基于Kalman滤波与多特征模糊聚类的图像融合

为了减低图像的噪声，保留有用的信息，获得更为可靠的融合图像，将Kalman滤波引入图像融合中，提出基于Kalman滤波与多特征模糊聚类的图像融合算法．该方法结合滤波和多特征优点，实验结果表明了该方法的有效性．     

Kalman滤波在辐射图像降噪处理中的应用

为改善辐射图像质量,提出了一种基于Kalman滤波的降噪算法。该方法分析了辐射图像背景噪声的特征,在合理假设其为一阶Gaussian有色噪声的基础上改写了图像的观测方程;同时,采取NSHP(non-symmetrichalfplane)模型来构造图像的过程方程。然后使用Kalman滤波算法对图像进行滤波。实验结果表明,该方法有效减弱了辐射图像中混有的噪声,和传统滤波方法相比,更好地保持了图像的细节信息,体现了自适应的优点。这表明了Kalman滤波在辐射图像降噪处理中的潜力。     

粒子滤波融合跟踪方法

针对Kalman滤波不能处理多传感器量测信息融合中的非线性问题,提出了一种基于粒子滤波方法的融合跟踪算法.通过对量测方程的非线性分析,利用粒子滤波器计算目标状态估计值,通过线性迭代的方式得到系统的最优估计.仿真结果表明,与采用Kalman滤波的方法相比,该算法具有更高的估计精度和更少的计算量.相比于单传感器,减少了量测信息的模糊性,提高了资源的利用率.     

一种基于雷达和红外的粒子滤波融合跟踪方法

针对Kalman滤波不能处理雷达与红外传感器量测信息融合中的非线性问题,提出了一种基于粒子滤波方法的融合跟踪算法.该算法通过利用量测方程的非线性分析和粒子滤波器计算状态估计值,从而以线性迭代的方式得到系统的最优估计.仿真结果表明,与采用Kalman滤波的方法相比,该算法具有更高的估计精度,同时减小了计算量.     

带有色噪声的广义系统信息融合Kalman滤波器

对于带自回归滑动平均(ARMA)有色观测噪声的多传感器广义离散随机线性系统,应用奇异值分解,提出了广义系统多传感器信息融合状态滤波问题.基于Kalman滤波方法,在线性最小方差信息融合准则下,给出了按矩阵加权融合降阶稳态广义Kalman滤波器.为了计算最优加权,提出了局部滤波误差协方差阵的计算公式.一个Monte Carlo仿真例子说明了其有效性.     

基于NETDDE的网络式多传感器信息融合Kalman滤波器

Kalman滤波算法是目前应用较多的多传感器信息融合方法之一,其中的分布式Kalman滤波算法因其计算负担小、易进行故障诊断和分离的突出优点而广泛应用于民事和军事领域。用具有强大矩阵运算能力和绘图功能的MATLAB作为核心处理部分,以网络DDE技术实现MATLAB与Excel的通信,编写了网络DDE通用程序,该程序可以使不同地理位置的传感器采集来的存于各客户端Excel的观测值传入服务器MATLAB,通过分布式Kalman滤波融合算法进行处理,方便地解决了网络式多传感器信息融合这一实际应用问题。     

基于多传感器信息融合AOD炉喷溅预报

针对氩氧精炼冶炼过程中产生的喷溅现象,检测喷溅过程中炉体中的震动、音频、火焰图像等信息并进行融合。研究基于分步式滤波的多传感器系统数据融合算法,给出了理论推导过程。采用Kalman滤波融合算法实现了喷溅等级计量及预报。     

多传感器数据的处理及融合

针对多传感器数据的多样性, 提出一种改进的数据融合算法. 首先, 利用小波技术消除已收集数据的高斯白噪声并对数据进行压缩; 其次, 对处理后的数据进行分层, 并对系数进行Kalman滤波, 同时利用Mallat快速重建算法重构数据; 最后, 利用最大、 最小贴近度计算传感器数据的信噪比, 并通过信噪比进行数据融合. 基于实际采集的多传感器数据对比实验结果表明, 该数据融合算法在稳定性上优于简单加权数据融合、 小波数据融合和Kalman滤波融合等算法.     

空间Kalman滤波与空时Kalman滤波算法

经典的Kalman理论是以观测按时间延续分布的方式建立的.针对观测按空间延展分布的情形,基于时空对偶性建立空间Kalman滤波的方法,进而提出针对观测同时在时间、空间两个方面展开的情形的空-时Kalman滤波算法.这些算法可用于包括多传感器信息融合等在内的广泛领域.仿真表明,相比于在不计代价(成本)的情况下精度最高的集中式多传感器融合算法,空-时Kalman滤波不仅具有滤波精度与之相当的优点,更重要的是,由于在计算复杂度上占有更大的优势,使算法实时性和有效性更为提高,更适用对实时性有更高要求的情形.     

