基于背景重建的高光谱图像异常检测

针对高光谱图像异常检测中背景信息与异常目标信息难以有效区分,背景预测精度不佳的问题,提出一种新的基于背景重建的高光谱图像异常检测算法。通过字典学习方法获取高光谱图像背景光谱字典,并利用该字典对待检测图像进行稀疏重建,得到预测背景图像。将预测背景图像与原始图像做差后得到残差图像,进而利用局部RX检测算法对残差图像进行遍历,实现异常目标检测。通过对真实高光谱图像场景进行实验,证明了算法的有效性。     

基于空间约束加权条件稀疏表示高光谱图像分类

为了充分利用稀疏表示分类信息和高光谱图像的空间信息,提出结合马尔可夫随机场的加权条件稀疏表示高光谱图像分类算法。该算法对稀疏表示分解后的残差向量建立条件稀疏表示模型,在计算残差向量的类别归属时引入频段方差信息;利用光谱信息散度从信息熵的角度挖掘重构光谱中的类别鉴定信息;在期望最大化算法模型中,将条件稀疏模型与光谱信息散度模型相结合,使算法具备迭代自更新的能力;将马尔可夫随机场引入加权条件稀疏表示算法,在算法时间复杂度不变的情况下,对高光谱图像的空间信息予以提取。仿真结果表明,该算法能够有效地提高分类精度,且在不同试验数据下具备良好的稳定性。     

高光谱图像快速Gram行列式端元提取优化方法

高光谱图像快速Gram行列式端元提取算法基于高光谱图像最大单形体体积标准,具有容易理解、算法复杂度低、无需降维处理等特点,但是其在进行端元提取时,采用的计算公式仍需进行矩阵求逆,随着端元的逐个求解,矩阵维数增多导致计算量增加。由于端元提取时获得的端元Gram矩阵满足对称特性,引入埃尔米特矩阵(Hermitian matrix)分块求逆引理,简化矩阵求逆处理,优化快速Gram行列式端元提取方法。采用美国Cuprite矿区的机载可见光/红外成像光谱仪(airborne visible/infrared imaging spectrometer,AVIRIS)机载高光谱图像进行实验验证,并对该方法在不同初始化条件下的求解结果进行分析,结果表明快速Gram行列式端元提取方法会受到初始条件的影响,在端元、像元数量增加时所提方法可提升计算效率。     

基于空间预处理联合稀疏表示高光谱图像分类

针对高光谱图像分类时光谱信息和空间信息利用不充分、分类精度低的情况, 提出一种结合空间预处理的联合稀疏表示分类方法。一方面能够弥补联合稀疏表示固定窗口模式中空间信息利用不充分的问题, 另一方面也避免了像元多次参与联合稀疏模型的构建过程。考虑每个像元对联合稀疏模型的贡献不同, 通过赋予邻域像元相应权重以提高稀疏重构精度。最后, 充分利用训练样本的已知信息修正分类结果, 在Pavia University和AVIRIS Salinas两个数据集上进行实验验证。实验结果表明, 所提方法能够有效地提高高光谱图像分类精度。     

V-BLAST系统的特征波束形成技术

针对特征波束形成技术与V-BLAST结合的系统,从最小化系统差错性能角度出发,在独立同分布衰落信道中和发射端已知信道均值矩阵信息的情况下,推导了特征波束形成的功率分配算法,同时设计了能够充分利用该功率分配方法的接收检测算法。仿真和分析表明,在发射端所知信道信息有限的情况下,该功率分配算法和排序检测算法能显著改善V-BLAST系统的性能,优于传统的V-BLAST检测算法。     

基于两通道不可分a trous-Curvelet变换的遥感图像融合

以同一场景多光谱和全色图像为研究对象,提出了一种基于两通道不可分矗trous-Curvelet变换的遥感图像融合算法.算法首先结合à trous小波变换和Curvelet变换的优点,构造出两通道不可分à trous-Curvelet变换方法,并将其与IHS变换相结合对图像进行多分辨率分解,然后依据高、低频层系数的特点采用不同的加权融合规则进行融合,最后用IHS逆变换得到融合图像.实验结果表明,相比于常用的基于小波变换等融合算法,新算法在光谱信息的保持和空间信息的增强上取得了更好的效果.     

