基于非下采样剪切波变换域方向信息测度的多聚焦图像融合方法

根据非下采样剪切波变换(non-subsample shearlet transform, NSST)在图像融合领域的优势和多聚焦图像的成像特点,将NSST运用于多聚焦图像融合。在NSST变换域中,利用方向信息测度能够突出图像边缘纹理特征以及降低图像噪声,将其运用在高频子带系数的融合规则中,并对传统的低频融合策略进行改进,将低频系数和高频系数的融合图像进行NSST的逆变换,得到融合图像。计算机仿真实验表明,相比于传统的剪切波变换的融合策略,本文提出的图像融合方法提高了图像的融合质量,增加了图像的信息量,并能降低图像噪声,具有一定的有效性和实用性。     

基于NSCT和ICA的红外和可见光图像融合方法

针对基于非下采样轮廓波变换（ｎｏｎ ｓｕｂｓａｍｐｌｅｄｃｏｎｔｏｕｒｌｅｔｔｒａｎｓｆｏｒｍ,ＮＳＣＴ）的红外和可见光图像 融合存在的目标信息不明确、融合图像对比度较低的问题,提出了ＮＳＣＴ 和独立分量分析（ｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏ ｎｅｎｔａｎａｌｙｓｉｓ,ＩＣＡ）的红外和可见光图像融合方法。首先采用ＮＳＣＴ 对红外和可见光图像进行多尺度、多方向分 解,然后对分解后的红外和可见光图像的低通子带系数采用基于ＩＣＡ 的图像融合方法,得到低通融合图像。再使 用以邻域系数差和信息熵为标准的带通图像融合规则对带通子带系数进行融合,得到带通融合图像。最后对低 通融合图像和带通融合图像进行ＮＳＣＴ 的逆变换,从而得到最终的融合图像。仿真实验验证了本文方法的有 效性。     

一种改进的分片包标记IP追踪方案

针对Savage等人提出的分片包标记方案(fragment marking scheme,FMS)存在的不足,提出一种改进的分片包标记方案(IFMS),该方案通过扩大标记空间和采用动态标记概率的方法,减少了重构攻击路径所需的数据包数,降低了计算开销,同时采用40位Hash作为误差校验,显著降低了路径重构的误差率.理论分...     

基于D-S证据理论的模糊聚类集成

针对现有集成方法在处理模糊聚类时的不足,提出一种新的模糊聚类集成方法。在证据合成的理论框架内,讨论在识别框架、概率分配函数、合成规则等问题。给出了3种基本概率分配方法：近似类别分配概率方法、归一化模糊海明距离方法以及二者证据合成的方法。分析指出合成的方法能够较好利用二者的优势进行互补,获取更为合理的基本概率分配方法。最后,通过实验讨论所提方法的参数设置、收敛性和有效性等问题。     

基于IFTBN的不确定性时间推理方法

针对模糊贝叶斯网络模型对复杂不确定性时间信息描述和推理方面的局限性,给出了直觉模糊贝叶斯网络的定义,并将直觉模糊时序逻辑理论与贝叶斯网络推理相融合,构建了直觉模糊时间贝叶斯网络(intuitionistic fuzzy time Bayesian network, IFTBN)模型,提出了基于IFTBN的不确定性时间推理算法,较好地解决了态势估计中不确定性时间推理精度不高的问题,提高了军事态势评估系统形成正确战场感知的作战效能。最后通过典型实例验证了该时间推理方法的有效性和优越性。     

参数自适应的长期IFTS预测算法

针对模糊时间序列预测理论多局限于短期时间范围预测以及对不确定数据集模糊变化趋势描述和论域区间划分研究不足的问题,构建了参数自适应的长期直觉模糊时间序列预测模型。新模型通过引入滑动窗口机制和参数自适应的直觉模糊C均值聚类算法优化论域区间划分,利用矢量预测技术解决时间序列长期范围预测误差积累的问题,有效地提高了复杂环境下时间序列长期趋势预测的精度,扩展了直觉模糊时间序列预测理论的应用范围。最后,通过典型实例验证了该方法的有效性和优越性。     

基于NSST域灰度关联分析的多聚焦图像融合方法

根据多聚焦图像的成像特点,并利用非下采样剪切波变换(non-subsample shearlet transform,NSST)在图像融合领域的优势,将非下采样剪切波变换运用于多聚焦图像融合.由于NSST会将图像分解为一幅低频图像和若干幅高频图像,对于低频图像采用了基于标准差的融合策略,而针对高频图像的特点,利用灰度关联分析在图像融合中的优势,将其运用在高频图像的融合中.后将低频图像和高频图像的融合图像进行NSST的逆变换后得到了融合图像.计算机仿真实验表明:相比于传统的剪切波交换,本文提出的图像融合方法提高图像的融合质量,增加了图像的信息量,具有一定的有效性和实用性.     

时域证据融合中的可信度衰减模型

证据理论在时空信息融合领域都有着广泛的应用,时域信息融合表现出明显的序贯性和动态性,在空域进行证据融合时处理证据冲突的方法并不一定适用于时域,时域证据融合中如何确定证据的动态可信度是值得关注的问题。针对此问题,基于Dempster证据组合规则和证据折扣理论,分析了时域证据融合的马尔可夫性,建立了证据可信度衰减模型,在此基础上得到证据动态可信度,以此作为动态折扣因子对证据进行折扣。算例仿真表明,可信度衰减模型可以基本满足时域证据融合的要求,能有效处理时域融合中的证据冲突。     

基于NSST域的红外和彩色可见光图像融合

为了进一步提升彩色可见光和红外图像的融合质量,提出了基于NSST和颜色空间的彩色图像融合方法.首先将RGB空间的彩色可见光图像变换到更符合人类视觉系统的颜色空间,其次利用NSST可以更好提取图像细节信息的优势,对颜色空间的非彩色分量和红外图像进行NSST分解,对分解后的低频系数采用基于方向信息测度的系数选择方案,对高频系数则采用基于隐马尔可夫树(hidden Markov tree,HMT)模型的系数选择方案,然后对经过选择融合的低、高频系数进行NSST逆变换,得到的融合图像作为新的非彩色分量,结合已有的分量将其逆变换回RGB空间,得到最终的融合图像.仿真实验证明了方法的有效性.     

基于自适应t分布变异的粒子群特征选择方法

在分析粒子群优化（particle swarm optimization, PSO）的基础上,提出了一种基于自适应t分布变异的简化粒子群特征选择方法。针对PSO容易陷入局部收敛的缺陷,通过对群体极值进行自适应t分布变异,使其跳出局部收敛。为了解决随机选择初始群体可能会延长搜索时间这一问题,将互信息引入到算法中。通过计算特征与类别的相关性来确定每个特征的入选概率,根据概率值生成一个近似最优粒子,使粒子群一开始就沿着比较合理的方向搜索,从而缩短进化时间。最后,以支持向量机（support vector machine, SVM）为分类器,通过仿真实验验证了算法的可行性和有效性。