权初级融合,接着利用小波变换的时频局部特性和多尺度、多分辨特性对传感器测量信号进行特征提取,最后利用支持向量机进行分类实现信息的特征级融合和分类。将其应用于某转子实验台的故障诊断中,取得了令人满意的结果。     

一种多传感器数据时空融合估计算法

当采用分布在不同空间位置上的多传感器观测值对测量噪声干扰下的参数进行融合估计时,数据融合存在时间性与空间性。为了提高测量精度,基于参数估计理论,提出一种多传感器数据时空融合算法。该算法将数据融合分解为两次估计,第一次是基于时间的递推融合估计,第二次是基于空间的自适应加权融合估计。该算法不要求知道测量数据的任何先验概率分布知识,编程简单,计算量小。计算机仿真表明,该算法在减少测量误差方面优于目前已有的基于时间或基于空间的多传感器数据融合算法。     

基于四通道不可分提升小波的多聚焦图像融合

张量积小波及其提升小波只强调图像的水平方向和垂直方向的边缘,造成其在应用于多聚焦图像融合时结果图像的空间分辨率不高;而二维四通道不可分小波对图像进行融合时虽有较高的空间分辨率,但由于对图像进行分解和重构时采用了卷积运算,使得融合方法的运算量增大。针对上述问题,把二维四通道不可分小波滤波器组进行提升分解,并提出了一种基于此提升分解方案的多聚焦图像融合方法。首先,对二维四通道不可分小波滤波器组的多相位矩阵进行提升分解,并利用所得提升方案对源图像进行分解;其次,对分解后的低频子图像和高频子图像分别进行融合,得到融合金字塔;最后,做二维提升小波逆变换,得到融合后图像。利用熵、平均梯度和清晰度等客观指标对融合结果进行评价。实验结果显示,所建议提升小波融合方法比张量积小波和张量积提升小波融合方法及轮廓波融合方法有较高的清晰度,比提升之前的二维四通道不可分小波融合方法速度有了较大提升。     

一种基于多传感器数据融合的目标跟踪算法

论述了目标跟踪的原理和数据融合技术,为了解决移动机器人系统中的传感器存在大量不确定性问题,提出了一种交叉传感器交叉特征(CSCM)数据融合算法,这种算法基于粒子滤波技术,融合多个传感器的信息,合并不同的状态空间模型,以此减弱系统和测量噪声,来估计移动机器人的位置和角度.在仿真实验中,我们分别比较了单一传感器和多传感器数据融合的不同情况,结果表明了这种算法的有效性,并展现了良好的跟踪性能.     

多分辨数据融合技术

本文研究了多分辨数据融合算法，设计了双正交小波及对应的ＦＩＲ滤波器。在多分辨数据融合算法中，利用小波变换连接不同分辨率的数据，以便充分利用多分辨率数据中的互补信息。仿真结果表明，多分辨数据融合算法优于传统的数据融合算法。     

基于多传感器的雷达对抗侦察数据融合算法

为提升复杂电磁环境下雷达对抗侦察系统的可靠性及抗干扰能力, 提出了一种基于多传感器融合的综合权值估计算法。首先由各传感器对原始数据进行分批估计得到局部期望及方差, 然后利用四分位离散度剔除异常数据, 接着针对局部估计结果通过测度算子以及自适应融合估计算法分别确定各传感器权重, 最后利用综合权重进行加权得到融合结果。仿真结果表明, 所提算法在不同情况下均能得到较高的融合精度, 较现有算法具有更好的适应能力及准确性。     

基于多分辨率统计能级的SAR图像点目标检测

针对合成孔径雷达(syntheticapertureradar,SAR)图像点目标检测的困难,基于各层小波系数分布的统计特征,提出了一种在多分辨率统计能级上区分目标与杂波背景的方法。在非正交小波变换的基础上,定义各点的层间随机过程,进行各分辨率下的信息相关后,通过能量函数构造能量图像,并在能量图像上自适应地搜索合适的目标尺度窗口实现检测。实验结果表明,该方法适用于不同的杂波背景,能有效检测潜在的点目标,并在一定程度上保持了目标的形状。     

Multisensor image fusion algorithm using nonseparable wavelet frame transform

1.INTRODUCTION Withtherapidimprovementofsensortechnology,numerousmultisensordata,whichoftencontaincom plementaryandredundantinformationaboutthere gionsurveyed,areobtainedinmanyfieldssuchasre motesensing,medicalimaging,machinevisionand militaryapplications.Sensorfusionisincreasinglybe comingapromisingresearcharea.Itcanbedivided intosignal,pixel,feature,andsymbollevels.The papermainlyaddressestheproblemofpixellevelim agefusion.Throughcombiningregisteredimages generatedbydifferentimagingsyst…     

