联合行稀疏与l_(1/2)-范数稀疏表示的红外小目标检测算法

针对红外图像的小目标检测问题,提出了一种联合行稀疏与l_(1/2)-范数稀疏表示的小目标检测算法。首先采用滑动窗口对原始红外图像进行分块,构建分块图像矩阵;然后,根据稀疏与低秩表示理论建立行稀疏与l_(1/2)-范数稀疏表示的模型,并利用交替方向乘子算法求解得到稀疏矩阵和低秩矩阵;最后,通过图像重构,得到小目标的图像,并采用阈值分割的方法确定小目标的真实位置。实验结果表明,算法可以实现对不同背景红外图像中的小目标准确检测,与红外块图像建模算法相比,检测后的图像信杂比接近的情况下,检测速度提升了约1倍。     

基于极端学习机背景预测的红外小目标检测算法

为自适应检测复杂环境中的红外小目标,提出了基于极端学习机背景预测的红外小目标检测算法。首先,依据灰度值分布设计局部边缘敏感平滑滤波器,在相近的灰度范围内,使中心像素的灰度值等于邻域内多数灰度值的融合,对红外图像进行滤波,能够去除大量噪声并突出图像主要结构;其次,利用极端学习机对滤波后的图像建立回归模型,以邻域像素值为输入,以中心像素值为输出训练模型,并对背景进行预测,得到的图像与滤波后的图像做差,得到小目标显著图;最后,利用图像块对比特性对显著区域处理,使小目标区域均匀突出,抑制背景区域,并经过简单阈值操作,实现对红外小目标的检测。实验结果表明:与其他检测算法相比,在复杂背景下,本文算法检测结果的局部信噪比增益最高,单帧检测时间为0.18 s。本文算法对背景进行学习,发掘背景与目标的差异,提高了算法的适应能力,并且能够有效检测小目标。     

基于可见光与红外图像特征融合的目标跟踪

针对单一图像源下目标跟踪精度不高的问题,利用跟踪状态下的目标存在于可见光与红外图像中的特征对连续自适应均值移动跟踪算法做出改进。首先选取可见光图像的“颜色梯度背投影”作为改进的目标模型,选取红外图像的“灰度梯度背投影”作为改进的目标模型;然后根据可见光序列图像和红外序列图像各自进行连续自适应均值移动跟踪算法得到的对应的qi系数判定两种图像跟踪的效果,对两种图像的权重进行自适应调整,得到这两种图像的特征级融合图像和跟踪结果。实验结果表明,对于320像素×240像素的可见光和红外图像,基于可见光与红外图像特征融合的目标跟踪算法在复杂背景下能够较准确的跟踪目标,目标跟踪精度为0.5像素,跟踪速度为30~32 ms/帧。     

FAST ALGORITHMS FOR DETERMINING POSITIVE DEFINITENESS OF LARGE SCALE MATRICES IN SOLID STRUCTURE ANALYSIS

对于结构稳定性分析中超大规模矩阵正定性判定,必须采用并行计算方法,传统方法如计算特征值、主子式行列式及LDLT等直接方法难以实现.本文提出了一些可适用于并行的迭代判定算法.借鉴力学系统中能量下降的思想,发展了一种判定矩阵正定性的新思路,即将矩阵的正定性判定问题转化为一个优化问题,并基于优化算法来判定矩阵的正定性.提出了基于最速下降法和共轭梯度法来进行矩阵正定性判定的算法.然后考虑到力学系统刚度矩阵的稀疏性和结构刚失稳状态的弱非正定性,提出可以先截超平面后解方程求驻值点的方法来判定弱非正定矩阵的正定性.为了保证对强非正定矩阵判定的准确性,本文提出可以高效混杂使用截平面法和共轭梯度法.数值实验结果表明,本文提出的算法具有准确性和高效性.对于强非正定矩阵而言,共轭梯度算法更加高效;而对于弱非正定矩阵,则是截平面法和混杂算法更加高效.这些算法都容易在机群上实现并行计算,能够快速判定大规模矩阵的正定性.     

