基于贝叶斯分类器的实时图像目标识别实验研究简

基于对不完全朴素贝叶斯分类器的分析,提出一种离线训练在线识别的目标图像识别与跟踪实验方法.实验将模板图像与目标实时图像之间的特征匹配问题转换为特征分类问题,并在成像自寻的导引系统上运行.实验结果表明,该方法在保持很高鲁棒性的同时,大幅减少在线目标识别的计算量,具有较强的实时性.     

基于超像素融合算法的显著区域检测

针对目前流行的显著性检测算法不能精确反映显著性信息的问题,提出一种基于超像素融合方法的显著性检测算法. 首先对图像进行超像素分割,在保证高质量的图像目标边缘信息前提下,建立以超像素为节点的图模型;然后计算超像素邻接矩阵,将该图模型转化为最小生成树模型. 通过OTSU算法自适应地确定最佳阈值,根据该阈值将最小生成树模型的部分节点进行融合,获得大超像素分割区域;最后利用大超像素的颜色和相互距离信息,获得高质量的显著性图. 实验结果表明,相对于其他检测方法,该算法可以更有效地检测出图像中的显著目标,并能达到接近分割的效果.      

捷联惯导系统快速初始对准的多级组合滤波实现

捷联惯导系统初始对准中利用卡尔曼滤波器进行状态估计时,其数学平台的东向和北向水平失准角估计速度很快,而天向方位失准角的收敛很慢。为了解决这个问题,在基本卡尔曼滤波的基础上引入了多级组合滤波的思想,利用对捷联矩阵的修正和对天向方位失准角φU估计的改进产生了新的信息,形成了两级卡尔曼滤波,并且与小波软阈值法相结合,实现了捷联惯导系统的快速初始对准。     

一种基于独立成分分析的滚转弹姿态解算

为了获取试验弹的飞行姿态,以便为进一步的弹体飞行动力学分析及制导系统的效能评估提供依据,提出了一种基于独立成分分析(independent component analysis,ICA)的滚转弹飞行姿态获取方法。该算法使用一个双轴角速率陀螺构成滚转弹飞行姿态遥测系统,利用ICA算法对遥测数据进行处理,从而重构弹体飞行姿态。通过构造一个特殊的虚拟观测变量,即可借助于ICA算法将测量信号由弹体坐标系变换至准弹体坐标系,去除由于弹体滚转引入的信号调制效应,最终解算出滚转弹的姿态信息。仿真计算结果验证了算法的有效性。     

一种基于GVF变形模板的椭圆提取算法

给出一种结合梯度矢量流（GVF）及椭圆变形模板的椭圆提取新算法。普通的动态轮廓算法仅提供局部的连续与正则性约束，虽然使得曲线可以灵活适应各种不同的边缘形状，但也导致轮廓强烈敏感于图像噪声及邻近边缘点，引入全局模型是改善性能的关键。给出一种新的基于椭圆形状约束的变形模板算法，其能量最小化过程也直接在椭圆的参数空间中进行，从而保证了提取结果一定是椭圆；算法与GVF相结合，大大扩展了边缘能量的捕获范围，而不致造成边缘模糊；此外，本算法容许同时提取多个椭圆，且可利用各个椭圆参数及其相关性（例如同心椭圆）等先验知识，从而实现快速、准确、鲁棒的椭圆提取，仿真结果与实际图像应用验证了算法的有效性。     

连续型野值判别的新方法

针对连续型野值严重影响卡尔曼滤波器可靠性这一情况,提出一种新的野值判别方法,即正交模型参数变化判别法.当新息序列满足以下3个条件即信号是有穷均值,观测噪声是均值为零的独立分布过程,信号与噪声互不相关时,卡尔曼新息序列估计值具有正交性质.正交模型参数变化判别法的实质是通过判断卡尔曼滤波新息序列估计值的正交性质是否丧失而判别出观测值中是否存在野值.通过仿真结果表明,新的方法对于连续型野值的判别方便易行,快捷有效.     

基于双边与高斯滤波混合分解的图像融合方法

针对红外与可见光图像融合时,两种异质图像信息容易相互干扰,造成融合图像出现模糊、信息混乱和对比度降低等问题,提出了一种基于双边与高斯滤波混合分解的融合方法。首先采用双边和高斯滤波器对输入的红外与可见光图像进行混合信息分解,得到小尺度纹理细节、大尺度边缘和底层粗略尺度图像信息;其中的大尺度边缘信息包含红外图像的主要特征,依据该特征确定各分解子信息的融合权重,从而将重要的红外特征信息注入到可见光图像;最后通过对各融合子信息进行组合重构出融合图像。实验结果表明,该算法融合效果要优于传统基于多尺度分解的图像融合算法。     

基于船头特征提取和轮廓定位的港口舰船检测

针对高分辨率光学遥感图像中靠岸舰船目标难以检测的问题,提出一种新的舰船自动检测方法.首先利用支持向量机（support vector machine,SVM）对变换到极坐标系下的疑似船头目标进行分类,得到候选舰船的船头位置和舰船方向;然后利用舰船周围区域内的直线信息校正舰船方向;最后结合灰度和边缘信息检测船身,用以确定舰船目标.结果表明,该方法能够准确检测靠岸舰船,具有较好的鲁棒性.      

电视图像目标实时分割与识别算法

研究一种电视图像目标实时分割和识别算法.在二维图像不变矩和相对矩的基础上,进一步组合优化得出4个不变矩,结合复数矩、圆方差和椭圆方差组成目标特征向量,利用k-近邻法实现目标的识别和分类.图像分割采用改进矩不变阈值分割和基于梯度的自适应阈值分割提取目标.仿真实验表明,提取的目标特征量对于平移、缩放和旋转均能保持较好的不变性.用该分割算法分割的图像边缘清晰,分割时间为8 ms,易于硬件实现.     

基于特征颜色模型的粒子滤波改进算法

针对在视觉跟踪任务中,当目标体的外形发生变化时,传统的粒子滤波算法在模型更新的过程中往往出现偏差并逐渐累积,最终导致跟踪性能降低的问题,作者通过挖掘目标体区别于背景的颜色信息,建立特征颜色模型,提出了一种改进算法.该算法首先使用粒子滤波进行粗定位,然后基于特征颜色模型分割目标.实验表明,作者提出的算法速度快,能够准确地跟踪目标的外观变化,对目标体的旋转和遮挡以及光线变化具有一定的鲁棒性,特别适合于跟踪行人和车辆等具有显著颜色的目标.