一种全局隶属度和小波能量相结合的活动轮廓模型

计算机化X射线体层照相(computeried tomography, CT),图像中的磨玻璃型肺结节,由于其具有模糊的轮廓,且肺结节区域与其邻域的亮度值相差很小等特性,一般的图像分割算法很难对其进行精准地分割。针对该问题,提出一种全局隶属度和小波能量相结合的活动轮廓模型。首先,利用全局隶属度函数调整初始活动轮廓曲线,使之与目标边界的距离更接近,且形状更相似;同时,基于全局隶属度的边界停止函数能快速收敛于目标边界,使得预测曲线更加贴合待分割目标;其次,基于小波能量的局部活动轮廓模型数据项增强了目标与背景之间的对比度,进而能更精准地分割在低对比度和亮度非均匀场景中的目标轮廓。将该模型应用于全实质及部分实质磨玻璃型肺结节的CT图像中,实验证明了本文算法的优越性。     

小波能量引导下基于活动轮廓模型的部分实性肺结节分割

由于部分实性肺结节(pGGO)中的实性成分存在亮度不均匀和边界模糊等问题,传统的活动轮廓模型很难取得精确的分割结果.为此,文中提出了一种改进的小波能量引导下的活动轮廓模型来完成pGGO中实性成分的分割.首先,通过小波变换将图像的灰度信息转变成小波系数,对低通小波系数进行模糊化,以抑制图像局部区域过增强和欠增强,同时结合高通小波系数计算图像的小波能量并构建活动轮廓模型的区域项,以加强肺结节中实性成分与周围磨玻璃影的区分;然后,利用高斯混合模型计算肺结节图像的后验概率,将后验概率差作为活动轮廓模型的边界检测函数,使得在实性成分的边界处边界检测函数趋于0,轮廓曲线停止演变.实验结果显示,文中提出的模型得到的真阳性率为0.95、假阳性率为0.23和相似度为0.80,有助于pGGO中实性成分的确定.     

一种用于超分辨率重建的自适应块匹配算法

提出了一种基于自适应块匹配的超分辨重建算法。首先根据相邻运动块之间的相关性来预测搜索块,然后利用图像的运动特性自适应地选择合适的搜索模式,最后采用最大后验概率估计算法对配准后的图像进行超分辨率重建。该算法可以有效减少搜索匹配点的个数,极大提高搜索速度,并且能够获得与全搜索算法同样高的配准精度,具有较大的峰值信噪比。实验结果表明,所设计算法能获得较好的视觉效果与重建效果,具有一定的实用价值。     

基于能量最小化的多目标跟踪算法研究

多目标跟踪是计算机视觉领域中研究难度较大的一个重要课题,现有的多目标算法只关注生成所有目标的区分性运动和外观模型,如果目标的场景拥挤、掩蔽频繁、外观相似,则很难找到合适的描述符来将这些目标区分开。鉴于此,基于一种在线学习条件随机场模型对跟踪问题进行表述,并将其转化为能量最小化问题。其中,能量函数既包括一组基于运动和外观模型,并可对所有目标进行区分的一元函数;又包括一组可以将对应的踪迹碎片对区分开来的二元函数。最后,提出一种近似算法,可用于高效确定能量成本低、质量高的跟踪问题的解。基于3种公共数据集对算法进行评估。仿真实验结果表明,算法相对其他几种最新算法,具有很大的性能提升;无论在区分外观相似且空间距离较近的目标方面,还是在处理摄像机运动方面,算法的性能均很优异。     

一种用于多目标跟踪的改进PDA算法

对概率数据关联滤波(probability data association filter, PDA)算法进行了改进.新算法考虑了临近目标对航迹更新的影响,修正了关联门相交区域内回波来自被跟踪目标的后验概率.仿真证明,新算法在计算量和PDA算法接近的情况下减少了误跟踪和目标丢失现象.     