背景感知的显著性检测算法

显著性检测算法能够提取场景中的重要目标,因而在图像和视频处理领域有着重要应用。但目前的显著性检测算法几乎都以目标与背景之间存在显著差异为前提,利用目标与背景的差异以及目标本身的空间相关性进行算法的设计。本文则从图像的背景信息出发,首先利用超像素算法对图像进行预分割,去除图像中不必要的细节信息;然后利用背景信息获得初步的显著性检测结果;最后将多尺度显著性检测结果进行融合,得到最终的显著性图。实验结果表明,本文算法的性能远优于现有检测算法。     

基于二级字典的联合稀疏表示高光谱图像分类

针对多数传统分类算法应用于高光谱分类存在的分类精度较低、光谱信息利用不充分的问题,在基于核函数的联合稀疏表示分类方法的基础上提出了一种基于二级字典的联合稀疏表示的高光谱分类算法。在字典原子前加入待测像元与该原子的引力,以达到更快捷地找到与待测像元相匹配的原子的目的。加入的引力值由万有引力公式改进的适应于高光谱图像的公式计算而来。为了使得稀疏重构后的残差波段中包含的具有一定意义的分类鉴别信息被充分挖掘,本文采用指数平滑公式对残差信息进行再利用。通过在Indian Pine数据集和Salina-A数据集上进行实验,验证了所提算法可以提升分类精度。     

基于结构的SAR图像配准

由于SAR图像中相干斑的存在，使得已有用于光学遥感图像自动配准的算法往往无法直接应用。基于人工通过地物结构推毫匹配关系进行配准的想法。提出了一种基于结构的SAR图像自动配准算法，该算法首先通过检测出的点目标构造“虚拟结构”，然后再综合新提出的“虚拟结构”不变量及结构区域不变矩作为相似测度完成匹配检测，最后用LMS算法估计出变换参数从而实现SAR图像的自动配准。实验结果表明，该算法不仅能够有效实现SAR图像的自动配准，而且能有效避免SAR图像中相干斑对配准过程中特征检测和匹配造成的影响。     

基于Faster R-CNN的电子海图和雷达图像的数据融合

船载导航雷达和电子海图(electronic navigational chart, ENC)是船舶重要的导航仪器,雷达图像和ENC图像的融合能够给出更加丰富的航行和避碰信息。为此,提出了一种基于深度学习理论的提取雷达图像中鲁棒特征的数据融合算法,实现了ENC和雷达图像较高层次的数据融合。首先,利用深度学习算法对雷达图像进行目标检测,识别船舶雷达的特征目标。其次,对检测到的特征区域执行图像处理,并确定用于ENC和船舶雷达图像配准的参考点。最后,根据参考点进行仿射变换,实现融合算法。利用连续时间段的狭窄水域中的真实船舶雷达图像数据对融合算法进行验证,结果显示船舶雷达图像和ENC的海岸线边缘信息匹配良好且满足实时性要求。该算法与简单的像素级图像融合算法相比鲁棒性更强,实现了ENC与雷达图像的特征级融合。     

一种基于混合分类器的异常检测模型

针对网络的异常检测方法对未知攻击难以提供更多有用信息的缺点,提出一种基于分类器的异常检测模型。模型首先采用支持向量机对网络连接进行异常检测,然后将检测获得的异常作为输入进入聚类模块以得到其更多信息,其中聚类模块由自组织映射算法与信息获取算法共同完成。通过对检测到的异常进行信息获取的方法可以获得未知入侵的更多有价值的信息。最后应用kddcup99数据集进行仿真实验,实验结果表明,该检测模型具有较好的检测率和较低的误报率,并且该模型对于获得未知入侵的更多信息是有效的。     

基于反面选择原理的智能融合故障检测模型及其应用

针对反面选择算法用于故障检测所存在的局限性,提出了一种基于反面选择原理的智能融合故障检测模型.该模型利用人工免疫系统的反面选择原理来构建神经网络检测器,通过训练将系统的异常模式信息存储在分布的检测器中,根据检测器的激活来发现系统的故障.通过混沌时间序列的异常检测仿真实验,研究了模型参数对故障检测性能的影响.最后以发动机压气机失速检测实验为例,证实该方法对失速信号的模式特征具有较强的分辨能力,同时表明神经网络检测器比常规的二进制编码检测器具有更好的故障识别能力.     

