基于图像扩散去噪的距离特征量提取研究

距离特征量反映了目标运动过程中的距离变化率,该观测量可由目标辐射噪声LOFAR谱图的干涉条纹中提取得到。低信噪比情况下,由于噪声的影响,干涉条纹特征会变模糊,提取的距离特征量值精度会降低。为提高提取精度,提出了一种边缘定向增强型扩散方程去噪方法,对LOFAR谱图进行处理,使条纹特征更加明显。迭代次数对扩散方程去噪效果影响很大,根据相关性原理,提出了一种迭代次数选择方法。为了使条纹特征更加易于区分,提出了一种基于区域分割的图像二值化方法。数值模拟实验和海试数据处理结果表明,LOFAR谱图经过处理后,提取出的距离特征量精度明显提高。     

基于相平面轨迹方法的海底底质分类研究

提出了基于相平面轨迹的海底底质分类的方法,从海底回波信号的相平面轨迹中提取两个特征量:最大距离特征量和距离分布特征量。利用这两个量的统计特征来完成对不同海底的分类,并将该方法应用于处理海上实验数据。结果表明:该方法可靠地识别出了两种相近(沙-粉沙-粘土与粉沙质粘土)但不相同的海底底质类型,说明这种方法用在海底底质分类是可行有效的。     

基于I-BGLAM纹理和光谱融合的高光谱显微成像木材树种分类

为了提高木材树种分类的正确率,提出了一种基于I-BGLAM纹理特征和光谱特征融合的高光谱图像的木材树种分类方法。实验数据是利用SOC710VP高光谱成像仪获取的可见光/近红外（372.53~1 038.57 nm）范围内的高光谱图像。首先,利用基于OIF的特征波段选择方法降低高光谱图像的维数,选择出含有信息量大的波段。其次,对选择出的波段图像使用NSCT及NSCT逆变换得到融合图像,对得到的融合图像使用I-BGLAM提取其纹理特征。与此同时,对高光谱图像的全波段求取平均光谱并进行S-G（Savitzky-Golay）平滑得到光谱特征。最后,将得到的纹理特征和光谱特征融合后送进极限学习机（ELM）中进行分类。此外,还和基于灰度共生矩阵（GLCM）的木材识别的传统方法以及近几年木材树种识别领域内被提出的主流方法进行了比较。该研究主要创新点有两个：一是将强纹理提取器I-BGLAM用于高光谱图像中提取其纹理特征;二是提出一种新的特征融合的模型用于高光谱图像的分类。针对8个树种的实验结果表明,单独使用I-BGLAM提取的纹理特征来进行分类的正确率最高可到达88.54%,而使用GLCM提取纹理特征的传统方法正确率最高只有76.04%,该结果可以得出本文使用I-BGLAM在纹理特征提取方面要优于GLCM,这为后面建立的融合模型打下很好的基础,单独使用平均光谱特征来分类的正确率最高可以达到92.71%,使用所提出的特征融合方法所得到的分类正确率最高可达到100%,这说明使用所提出的融合模型来分类要比以前单独使用某一种特征的分类模型要好。此外,使用所提出的方法得到的分类正确率要高于本领域内其他两种主流的识别方法。因此,所提出的基于I-BGLAM纹理特征和光谱特征融合的方法能够提高木材树种分类的正确率,该方法在木材树种分类方面有着一定的利用价值。     

声矢量传感器线阵波导不变量被动测距研究

介绍一种利用水声信道的统计不变特征(波导不变量)实现被动测距的方法。对接收LOFAR(Low FrequencyAnalysis Record)图使用HOUGH变换等边缘提取技术提取条纹,得到波导不变量以及抛物线参数的估计值,进而得到目标的CPA(Closest Point of Approach)点距离。矢量水听器的振速通道数据所得LOFAR图信噪比明显高于声压LOFAR图,可以提高测距精度。仿真和试验数据结果显示本方法能以较高的精度提取CPA点距离。对比波导不变量经验值和在线估计值所得最近点距离结果,发现使用具有一定精度的在线估计波导不变量值可以显著提高测距精度。     

