基于Hough变换和聚类的航迹起始算法

基于Hough变换的航迹起始是密集杂波环境中低信噪比目标起始的一种有效方法,但其存在阈值选取困难及一个目标起始多条航迹(航迹簇拥)等问题.提出了一种Mean Shift多尺度聚类Hough变换航迹起始算法(MSMSC-HT).该算法先用低阈值进行航迹初选;然后对初选航迹进行多尺度聚类,并用Mean Shift算法求取聚类中心;最后通过尺度寻优自适应地确定航迹数目和航迹参数.该算法通过聚类避免阈值设计的困难,解决了航迹簇拥下航迹的检测与估计问题.仿真结果表明了算法的有效性.     

基于减法聚类的两级Hough变换航迹起始算法

针对低信噪比、低信杂比环境下作匀加速直线运动的目标检测中随机Hough变换算法存在的采样次数总量大、无效采样多的现象,提出了一种改进的航迹起始算法-基于两级Hough变换的航迹起始算法.该方法首先采用标准Hough变换滤除原始数据空间上的大量杂波点,然后用随机Hough变换以较少的采样次数获取备选航迹参数,再对所得参数使用最小距离筛选的方法进一步减少虚警,最后利用减法聚类得到准确的航迹数及航迹参数.实验表明该方法不但能够明显降低随机Hough变换的采样次数、减少无效采样,而且对杂波干扰具有很好的鲁棒性,尤其适用于复杂环境中的目标检测.     

双波段红外传感器目标跟踪集中式航迹起始方法

航迹起始做为多目标跟踪技术中的关键问题，得到了广泛的重视和研究。雷达跟踪系统的航迹起始技术已经非常成熟、完善了。然而对于双波段红外传感器跟踪系统，由于各个波段的红外传感器对特定的目标表现出不同的检测特性。在研究雷达跟踪系统时采用的目标探测概率趋近1的假设是不成立的。所以，将分布式航迹起始，然后进行航迹互联的方法原封不动的应用到双红外系统中是否可行需要进一步讨论。提出了一种适合于双波段红外传感器的集中式航迹起始方法，理论推导和仿真试验都表明与分布式航迹起始方法相比，在稀疏噪声、传感器探测概率不高的情况下，这种集中式航迹起始方法具有更好的性能。     

基于模糊Hough变换的被动传感器系统航迹起始方法

提出一种基于模糊Hough变换(FHT)的被动传感器系统中的航迹起始方法。首先利用逻辑关系或规则初步排除鬼点,以降低计算复杂度,推导出被动传感器系统中的Hough变换形式。考虑到传感器系统误差和测量误差对检测结果的影响,将传感器系统获得的观测值模糊映射到参数空间,利用梯度信息降低计算消耗,求出参数空间的模糊累积矩阵,通过模糊推理确定出最终的航迹检测结果。实验结果表明,所提的模糊Hough变换方法能有效解决杂波环境下的航迹起始问题,且计算消耗小。     

基于修正随机HOUGH变换的快速航迹起始研究

分析了随机Hough变换在特征点合并时的缺陷.以二维雷达为例,通过对特征点计算公式的分析,得到了特征点坐标误差方差的计算方法,并以假设检验为基础,获得了特征点合并的自适应方法.描述了雷达样点保存的数据结构,给出了完整的基于修正Hough变换的航迹起始算法.通过仿真验证,修正随机Hough法的性能比标准Hough法要好.而且,每次数据扫描的处理时间明显减少,这对多目标密集杂波的处理环境非常重要.     

三维空间中基于Hough变换和逻辑的航迹起始

Hough变换法特别适用于杂波环境下的目标航迹起始,但目前的研究一般仅限于在二维空间中使用该方法。本文提出了一种三维空间中基于Hough变换和逻辑的航迹起始方法。其基本思想是,首先在三维空间中选择两个投影面,然后在两个投影面分别使用基于Hough变换和逻辑的航迹起始算法,最后将两个投影面上起始的航迹进行比较,进而确定三维空间中的航迹起始。仿真结果表明了这种算法在三维空间杂波环境中快速起始航迹中的有效性及优越性。     

杂波环境下基于Hough变换和逻辑的快速航迹起始算法

航迹起始是航迹处理中的首要问题，本文提出了一种新的航迹起始算法，即基于Hough变换和逻辑的航迹起始方法，这种新的算法首先利用Hough变换法排除大量的杂波点，创造一个虚警概率比较低的环境，然后利用3／4逻辑法起始航迹，因而特别适用于密集杂波环境下快速起始航迹，仿真结果表明了这种算法在快速起始航迹中的有效性及优越性。     

基于模糊累积函数的航迹起始问题研究

为提取杂波环境下直线航迹,提出了使用模糊累积函数进行Hough变换的方法.考虑到雷达误差对累积函数的影响,该方法以模糊函数的隶属度为累积对象,在参数空间中进行峰值的累积,使累积函数的峰值更加明显.详细描述了航迹起始的算法,并采用衰减因子保证累积函数的时效性.为验证算法,设定了杂波环境下的直线航迹,对各种雷达误差取值下的参数空间累积效果进行了仿真.仿真表明,以累积峰值和峰值显著比为衡量指标,模糊累积法能提高直线航迹检测的准确性,从而减少候选航迹的数量,减轻后续航迹验证的计算量.     

