一种基于SVR的SAR图像自适应滤波算法

针对合成孔径雷达（synthetic aperture radar, SAR）图像相干斑噪声抑制问题,提出了一种基于支持向量回归（support vector regression, SVR）分析的空间域自适应滤波方法。将SAR图像看做连续二维函数,利用SVR方法对其进行逼近。基于图像的逼近结果描述像素关联性,并基于关联性破坏程度对噪声进行类型分析,对不同类型的噪声采取确定性的抑制算法。为了保证精度,选择小波核函数构建支持向量回归机。实验结果表明了该方法的有效性和对经典方法的改进。     

一种自适应多目标跟踪算法

给多目标跟踪滤波器引入一个自适应比例因子,用该比例因子描述目标运动过程中的不可预测性或机动性。并结合实际情况,针对传统的数据关联算法的可行性规则(量测与目标一一对应)所存在的问题,提出量测与目标是多-多对应的新可行性规则。在此基础上,给出一种自适应多目标跟踪算法。仿真结果表明:自适应算法的跟踪性能优于非自适应算法的跟踪性能。利用该方法对多目标进行跟踪,可以达到很好的跟踪效果。     

一种自适应ESPRIT算法

运用特征子空间方法的关键在于信号或噪声子空间的估计.实际上有些信号的统计特性通常随时间变化,为得到参数的实时估计值,需要随时根据新的阵列接收数据对信号或噪声子空间进行更新.首先建立了用于信号到达主向(DOA)估计的SVD-ESPRIT算法,然后利用受限摄动分析提出了一种子空间跟踪算法.将该跟踪算法与SVD-ESFRIT算法相结合,得到的自适应ESPRIT算法可用于对时变的信号DOA进行跟踪估计.仿真计算结果验证了该算法的有效性.     

一种基于局域自适应处理的SAR图像降斑算法

合成孔径雷达(SAR)图像所固有的相干斑噪声严重降低了图像的可解译程度,影响了对图像中的目标进行检测和识别,因此SAR图像的相干斑抑制一直是SAR图像应用的重要课题。提出了一种基于局域自适应处理的SAR图像降斑算法,算法根据区域像素点的分布特征自适应调整滤波窗口的大小,在均匀的背景杂波区域内增大滤波窗口来抑制斑点噪声,在包含目标的细节区域内减小滤波窗口,同时采用自适应阈值选择部分像素参加滤波的方法,以便在有效降斑的同时保持边缘和目标细节,最后通过对实际数据的处理验证了算法的有效性。     

一种自适应粒子群算法

基于对不同粒子群算法(PSO)中惯性权重、全局收敛性、收敛精度和速度的分析,提出了一种新的全局最优值自适应变化的粒子群算法(LAPSO).并采用该方法对三种不同的基准函数进行了测试,将LAPSO测试结果与典型的收敛粒子群算法(LKPSO)和扩散粒子群算法(LWPSO)进行了比较.结果表明:自适应粒子群算法具有收敛速度快、进化精度高的特点,是一种新型全局收敛粒子群算法.     

一种自适应压缩感知重构算法

为优化稀疏自适应匹配追踪(sparsity adaptive matching pursuit, SAMP)算法的性能,给出了一种修正自适应匹配追踪(modified adaptive matching pursuit, MAMP)算法。该算法采用模糊阈值预选方案,改进了步长选择方法,设置了初次裁剪门限。仿真结果表明,在同等稀疏的条件下实现精确重构,该算法的运算速度较原算法提高了1倍,所需的观测值个数减少了1%,并提高了重构精度。     

一种复合型自适应Turbo均衡算法

针对短波信道以及短波瞬间通信以帧为单位进行传输的特点,提出了一种新的复合型自适应Turbo均衡算法(CATEA)。该算法结合最小均方(LMS)算法和递归最小平方(RLS)均衡算法的优点,分别在训练和直接判决阶段调整均衡器参数,因而克服了LMS算法收敛慢以及RLS算法计算量大的缺点。通过将该均衡算法与Viterbi译码算法进行迭代均衡和译码,极大地提高了均衡器性能,同时保持了较低的复杂性。仿真和实验测试证明了该算法的有效性。     