一种新的活动轮廓模型算法

传统的活动轮廓模型具有处理速度慢，运算量大，对凹陷轮廓处理效果差等缺点．本文把小波多分辨率技术应用于主动轮廓算法，结合梯度矢量流(gradient vector flow，GVF)概念，首先在低分辨率的图像上进行处理，得到结果后，再在高分辨率层次上继续处理，由此解决了初始轮廓必须离真实轮廓很近的问题，提高了运算速度；同时利用小波分解的方向性，降低了搜索的范围，进一步提高了轮廓收敛的速度；由于使用了GVF所产生的外力场，对于凹陷轮廓同样可以保证正确的收敛．同时比原始的GVF方法处理速度要快得多．     

一种新的双多进制正交扩频调制信号的差分解调算法

研究了具有高频谱效率的双多进制正交扩频调制系统,提出了差分解调输出比特信息的后验概率(APP)算法,该算法能使整个系统获得相当的增益.为了降低运算的复杂度给出了简化算法,并讨论了简化算法的优化策略.在加性高斯白噪声(AWGN)和多径Rayleigh衰落信道下进行的仿真结果表明,所提算法是有效的,采用优化的简化算法性能可以进一步逼近APP算法.     

一种基于HMM模型改进的地图匹配算法

针对轨迹数据在线地图匹配中难以同时保障算法的准确率和时间效率的问题, 提出一种基于隐马尔科夫模型(HMM)改进的在线地图匹配算法, 并提出综合距离因素和方向因素计算发射概率的方法。与其他全局或者局部算法的不同之处在于, 改进的在线地图匹配算法引入可靠点进行轨迹分割, 减少了转移概率的计算和匹配结果的输出延时。用西雅图市浮动车的轨迹数据进行算法的实验验证, 结果表明, 与传统的HMM地图匹配算法相比, 改进的算法在准确率和时间效率上更优, 能够满足在线地图匹配的需求。     

卫星通信中的一种改进LDPC译码算法

在采用LDPC编码的再生转发卫星通信中,取消星上编译码可降低转发器的负载,但地面接收终端的标准MP算法难以精确估计比特后验概率,从而影响LDPC译码器的性能。本文研究地面接收终端精确估计比特后验概率的算法。首先建立再生转发卫星通信模型,分析并给出比特后验概率估计问题产生的原因,然后采用概率论的方法进行理论推导,给出精确估计比特后验概率的算法。Matlab仿真结果表明,在上下行链路载噪比相等、误比特率为10-5时,改进算法可获得0.7 dB的增益。在星上无编译码的再生转发卫星通信中,改进算法可用来提高地面接收机的译码性能。     

一种基于信道软译码的差错隐藏算法

为满足恶劣无线环境下低速率语音通信需要,针对混合激励线性预测(MELP)提出了一种基于信道软译码的差错隐藏算法.利用软译码所得对数似然概率比估计比特错误概率,提出了利用比特错误概率和信源残留冗余,基于最大后验概率(MAP)估计合成端语音清浊音模式.对不同的清浊音模式,选择不同的参数重构方案,浊音帧时,利用对数似然概率比基于最小均方误差(MMSE)准则进行参数重构;清音帧时,硬判决对数似然概率比,由硬判决结果通过映射直接重构参数,在信道编码为递归系统卷积码和并行级联卷积码情况下,采用PESQ测试了提出的差错隐藏算法误码条件下合成语音质量.测试结果表明,与近年来提出的针对MELP的差错隐藏算法相比,该算法具有更好的性能.     

基于选择性模型更新与卡尔曼滤波的目标模型更新算法

选择性模型更新算法不能准确地更新目标模型,在外观变化、遮挡、场景光线变化等因素影响的运动目标跟踪中,不能有效地处理目标模型。因此,提出了一种选择性模型更新与卡尔曼滤波的目标模型更新算法。根据可靠性阈值和分量更新比例精确选取更新分量,并与Kalman滤波相结合,对目标模型分量进行预测,根据不同干扰和目标外形变化,将两种算法的跟踪结果线性加权得到新的跟踪目标模型。实验结果表明该算法具有良好的跟踪效果。     

基于Kalman 滤波的Camshift 运动跟踪算法

提出将Camshift与Kalman滤波相结合的方法.首先,通过二次搜索来调整搜索窗口的位置和大小,保证Camshift跟踪的可靠性;然后,在Camshift算法的基础上,通过卡尔曼滤波对搜索窗口进行运动预测,保证实时跟踪.实验结果表明,在图像背景复杂且目标不规则运动的情形下,采用此方法仍能有效地跟踪到目标.在真实视频数据上的实验结果表明该方法具有很好的应用前景.     