基于空-频域特征和线性判别分析的视频步态识别

为提高步态识别准确率,提出了基于空-频域特征和线性判别分析的视频步态识别方法。利用离散余弦变换、Contourlet变换分别提取步态能量图的频率特征和多尺度多方向轮廓特征;融合得到空-频域特征,并通过线性判别分析映射到最佳鉴别矢量空间;根据相似性距离实现身份识别。在中科院自动化所提供的数据库中进行实验,结果表明,提出的特征提取方法优于现有常用方法。空-频域特征能够有效地区分步态中的高低频分量,并捕捉丰富的细节信息,线性判别分析在降维的同时进一步增强特征的判别能力,有助于提高识别精度。     

利用全局信息提取靶标特征的方法

为了准确提取图像中目标特征,结合靶标的尺寸和特征信息提出了一种基于全局信息的方法。利用霍夫变换(HT)确定图像中包含靶标的目标区域;在目标区域中提取靶标上不同特征区域的中心;利用提取的中心拟合靶标在图像中所占区域的圆心和半径;完成图像上各区域与靶标上对应区域的匹配。实验证明该方法能够有效、准确的提取图像中靶标的特征,实验室内实验中靶标上特征区域中心提取精度为0.09pixel,实验室外提取精度为0.12pixel。在序列图像处理时,利用前一帧图像的结果可以有效降低计算量,提高提取精度。     

车载图像跟踪系统中复杂场景下目标提取算法的研究

提出一种新的复杂场景下的目标图像提取方法。给出一种改进的Snake模型,并将其应用到初始模板的建立中;引入分形布朗随机场模型,利用小波分形维数和分形拟合误差确定可能的目标区域;定义了一种新的最小失配距离（MMD）相似性度量,并基于目标的特征区域进行快速相关匹配。该算法通过精确建立初始模板和采用由粗到精的目标搜索策略,既保证了目标提取的精度,又大大减少了计算量。     

基于多分辨率融合距离的低质量星系光谱红移测量方法

星系光谱红移测量是大规模天体光谱巡天项目中的一个重要研究内容,其目的是从在光谱中测量出对应星系由于多普勒效应引起的红移。随着银河系外巡天项目的开展,观测目标距离(红移)越来越远,其星等越来越暗,光谱的质量也随之越来越差,如何能够有效准确地从这些低质量的光谱测量出红移是河外巡天面临的一个重要问题。基于此问题,充分考虑到低质量星系光谱的特点及数据特征,新定义了一种针对低质量巡天光谱数据的多分辨率融合距离,以此为基础提出一种针对低质量星系光谱的红移测量方法。该方法充分结合不同分辨率下光谱的特征,计算距离时首先将模板光谱和待测光谱同时降到多个相同分辨率下,该分辨率下所有波长采样点都计算一个偏差进而得到一个距离,然后将多个分辨率下得到的距离通过加权得到一个融合距离。基于多分辨率融合距离提出的星系红移测量方法,能够有效的解决低质量星系光谱的红移无法准确测量的问题。研究了不同信噪比下红移测量的精度,在信噪比大于5之后,该方法测量准确率可以达到90%以上。大量实验表明,提出的方法在星系光谱质量较低的情况可以非常准确地从中测量出红移,测量误差和红移大小无关,可以很好地应用于大规模巡天数据的星系光谱红移测量中。     

一种改进的视觉传感器与激光测距雷达特征匹配点提取算法

激光测距雷达与视觉传感器的配准是视觉图像与激光距离信息融合的前提。激光测距雷达与视觉传感器的配准可分为点匹配与平面匹配。由于混合像素和非结构空间特征激光点丢失现象,使得基于点匹配的视觉传感器与激光测距雷达配准算法精度难以提高。通过对混合像素和非结构空间特征激光点丢失问题的分析,提出了一种结合平面建模思想,利用假想激光光束与平面模型相交提取匹配特征点的方法。验证了实验结果并进行了算法精度比较。实验结果表明,这种改进的特征匹配点提取算法解决了特征点缺失,并且提高了点匹配的精度,使匹配性能大大地改善。     