一种有效的Hough变换航迹起始积累方法

针对积累矩阵在低信噪比、低信杂比目标检测时存在的峰值簇拥现象,提出了一种有效的Hough变换积累方法。该方法综合利用单元投票数和投票取值定义了反映单元对应参数为待测曲线特征参数可能性的置信因子,并依据置信因子衡量各投票点对相应单元的贡献值,从而对参数空间实现加权积累。不同量测噪声水平以及不同杂波水平下的多目标航迹起始仿真表明,该方法不但能够明显改善局部峰值簇拥现象;而且对量测噪声和杂波干扰都具有更好的鲁棒性,特别适用于复杂环境中的目标检测。     

异步被动传感器系统模糊Hough变换航迹起始算法

异步被动传感器系统由于不能通过视线交叉确定目标位置,因此使测量关联和航迹起始变得困难。为解决杂波、漏检和目标数未知情况下航迹起始问题,提出了一种用于异步被动传感器系统的航迹起始算法。该算法首先建立候选目标集,用极大似然法求出每一候选目标的初始状态估计、模糊Hough变换和模糊聚类实现航迹和目标的检测,最后用极大似然法估计出每一批目标的初始状态。仿真实验结果表明,提出的算法能有效实现航迹起始。     

基于高斯混合模型图像局部自适应去噪算法

针对传统阈值小波去噪方法未考虑小波域尺度内和尺度间系数相关性的问题,采用基于小波域统计模型的新型去噪方法,图像小波域的先验统计模型采用高斯混合尺度模型。在计算信号的协方差矩阵时,对图像分块并用椭圆窗滑动求局部协方差矩阵,以达到局部自适应的去噪目的。实验表明,该方法与在子带内求协方差矩阵的方法相比,去噪效果有所提高。     

Color-texture segmentation using JSEG based on Gaussian mixture modeling

1.INTRODUCTIONColor i mage segmentation is useful in many applica-tions.Fromthe segmentationresults,it is possible toidentify regions of interest and objectsinthe scene.Avariety of techniques have been proposed,for exam-ple:stochastic model based approaches[1,4,9],mor-phological watershed based region growing[11],energydiffusion[10],and graph partitioning[7].However,due tothe difficult nature of the problem,there are few auto-matic algorithms that can work well on alarge variety ofdata.Th…     

Multi-resolution image segmentation based on Gaussian mixture model

1. INTRODUCTION Image segmentation, which groups an image’s pixels into some homogeneous regions with respect to one or more characteristics such as gray-level, color and texture, is a basic and challenging problem in image processing. Many researchers have devoted their efforts to this problem and many segmentation algorithms have been proposed[1], histogram based thresholding algorithm, edge detection method and region growing and merging method for instance. Gaussian mixture model bas…     

基于高斯混合模型的光纤罗经误差概率分布建模

针对船用光纤罗经误差的概率分布不完全符合高斯分布的情况, 提出了一种基于高斯混合模型(Gaussian mixture model, GMM)的光纤罗经误差概率分布函数(probability distribution function, PDF)建模方法。该方法使用多个高斯分布的线性叠加来拟合光纤罗经误差的概率分布, 并结合一种鲁棒性的期望最大化(expectation maximization, EM)算法来估计GMM中的参数。仿真分析和实测数据验证, 相比于使用单一的高斯分布, 基于所提方法建立的光纤罗经误差概率分布更加符合该导航设备误差的实际概率分布。     

基于EM算法的有监督LVQ神经网络及其应用

针对监督LVQ神经网络存在神经元未被充分利用以及输入样本和竞争单元之间的信息被浪费等问题。通过将EM算法引入到LVQ神经网络中,提出了基于EM聚类算法的有监督LVQ神经网络(即EMLVQ网络),从而弥补了LVQ神经网络的不足且具有EM算法提取样本信息精确的优点。通过参数的简化可以得到EMLVQ算法是软竞争格式(SCS)的一种推广。最后将它们应用于说话人辨识。实验表明,EMLVQ神经网络辨识说话人取得了很好的效果。     

基于改进高斯粒子滤波器的目标跟踪算法

针对现有机动目标跟踪中粒子滤波算法的不足,提出了一种改进的粒子滤波方法。该方法在高斯粒子滤波的基础上通过利用当前时刻量测值对量测误差的分布参数进行实时的统计和更新,并以此得到粒子的权值,从而考虑到了量测值对估计值的影响,该方法适合于量测误差分布为高斯白噪声且状态量与量测误差相关条件下的非线性估计。仿真结果表明,与传统的自举粒子滤波(boot trap particle filter, BPF)、高斯粒子滤波（Gaussian particle filter, GPF)以及无迹粒子滤波（unscented particle filter, UPF)相比,该方法具有较高的精度和较少的计算量。