基于补充卡尔曼滤波的载波相位平滑伪距算法

在高精度GPS接收机的基带信号处理中,利用载波相位对码伪距观测量进行平滑可以获得比伪码测量更高的精度。传统的载波相位平滑伪距算法适用于平滑历元数较少的情况,对短时多历元平滑的情况并不适用。针对这一问题,详细分析了传统载波相位平滑伪距算法在多历元平滑时所存在的不足,提出了在基带信号处理中采用补充卡尔曼滤波进行相位平滑伪距的算法,并给出了相应的数学解算过程和算法适用条件。仿真分析结果表明,由于补充卡尔曼滤波算法综合考虑了相关观测误差的影响,因此,当平滑历元数大于500时,补充卡尔曼滤波算法平滑精度要优于传统的平滑算法。     

基于卡尔曼滤波器的机动目标跟踪仿真

将卡尔曼（Kalman）滤波器的变维滤波算法应用于雷达数据处理中,对机动目标进行跟踪,得出机动目标的滤波数据曲线,并对目标进行了拦截仿真。仿真结果表明该方法能估计出目标的运动特征并对运动目标拦截成功。     

Kalman滤波的人体运动位置跟踪算法

基于视频的人体运动跟踪是当前计算机视觉研究的热点 ,具有广泛的应用领域 .文中提出一种基于 Kalman滤波的跟踪算法 .合理使用自适应背景颜色模型 ,能够准确地对人体运动位置进行跟踪 .     

基于卡尔曼滤波器的运动目标检测与跟踪

针对摄像机静止的情况,提出了一种可运用于实时监控中的运动目标检测与跟踪的方法．采用更新函数实现背景实时更新,通过差分算法检测运动目标．在跟踪模块中,提出建立帧间目标“关系矩阵”实现多个运动目标匹配,并采用卡尔曼滤波器预测目标参数,在运动目标相互遮挡的情况下,根据预测参数跟踪目标,获得目标轨迹．通过多个图像序列测试,算法具有良好的实时性和适应环境变化的能力．     

一种基于事件触发的分布式卡尔曼一致性滤波算法设计

针对无线传感器网络中存在的通信带宽受限等问题,设计了基于事件触发的分布式卡尔曼一致性滤波算法.采用增量发送的传输机制,每个传感器仅在当前时刻观测值与最新触发时刻观测值之间的差值平方超出阈值时,才将观测值发送到相应的估值器.而每个估值器都可以通过时间触发的规则从其邻居节点接收到估计值.为了避免估值之间互协方差矩阵的计算,通过局部最小化方差的上界提出了事件触发的分布式卡尔曼滤波器.基于李雅普诺夫方法证明了算法在均方意义下的指数有界性.数值仿真验证了事件触发的阈值越小,通信率越高且滤波器的估计精度越高;否则,通信率越低且估计精度越低.     

基于无迹卡尔曼滤波的无人机跟踪算法

基于四基站对无人机位置的定位数据,利用无迹卡尔曼滤波算法对定位数据进行最优估计,并预测无人机的运行轨迹,从而实现对无人机的实时跟踪.对经典的线性卡尔曼滤波算法和无迹卡尔曼滤波算法进行仿真对比,结果表明,线性卡尔曼滤波算法虽然能跟踪预测轨迹,但有较大的误差,而使用无迹卡尔曼滤波算法能有效地减小误差,使跟踪预测的轨迹更加精确.     

一种基于特征代价函数的多目标跟踪算法

提出一种基于特征代价函数的多目标跟踪算法。根据目标在相邻帧间运动具有连续性以及包围窗口、灰度变化不大的特点，改进了一种代价函数。在跟踪的匹配过程中，启动卡尔曼滤波和预测目标匹配搜索区域，同时使用目标链记录目标最新的运动状态和特征值，从而保证运动跟踪的连续性和计数的有效性。     

基于模板匹配与线性预测的目标跟踪算法

为解决复杂场景中目标遮挡、算法鲁棒性差的问题, 提出基于模板匹配与线性预测的算法。该算法分为模板匹配和线性预测两部分。场景中无遮挡物时, 执行模板匹配算法, 获取目标跟踪信息; 否则, 通过预测算法估计目标的状态, 进而实现目标跟踪。实验结果表明, 在目标有遮挡干扰的情况下, 采用该算法能稳定、准确地实现目标跟踪, 与传统的模板匹配算法相比具有较强的鲁棒性。