基于鲁棒信息滤波器的图像雅可比矩阵在线估计

针对现有的图像雅可比矩阵无标定求解方法,分析了基于Kalman滤波、模糊自适应Kalman滤波和粒子滤波的图像雅可比矩阵在线估计的优缺点。为了进一步提高未知环境下的系统估计精度,选择基于滤波理论的估计框架,对系统模型进行调整,用鲁棒信息滤波器在线估计图像雅可比矩阵,该滤波算法对任意分布的有界噪声都具有较强的鲁棒性。仿真和实验结果表明,在未知系统噪声的情况下,该算法仍可以实现图像雅可比矩阵的精确估计。     

基于球面单径容积准则的多雷达分布式再入目标实时跟踪算法

针对多雷达对再入目标的实时跟踪问题,提出一种基于球面单径容积准则的分布式容积卡尔曼滤波算法。首先,利用球面单径容积准则近似计算非线性高斯权重积分,然后由统计线性误差传播方法等价表示滤波过程中的互协方差矩阵;最后通过一致性算法将单雷达容积卡尔曼滤波器所得时间更新结果与邻居雷达间进行信息交互与一致化处理,得到分布式球面单径容积卡尔曼滤波算法。该算法提高了再入弹道目标跟踪精度;无信息融合中心的通信拓扑结构降低了雷达间的通信量与计算量,提高了整个系统的生存能力。数值仿真结果验证了算法的有效性。     

融合多特征和谱聚类集成的图像分割方法

针对图像单一特征分割结果的适应局限性,提出融合多特征和谱聚类集成的图像分割方法(MFSC-IS).首先对图像进行基于粒计算的多特征子分割;然后将分割结果映射到超图,利用谱聚类集成算法得到最终分割结果.实验结果表明,与Gpb(Globalized probability of boundary)算法相比,融合多特征和谱聚类集成方法可以得到一个相对较好的分割结果.     

Maneuvering target tracking algorithm based on CDKF in observation bootstrapping strategy

The selection and optimization of model filters affect the precision of motion pattern identifica-tion and state estimation in maneuvering target tracking directly.Aiming at improving performance of model filters, a novel maneuvering target tracking algorithm based on central difference Kalman filter in observation bootstrapping strategy is proposed.The framework of interactive multiple model ( IMM) is used to realize identification of motion pattern, and a central difference Kalman filter ( CDKF) is selected as the model filter of IMM.Considering the advantage of multi-sensor fusion method in improving the stability and reliability of observation information, the hardware cost of the observation system for multiple sensors is adopted, meanwhile, according to the data assimilation technique in Ensemble Kalman filter( EnKF) , a bootstrapping observation set is constructed by in-tegrating the latest observation and the prior information of observation noise.On that basis, these bootstrapping observations are reasonably used to optimize the filtering performance of CDKF by means of weight fusion way.The object of new algorithm is to improve the tracking precision of ob-served target by the multi-sensor fusion method without increasing the number of physical sensors. The theoretical analysis and experimental results show the feasibility and efficiency of the proposed algorithm.     

一种红外偏振与光强图像的暗原色多特征分离融合方法

针对现有红外偏振和光强图像融合算法不能同时兼顾提高对比度、突出明亮特征和保持边缘细节信息的问题,提出一种暗原色多特征分离融合的新方法。首先,对源图像进行局部最小值滤波和引导滤波得到暗原色图;然后,经过差值、绝对值取小融合的处理,提出暗原色多特征分离方法,得到包含亮、暗以及边缘细节信息的三部分图像;最后,对三部分图像采用不同规则分别融合,通过重构和亮度调整得到最终融合图像。实验结果表明,本文方法能有效地融合源图像的互补信息,不仅能够保留边缘细节信息,同时也能突出明亮特征和图像整体对比度,在实际的目标识别中具有一定的优势。     

多传感器粒子滤波融合跟踪算法

对于非线性非高斯环境中的多传感器分布式状态估计问题,提出了一种基于二阶中心差分粒子滤波方法的融合跟踪算法.通过对量测方程的非线性分析,利用粒子滤波器计算目标状态估计值,以在线自适应加权融合算法的方式得到系统最优估计.仿真结果表明,与采用扩展卡尔曼滤波的方法相比,该算法具有更高的估计精度.     

基于改进Yolov3的驾驶员疲劳检测

疲劳驾驶是引发交通事故的主要原因之一,为了预防疲劳驾驶的发生,基于多信息融合方法研究了驾驶员疲劳检测技术。通过改进的Yolov3算法与卡尔曼滤波算法的结合进行人脸检测。利用一种基于提升树的算法实现脸部关键点检测,并基于单位时间里眼睛闭合时间所占的百分比(percentage of eyelid closure over the pupil over time, PERCLOS),最长持续闭眼时间和哈欠次数这3个特征进行多特征融合的疲劳检测。在实车录制数据集上进行验证,实验结果表明：所提方法平均识别正确率达92.5%,具有较高的准确率,针对复杂环境有较强的鲁棒性,对于将来的研究有着重大意义。     

基于时空域数据融合的Kinect深度图像修复算法

针对Kinect传感器获取的深度图像中存在大量噪声以及深度信息缺失导致的空洞问题,提出一种基于时空域数据融合的深度图像修复算法。首先,对配准后的深度图像利用卡尔曼滤波使跳变深度值趋于平稳,并采用阈值分割法得到待修复区域;其次,计算待修复边界所有像素点的时空域置信度,对时空域置信度最大的像素点计算其时域和空域深度数据,并根据时空域置信度为时空数据分配权值进行数据融合,实现像素点的修复;最后,待修复边界改变,迭代执行上一步直至图像修复完成。实验结果表明:与传统修复算法相比,基于时空域数据融合的Kinect深度图像修复算法的深度图峰值信噪比更高、均方根误差更小,图像质量更好。