小波域多聚焦图像融合算法

研究了小波域多聚焦图像融合方法中滤波器、分解层数、融合规则的选取问题,提出一种基于小波变换的简单融合规则。利用小波变换将图像分解成最低频逼近和不同尺度、不同方向的高频细节信息,最低频逼近反映图像的平均信息,细节包含图像的边缘。根据多聚焦图像中细节信息互补的特点,对多个待融合图像简单地取模值较大的小波系数,得到了很好的融合图像。详细讨论了不同的小波滤波器、分解深度、融合算子对融合结果的影响。对小波域图像融合算法与其它一些多分辨图像融合算法:如Laplace塔、比率塔、对比度塔、梯度塔等进行比较,得到了一些定性结论,对该领域的研究和实验有一定的指导意义。     

6通道MSVD构造及其在多聚焦图像融合中的应用

针对经典的奇异值分解(singular value decomposition, SVD)在图像处理中的不足,提出了一种6通道多尺度奇异值分解(multi-scale SVD, MSVD)的构造方法,并将其应用于多聚焦图像融合中。首先,在经典SVD的基础上,利用矩阵分块的方法,给出了一种6通道MSVD的构造方法。其次,对参加融合的多聚焦图像进行6通道MSVD分解,得到高层低频和各层5个方向的高频,对分解的低频子图像采用取平均、高频子图像采用区域能量取大的融合规则进行融合,并进行MSVD逆变换得到融合结果图像。最后,对融合结果图像进行主观分析和客观评价。实验结果表明该方法有好的视觉效果,融合结果图像有较高的清晰度和较丰富的边缘细节信息,且没有方块效应。从客观指标看,该方法有较高的清晰度和空间频率,其清晰度和空间频率比基于离散小波变换、基于提升小波变换、基于曲波变换和基于轮廓波变换的融合方法都高。     

一种新的基于小波变换的图像融合方法

提出了一种新的基于小波变换的多光谱与高分辨率图像融合方法。该方法通过强度因子有效地将高分辨率图像经小波分解的低频分量信息融合到多光谱图像经小波分解的低频分量中去 ,使得经过小波反变换的融合图像较大程度地保留了多光谱图像的光谱信息和高分辨率图像的空间分辨率。给出了该方法的融合结果 ,并与小波变换法 (WT方法 )进行了比较 ,证明了该图像融合方法的正确性和有效性     

基于提升静态小波变换的自适应消噪方法

基于离散小波变换的自适应消噪方法为雷达信号的滤波提供了一种可行的方法.但DWT不具有平移不变性,若不用相同的小波对滤波后的信号进行重构,则会带来较大的重构误差.针对这一现象,提出了基于提升静态小波变换的自适应消噪方法,它首先根据DWT的提升方法,得到SWT的提升和对偶提升实现方法,然后通过SWT的提升方法将信号分解为多个子带,利用引入更多动量因子的权系数的迭代公式进行自适应匹配.并对匹配结果二次自适应,得到拟合的原信号.仿真结果表明,该方法可在计算量增加不大的前提下,进一步改善系统的滤波性能.     

基于小波提升和形态学的图像边缘检测方法

提出了一种基于小波提升和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法对不同分解层上的高频子图像进行边缘检测,采用一定的融合规则将这两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波提升法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波提升法。     

四元数小波变换联合稀疏表示的图像融合

基于四元数小波变换和稀疏表示理论,提出了一种图像融合方法,该方法弥补了传统的多尺度理论分析和稀疏表示理论在融合过程中的不足。所提方法分为3步:首先,利用四元数小波变换分解所给的源图像,得到各个尺度下的高通子带和低通子带;其次,对高通子带选用系数绝对值最大和低通子带采用稀疏表示的规则进行融合，获得融合系数；最后,对融合系数进行四元数小波逆变换得到融合图像。此外,对所提融合方法进行了理论分析。在数值实验中用6组测试图像测试所提方法性能,并将融合结果与稀疏表示、离散小波变换、对偶数复小波变换、四元数小波变换等融合方法所得结果进行了主观与客观的比较。实验结果表明,该方法是十分有效的。     

Region-based multisensor image fusion method

1 .INTRODUCTIONI mage fusion can be defined as the process by whichseveral i mages , or some of their feature , are com-binedtogether to formdifferent modalities or instru-ments. It is of great i mportance in many applica-tions ,such as object detection, ATR(automatic tar-get recognition) , remote sensing, computer visionand robotics .There are various techniques for i mage fusion.The selection of the appropriate one depends stronglyon the type of application. Asi mple approach for fu-si…     

基于非采样contourlet变换的多光谱和全色图像自适应融合算法

光谱保持和高分辨率保留是影像融合的两个重要问题。提出了一种自适应的基于非采样contourlet变换的多光谱和全色图像的融合方法。该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行非采样轮廓波变换(NSCT),然后对分解得到的近似分量以及各层金字塔各方向的细节分量利用本文提出的自适应基于局部特征的融合准则进行影像融合,通过非采样contourlet逆变换得到新的I分量,最后与H,S分量一起还原到RGB空间,得到融合后的高分辨率多光谱彩色图像。采用一组多光谱图像和全色图像数据进行融合实验,利用均值、标准差、熵、光谱扭曲度和相关系数5个重要评价指标对融合效果进行数理分析。实验融合图像的目视效果和统计指标均优于传统的IHS融和方法、小波融合方法以及contourlet变换方法。