一种变阶数自适应滤波算法

通过对回声抵消的实际应用环境进行分析,提出一种新的动态改变自适应滤波器阶数的算法。该算法在权系数的长度与失调误差信号之间建立一种非线性函数关系,具有在环境突变阶段,保持较高的滤波器阶数,而在稳态阶段自动减少阶数的特点,可以极大地降低自适应滤波器算法的运算量。理论分析和计算机仿真结果表明,该算法具有良好的收敛性能和跟踪性能,稳态误差的水平与传统算法保持一致。     

一种基于per-pixel光照的高质量体绘制算法

分析讨论了一种基于per-pixel光照的高质量纹理映射体绘制算法。可以精确地对任意的动态点光源进行光照计算,这主要归功于在光照计算中采用了归一化的梯度,以及在每个像素上计算光照强度。同时,还提出了一种新技术通过对梯度的实时计算来有效的减少在传统基于纹理映射的体绘制中巨大的内存消耗,使得大规模体数据的实时绘制成为可能。充分利用了目前PC图形硬件成熟的可编程特性,特别是fragmentprogram,可以快速的载入体数据,得到可交互的绘制。最后对医学体数据进行绘制,得到了较为理想的结果。     

一种稳健的自适应传递对准算法

传递对准算法的性能受量测噪声影响较大但其统计特性通常难以精确给定。为实现对传递对准中量测噪声的稳健自适应调整,提出了一种改进的自适应传递对准算法。在传统的Sage-Husa自适应卡尔曼滤波算法基础上,通过减少自适应调整的参数个数、采用渐进无偏估计代替无偏估计、分段调整加权系数三重处理,有效地提高了算法的稳健性,同时算法的计算量也有所降低。结合一种经典的速度加姿态匹配传递对准模型,对改进的自适应算法进行了仿真测试。仿真结果表明,当量测噪声协方差阵取值与真实噪声水平偏离时,该改进算法能够对量测噪声的统计特性进行有效的自适应调整,从而使传递对准在精度和稳健性两个方面的综合性能得以改善。     

图像光照补偿方法的研究

为了有效弱化光照对图像内容的影响,对现有的Gamma矫正方法进行了分析。并在计算复杂度不变的情况下,对原来的非线性函数进行了改进,构造了更合理的Gamma矫正曲线,使Gamma矫正方法的性能得到提高。针对彩色图像中的光照补偿问题,比较了基于不同彩色模型的处理方法。实验结果表明,本方法在弱化光照影响、提高图像质量方面具有良好的性能。     

非均匀类簇密度聚类的多粒度自学习算法

针对非均匀类簇密度聚类问题,从商空间粒度理论出发,提出一种多粒度自学习聚类算法 (multi-granularity self learning clustering algorithm, MSCA)。算法通过构造聚合树结构和定义粒度函数对问题逐层求解,并在每层聚合过程中根据聚合区间以自学习的方式动态确定聚合粒度,解决了传统聚类算法从非均匀类簇密度数据中无法得到不同层次的聚合特征且参数对经验依赖性过高的问题。理论和实验表明,MSCA算法可以发现任意形状类簇,有效处理噪声,并能发现关键聚合层,具有较好的计算复杂性。     

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。     

基于多载波信号的确定型自适应阵列波束形成方法

确定型波束形成方法利用单次采样数据完成波束形成,不需要信号的统计特性.该类方法在雷达系统中均需要两个步骤:波达方向估计和波束形成.一般为了保证系统稳定性,需要保持一定的主瓣宽度,其代价是牺牲部分波束形成自由度.研究了确定型波束形成算法在多载波扩频通信系统中的应用,提出了利用多载波调制信号的频率分集特性完成波束形成,不需要波达方向估计过程,也不需要牺牲波束形成自由度以保证系统稳定性,同时还获得相干多径合并.给出了相应的仿真实验及相关分析,验证了算法的有效性.     

