改进的ROA算法在SAR图像边缘检测中的应用

为解决传统均值比(ratio of average,ROA)算子检测SAR(synthetic aperture radar,SAR)图像边缘时出现的受噪声影响大和边缘定位精度低等问题,结合平稳小波变换的优点,提出一种平稳小波去噪和改进ROA算法的SAR图像边缘检测方法。首先,利用平稳小波进行去噪预处理,减少相干斑噪声。然后,通过把传统ROA算子的4个检测方向增加为8个,以及利用非极值抑制进行边缘定位,在检测方向和定位精度两个方面改进ROA算法。实验结果表明,该方法的去噪性能和边缘检测效果较好。研究结论对传统ROA算法做了改进,使其更好地适用于SAR图像边缘检测。     

基于改进数学形态学的含噪图像边缘检测

针对传统的边缘检测算法对含噪图像的检测效果不理想,提出一种改进的数学形态学边缘检测算法。该算法首先采用多尺度双结构元素形态学进行滤波去噪,再利用改进的多尺度多结构元素形态学边缘检测算子进行图像边缘提取。实验表明,该算法具有很强的噪声抑制能力,对含噪图像的边缘检测效果良好,提取的边缘清晰且平滑,边缘定位精度高。     

SAR图像小波域消噪方法

目的 介绍小波域SAR图像消噪算法，并且提出一个小波域内利用多重分形参数修正的雷达图像消噪算法。方法 在系统分析SAR图像与小波之间联系的基础上，通过实验表明SAR图像中原始信号与噪声的多重分形参数不同，采用小波域内对多重分形谱相关的Hoelder指数修正方法进行SAR图像消噪。结果 该算法可以在保留信号边缘、纹理等奇异性情况下，消除斑点噪声。结论 小波进行SAR图像消噪具有独特的优势，随着如分形理论的各种非线性理论的引入，对于具有非线性特征的SAR图像斑点消噪研究将取得更好的效果。     

基于NSCT的含噪图像边缘检测算法

为提高含噪图像的边缘提取性能,本文提出基于NSCT的含噪图像边缘检测算法。该算法先利用硬阈值方法去除各子带中的噪声信息,然后对得到的高频图像进行自适应阈值法处理得到高频边缘信息,利用对低频图像提取的低频边缘图像对高频边缘图像进行补偿,得到最终的边缘图像。实验结果表明提出算法在不同噪声密度下均能获得良好的边缘检测效果,验证了提出方法的有效性和优越性。     

基于数学形态学的图像边缘检测

讨论了图像数学形态学的基本原理及形态学在灰度图像边缘检测中的应用，并成功构造了一种新型形态边缘检测算法，该算法具有较好的抗噪和边缘提取能力．对一幅加有椒盐噪声的灰度图像的仿真试验结果表明，该方法比传统的基于模板的图像边缘检测算法和形态学常用边缘检测算法具有更好的图像边缘提取效果．     

子孔径相关算法研究

目的为了选用快速高效的自聚焦算法对机载SAR数据进行聚焦处理。方法针对子孔径相关算法（Map-Drift，简称：MD），利用中国科学院电子研究所机载L波段合成孔径雷达（SAR）的实际数据，进行了算法的可行性分析和试验研究。结果给出了精确度和地形适应性较好的点目标仿真和实际SAR图像。结论这种算法能有效地消除相位误差对成像的影响，精确度高，适于SAR图像处理。     

基于小波变换的模极大值图像边缘检测算法

将小波分析技术运用到图像边缘检测中以勾勒图像轮廓，提出了基于小波变换的模极大值边缘检测算法．利用二次B样条小波和Mallat算法对图像进行了边缘检测．仿真结果表明：该方法去噪效果好，能提取图像中较弱的边缘，且边缘具有很强的连续性，明显优于传统的边缘检测算子．     

一种新的边缘保持自适应平滑算法

在图像去噪时,存在着一个如何兼顾降低噪声和保留细节的难题,为此本文提出边缘保持自适应平滑算法——灰度最小方差区域的均值去噪.该算法提高了图像平滑过程中边缘检测的方向性,在9个方向上对边缘细节进行检测类聚,具有较强的方向性和自适应性.利用该算法进行仿真试验,结果表明,与已有的去噪算法相比较,该算法较好地解决了边缘信息保持和去噪的矛盾,去噪效果也明显增强.     

基于NSCT变换与自蛇扩散的SAR图像相干斑抑制算法

针对SAR图像中乘性相干斑噪声的抑制与边缘保护问题,提出了一种基于非下采样轮廓波变换(NSCT)与自蛇扩散的抑斑新算法。该算法先利用NSCT变换对SAR图像进行多层子带分解,然后借助自蛇扩散对SAR图像不同子带分别实施参数不同的扩散滤波,最后对各去噪子带进行NSCT重构获得的SAR图像再次进行自蛇扩散滤波处理,从而实现带有边缘保护与增强的SAR图像相干斑抑制。实验表明,与多种传统抑斑算法相比,本文算法在相干斑抑制与边缘保护性能上均有明显提升。     

基于非下采样轮廓波变换与自蛇扩散的合成孔径雷达图像相干斑抑制算法

针对合成孔径雷达(synthetic aperture radar,SAR)图像中乘性相干斑噪声的抑制与边缘保护问题,提出了一种基于非下采样轮廓波变换(NSCT)与自蛇扩散的抑斑新算法;该算法先利用NSCT变换对SAR图像进行多层子带分解;然后借助自蛇扩散对SAR图像不同子带分别实施参数不同的扩散滤波;最后对各去噪子带进行NSCT重构获得的SAR图像再次进行自蛇扩散滤波处理,从而实现带有边缘保护与增强的SAR图像相干斑抑制。实验表明,与多种传统抑斑算法相比,本文算法在相干斑抑制与边缘保护性能上均有明显提升。     