自组织数据挖掘与人工神经网络方法比较研究

着重分析了自组织数据挖掘与人工神经网络方法对系统的先验知识的利用 ,算法过程以及推广能力方面的差别 ,显示了自组织数据挖掘方法具有能同时利用关于系统的先验知识和来自观察数据样本的信息的良好性能 ,并指出 ,这应当成为研究复杂系统的一条重要途径.     

盲区下高超声速飞行器贝叶斯指示交接方法

针对探测盲区下的高超声速飞行器接力跟踪问题,提出了基于多假设运动模型的贝叶斯指示交接方法。该方法首先根据目标运动的先验信息,对盲区下模型参数进行多假设建模。然后利用贝叶斯理论以概率的形式表达目标在盲区内的运动状态,通过蒙特卡罗采样近似计算搜索空域中目标的概率分布,从而确定搜索空域和波位顺序。仿真结果表明,该算法在一定盲区范围内,针对不同机动能力的目标均具有较高交接成功概率,其性能显著优于传统算法,能够实现目标的指示交接。     

有色噪声环境下的跳频盲多用户检测算法

高阶累积量是抑制有色噪声的一个有效方法。通过分析跳频多址信号,提出了高斯有色噪声背景下的一种基于峭度的跳频盲多用户检测算法,它几乎不需要任何关于有色噪声的先验信息。仿真结果表明,该多用户检测算法收敛速度快,输出信干比较高。抗多址能力大大优于传统的子空间算法。     

基于逆高斯纹理分布的协方差矩阵估计方法

在复合高斯杂波中检测目标信号, 需要对杂波协方差矩阵进行估计, 相应的检测性能与估计精度密切相关。利用服从逆高斯分布的纹理分量来对复合高斯杂波进行建模, 可以更好地拟合高分辨杂波实测数据。本文给出了一种两步广义似然比检测器, 先假设杂波协方差矩阵已知以获得检测统计量, 再利用纹理分量的先验分布推导协方差矩阵的最大似然估计。同时，基于贝叶斯方法, 假定纹理分量和协方差矩阵均为服从某种先验分布的随机量, 推导了协方差矩阵的最大后验估计。仿真结果显示, 基于知识的自适应检测技术由于引入了纹理分量和杂波的先验信息, 其协方差矩阵的估计精度好于最大似然估计和样本估计方法, 同时具有更好的检测性能。     

基于高频增益矩阵分解的多变量系统自适应控制

基于高频增益矩阵因子分解和Backstepping设计方法,对多变量MRAC系统设计出一种新的自适应控制器,改变了已有的研究中关于高频增益矩阵的假定条件.该控制器能保证系统的全局稳定性和跟踪误差趋于零.仿真效果也证明了所提算法的实用性.     

基于频域互相关序列与峰值检测的空频分组码盲识别算法

针对复杂电磁环境和非协作通信条件下空频分组码(space-frequency block codes, SFBC)信号识别困难、对先验信息要求高的问题, 提出一种基于频域互相关序列与峰值检测的SFBC盲识别方法。首先,通过分析SFBC信号的编码特点, 计算得到发送端的互相关函数。然后,考虑频率选择信道、多径传播和噪声的影响, 推导了接收信号的互相关函数, 并对其进行傅里叶变换得到频域互相关序列。最后,根据频域互相关序列检测其峰值位置识别发射端编码方式。推导和实验结果表明, 该算法在低信噪比下的识别性能较好, 并且对时间偏差和频率偏差等情况的适应性较强, 在复杂电磁环境下具有较好的识别性能, 能够应用在认知无线电和频谱检测等场合。该算法不需要知道信道和噪声的先验信息、正交频分复用(orthogonal frequency division multiplexing, OFDM)块大小以及接收端和发射端的同步信息, 非常适合于电子侦察等非协作通信场合。