基于自适应邻域选择的多目标免疫进化算法

在分析以往求解多目标进化算法中个体选择方法的基础上,给出了一种基于个体邻域的选择方法,分析表明这种选择方法可有效地维持群体的多样性,且个体的适应度在选择过程中将随着该个体邻域中所包含个体数目作自适应调整,文中称之为基于个体邻域的自适应校正选择方法。此外,由于每一个待求问题本身或多或少都有自身一些基本的、显见的特征信息或知识。因此,在求解过程中忽视问题本身的特征信息或舍弃可供应用的信息,有时并不是一个明智之举。基于以上考虑,在传统进化算法的基础上又引入免疫算子,其中免疫算子依次通过疫苗提取、接种疫苗和免疫选择3个步骤来完成,进而设计了一种基于邻域选择的多目标免疫进化算法。最后,用算法分别对2个变量和30个变量的双目标优化问题进行数值模拟的结果表明,算法都能够找到所给问题的分布较均匀且涵盖范围较宽广的Pareto最优解集,显示了算法的有效性及可行性。     

面向多峰函数的自适应小生境量子进化算法

为解决量子进化算法在多峰优化时只能找到一个最优解,无法找到所有全局和局部最优解的问题,提出自适应小生境量子进化算法。利用佳点集理论初始化种群,使种群均匀分布在整个搜索空间;提出中心地形信息小生境自适应识别方法,用于自适应的识别峰值所在区域,并建立小生境完善策略,提高小生境识别速度;借助量子进化算法的快速寻优能力精确寻找各个峰值点;采用动态种群调整策略,维持种群的多样性,自适应地调节种群规模。仿真实验结果表明,该算法具有较强全局优化能力和局部优化能力,且搜索到的每个最优解都达到了理想值。     

面向变化检测的SAR图像超像素协同分割算法

针对面向对象的合成孔径雷达(synthetic aperture radar, SAR)图像变化检测中存在的多时相图像边界和空间对应关系不一致的问题,提出了一种面向变化检测的SAR图像超像素协同分割算法。首先,分别计算两幅不同时相SAR图像中两个像素点之间的强度相似度,并进行加权组合得到新的像素强度相似度。其次,对两幅不同时相的SAR图像及其对数比值图分别进行边缘提取,以同一像素位置的最大边缘值构造二值边缘图。最后,以融合了像素强度、空间距离和边缘信息的相似度代替CIELAB彩色空间相似度,利用改进简单线性迭代聚类算法对多时相SAR图像进行超像素分割,得到边界准确、空间对应的协同分割结果。基于一组仿真和一组实测多时相SAR图像的协同分割实验结果表明,该方法的边缘贴合率、欠分割误差和可达分割准确率均优于其他4种经典方法。     

卫星遥感干涉多光谱图像压缩新算法

为了有效提高干涉多光谱图像压缩效率,以满足星上应用环境要求,提出了一种新的遥感干涉多光谱图像压缩算法.采用小波域匹配预处理来去除干涉光谱图像序列的帧间相关性,采用基于率失真斜率提升的感兴趣区域编码方法,对图像不同区域进行更合理的码率分配,反馈控制T1编码器的编码深度,调整编码子带个数,从而减少编码计算量和存储器使用量,便于硬件实现.实验结果表明,该算法能有效提高恢复光谱的分辨率,简化系统复杂度.     

Adaptive nonuniformity correction for IRFPA sensors based on neural network framework

For infrared focal plane array sensors, imagery is degraded during signal acquisition, particularly nonuniformity. In this paper, an adaptive nonuniformity correction technique is proposed which simultaneously estimates detector-level and readoutchannel-level correction parameters using neural network approaches. Firstly, an improved neural network framework is designed to compute the desired output. Secondly, an adaptive learning rate rule is used in the gain and offset parameter estimation process. Experimental results show the proposed algorithm can achieve a faster convergence speed and better stability, remove nonuniformity and track parameters drift effectively, and present a good adaptability to scene changes and nonuniformity conditions.