D-S证据推理及算法实现

D-S证据理论在多源信息数据融合领域得到广泛应用,针对该理论的实现算法也逐渐为人关注。本文首先简要分析了D-S证据推理的基本理论,然后以一具体示例描述了D-S算法的推理过程,最后基于微软最新推出的.NET平台,利用C#编程语言实现了D-S证据推理算法。     

D-S证据理论在组合导航中的决策判断

在组合导航融合算法中引入证据理论对导航信息进行决策应用,推导出2个传感器信息融合后的结论,并且通过仿真实验得出计算结果。证据理论判断公式在处理具有证据冲突的相关信息时引入不确定熵的概念。证据理论算法通过不确定熵在加权合成算法和乘权合成算法之间作适度的折中判断。这种改进的证据理论方法可以分析组合导航信息融合算法中存在的问题,并给出最后的决策执行命令。     

Data Fusion Algorithm Based on Fuzzy Sets and D-S Theory of Evidence

In cyber-physical systems, multidimensional data fusion is an important method to achieve comprehensive evaluation decisions and reduce data redundancy. In this paper, a data fusion algorithm based on fuzzy set theory and Dempster-Shafer(D-S) evidence theory is proposed to overcome the shortcomings of the existing decision-layer multidimensional data fusion algorithms. The basic probability distribution of evidence is determined based on fuzzy set theory and attribute weights, and the data fusion of attribute evidence is combined with the credibility of sensor nodes in a cyber-physical systems network. Experimental analysis shows that the proposed method has obvious advantages in the degree of the differentiation of the results.     

GA-BP网络与D-S证据相结合的多传感器信息融合

针对反向传播(back propagation,BP)网络与D-S(dempster-shafer)证据理论各自在处理不确定性信息方面的不足,提出了一种遗传算法(genetic algorithms,GA)优化的BP网络与D-S证据相结合的多传感器信息融合方法。一方面利用GA-BP网络获取D-S证据理论所需的基本概率赋值,另一方面通过D-S证据理论对GA-BP网络的输出进行融合。将此方法应用于高压电器设备故障诊断,仿真结果表明,该方法能克服传统BP网络易陷入局部最优问题,同时具有更好的识别结果。     

基于D-S证据理论的说话人识别方法

提出一种新的说话人识别方法,即将D-S证据理论应用于说话人识别中。该方法通过抽取说话人特征,用D-S证据理论对语音特征矢量的各个分量进行数据融合,重新分配基本概率赋值,并依此得出证据可信度,从而达到识别说话人身份的目的。仿真实验证明使用D-S证据理论对说话人的识别比使用矢量量化有更好的识别效果。     

基于D-S证据理论的多传感器多特征目标识别

 传统多传感器环境下的目标识别方法主要有两种：利用多传感器获得的数据进行数据融合、利用每个传感器信号的特征向量进行特征融合。但这两种方法均存在目标识别精度不高的问题。针对这一问题,本文提出了一种基于D-S 证据理论两次组合规则的融合方法。该方法在提出多传感器目标识别系统模型的基础上,运用D-S 证据理论对单传感器的多特征信息进行数据融合;根据传感器接收信号信噪比来确定传感器可信度,将该可信度作为D-S 证据理论组合规则中的证据权值,以此来完成目标识别。本文提出的方法综合考虑了传感器的多特征信息和传感器的可信度,克服了传统的D-S 证据理论对证据冲突处理能力有限的缺陷。实验结果表明,该方法具有较高的正确性和有效性,提高了目标识别的精度。     

基于专家信任度的弹道导弹目标识别方法

为了改进弹道导弹目标识别过程中多传感器系统传输数据容易产生冲突,以及现有D-S改进算法对冲突证据与不冲突证据难以统一融合的问题,提出了基于专家信任度的弹道导弹目标识别算法,并给出了基于专家信任度的弹道导弹目标识别系统模型和专家知识库模型。新算法将收集到的证据分为冲突证据和不冲突证据,冲突证据集采用专家评判系统进行评判,不冲突证据采用传统D-S理论进行融合,然后将两者得到的结果进行再融合,得到决策结果。实例分析表明,与现有方法相比,新方法不仅能够在证据一致性很好时具有很高的精度,而且当证据高度冲突时也具有很好的融合效果。     

基于D-S证据理论的多源遥感图像目标数据联合关联算法

以遥感图像目标识别结果为主,结合卡尔曼滤波器获得的目标运动状态估计结果,提出一种基于D-S证据理论的目标数据联合关联算法.蒙特卡罗模拟实验结果表明,该方法稳定性较强,适合于对海上船舶等遥感图像目标的持续跟踪.     

基于D-S证据理论的模糊聚类图像融合分割

针对模糊聚类图像分割算法的固有缺点,提出了一种基于D-S证据理论的模糊聚类图像融合分割算法。对图像的点灰度特征和块灰度特征分别进行模糊C均值聚类,并将各自的模糊隶属度转化为单一或复合假设及其基本概率赋值,再利用D-S证据理论进行融合分割。实验结果表明该算法的分割效果优于传统的模糊聚类分割算法。