基于无基底焦平面阵列的红外图像复原算法

与传统有基底焦平面阵列不同,无基底焦平面阵列的感热单元吸收的红外辐射以点扩散函数的形式向相邻单元进行热传导,该热力学特性虽然能够大幅提高红外探测性能,使红外目标在背景中更加凸显,但同时降低了系统对红外目标细节的分辨能力,使图像模糊。通过分析这种热扩散叠加效应对红外成像质量的影响,利用数字图像处理方法,提出了针对性的红外图像复原算法。仿真和实验均表明该算法能够有效增强红外图像细节轮廓,提升图像质量。     

固体结构大规模矩阵正定性判定的快速算法

对于结构稳定性分析中超大规模矩阵正定性判定,必须采用并行计算方法,传统方法如计算特征值、主子式行列式及LDLT等直接方法难以实现.本文提出了一些可适用于并行的迭代判定算法.借鉴力学系统中能量下降的思想,发展了一种判定矩阵正定性的新思路,即将矩阵的正定性判定问题转化为一个优化问题,并基于优化算法来判定矩阵的正定性.提出了基于最速下降法和共轭梯度法来进行矩阵正定性判定的算法.然后考虑到力学系统刚度矩阵的稀疏性和结构刚失稳状态的弱非正定性,提出可以先截超平面后解方程求驻值点的方法来判定弱非正定矩阵的正定性.为了保证对强非正定矩阵判定的准确性,本文提出可以高效混杂使用截平面法和共轭梯度法.数值实验结果表明,本文提出的算法具有准确性和高效性.对于强非正定矩阵而言,共轭梯度算法更加高效;而对于弱非正定矩阵,则是截平面法和混杂算法更加高效.这些算法都容易在机群上实现并行计算,能够快速判定大规模矩阵的正定性.     

追踪再正交Lanczos算法及其在SAP5程序中的实现

本文提出了适于求解大型复杂结构部分固有频率及其相应振型的追踪再正交Lanczos算法。该算法采用追踪再正交判定准则和截断Lanczos收敛性判定准则,从而减少了运算次数,提高了求解效率。数值结果表明,该算法与子空间迭代法相比收敛快、计算量小,是求解大型稀疏实对称矩阵特征值问题的有效算法。     

基于H - Matrices的结构特征值问题加速研究

提出遗传双重互易法,利用遗传矩阵结构（Hierarchical Matrices , H - Matrices）加速双重互易边界元法（DRBEM）结构特征值问题分析过程并压缩数据存储。通过自适应交叉拟合算法对遗传矩阵中的相容子块使用低阶秩块拟合,减少参与矩阵运算数据规模,降低计算消耗的内存空间。针对规模和效率的不同计算环境要求提出两种求解优化策略,即完全遗传双重互易法(PHDM)和混合遗传双重互易法(MHDM),以求针对性提高数值计算效果。数值算例验证了所提方法的效率以及数据压缩效果。     

复杂环境下基于Huber-RKF的移动机器人信息融合算法

为解决移动机器人组合导航系统中由于存在时变、非高斯噪声而导致的估计精度下降问题,提出一种将秩卡尔曼滤波器(Rank Kalman Filter, RKF)与Huber统计线性回归近似方法相结合的Huber秩卡尔曼滤波算法(Huber-RKF)。RKF与高斯确定点采样型滤波算法结构相似,但它不需要满足高斯分布假设条件,完全利用秩统计量相关原理计算采样点及其权值,适用于非线性、非高斯系统;Huber方法将l1/l2混合范数作为代价函数,通过迭代求得最优估计值,具有较好的鲁棒性;把二者相结合,将Huber最优估计作为RKF算法结构中的量测更新,得到的Huber-RKF算法具有良好的鲁棒性和滤波估计精度。仿真实验中将Huber-RKF与EKF、RKF以及交互式多模型秩卡尔曼滤波器(IMM-RKF)进行比较,其纬度、经度估计误差分别减小了69.5%、75.6%,44%、44.1%,27%、14%;算法实时性方面,Huber-RKF算法中程序循环体单次执行的时间为20.8 ms,比IMM-RKF执行速度快33%。     

基于改进SPECK的雷达图像无损压缩算法

针对VDR雷达图像的无损压缩技术要求高速、高效、低内存占用量的特点,在分析图像整数小波变换的基础上,研究一种基于整数小波和改进SPECK快速无损压缩算法.该算法利用整数小波对图像进行变换,进而采用SPECK进行编码.SPECK算法采用易于计算和并行处理的块结构,不仅提高了编码速度,还具有动态存储小、容错性好等特点.算法中还引入了哈希表和综合匹配法对SPECK算法进行了改进.通过对VDR雷达图像的无损压缩实验证明,该算法不仅提高了压缩速度,而且提高了压缩比,具有广泛的应用价值.