基于时/频域分析的光电吊舱稳定精度测试方法研究北大核心CSCD

稳定精度作为光电吊舱的关键性能指标之一,开展瞄准线稳定精度测试方法研究对于光电吊舱测试与验收具有重要意义。结合粗精组合稳定光电系统,提出一种基于时/频域分析的稳定精度测试方法。通过采集随机振动环境下惯性速率传感器和光学补偿元件的角位置信号,基于信号时域分析,得到图像漂移角速率、抖动及概率分布情况;基于信号频域分析,得到瞄准线角位置信号的功率谱密度。提出频段稳定精度贡献度,用于评估不同频段对稳定精度的影响程度;采用二级稳定效能提升度,评价二级稳定在不同频段对系统稳定性能的提升程度。该方法可以直观展示图像抖动及概率分布情况,同时给出影响瞄准线稳定精度的频率要素,对于指导机电系统设计具有重要的工程应用价值。     

均值+方差二维表征高光谱信息的苹果腐败预警方法

为实现苹果在贮藏过程中有效的腐败预警,提出一种基于高光谱图像灰度值均值融合方差的二维高光谱信息表征方法,并构建了苹果样本的巴氏距离（BD）预警模型。首先,为获得有效的光谱信息,对高光谱图像的感兴趣区域（ROI）进行了选择;同时,为减少噪声影响,通过对比分析6种光谱信息的预处理方法,最终采用Savitzky-Golary(SG)平滑方法,分别对均值和方差表征的两种光谱信息进行全波段（371.05～1 023.82 nm）光谱曲线降噪处理。其次,为获得特征波长,从降噪后的光谱曲线中运用连续投影算法（SPA）结合样本色调角和失水率2个理化指标,提取了高光谱图像共同的特征波长,分别得到了两种表征方式下的7个（均值表征）和8个（方差表征）特征波长。然后,通过分析样本色调角随贮藏天数变化的折线图,确定了图中发生明显转折的数据点所对应的贮藏日期,并结合样本贮藏期间实际观察的情况,初步界定第21贮藏日为样本腐败的基准日。另外,依据苹果样本表皮叶绿素特征吸收波长（675 nm左右）,绘制出平均光谱反射值变化趋势图,发现趋势图在第21日升至最高点,吻合色调角的分析结果,这表明样本确实从第21日开始腐败。因此,第21贮藏日对应的特征波长可用来建立腐败基准日的光谱信息表征向量。最后,分别建立基于均值表征、方差表征及二者相融合表征下的光谱信息巴氏距离腐败预警模型。结果表明：基于均值融合方差的光谱表征信息所建立的预警模型相较于它们各自建立的预警模型,波动性进一步减弱,可更好地反映苹果样本在贮藏过程中接近腐败的程度。因此,融合灰度值均值和方差的光谱表征信息更能全面的表征苹果贮藏过程中的品质变化,模型预警的稳健性及泛化能力更强,为利用高光谱图像信息对苹果贮藏进行腐败预警提供了新思路。     

基于TTDF和CNS算法的多路BOTDR散射谱信息高精度分析研究

传统的BOTDR光纤传感系统采用单路传感光纤实现对信息特征的测量,交叉敏感等不可控因素会使散射谱拟合精度较低,信息分析偏差较大。设计了一种同时对多路传感信息进行检测的BOTDR系统。针对基于布里渊光时域反射(BOTDR) 的多路传感散射谱高精度特征提取的要求,提出了一种三次数据融合(TTDF)与布谷鸟牛顿搜索(CNS)相结合的散射谱信息分析方法。该方法利用TTDF对信息数据的融合能力,根据狄克逊准则和格拉布斯准则,剔除了异常值的影响,减小了传感信号的误差;采用布谷鸟牛顿搜索算法进行频谱拟合,不仅通过布谷鸟的智能搜索能力得到全局最优解,而且以该最优解作为牛顿算法的初值进行局部寻优,保证了频谱拟合的精度,提高了布里渊散射谱信息分析的准确度。在温度信息散射谱线性权重比为1∶9的情况下,分析了不同线宽散射谱信息的提取。采用该方法进行多路数据融合的方差约为0.003 0,散射谱的中心频率约为11.213 GHz,温度误差小于0.15 K。理论分析和仿真结果表明,将此方法用于基于布里渊光时域反射的多路分布式光纤传感系统,可有效提高多路传感信号的准确度和布里渊散射谱信息分析的精确度。     

基于信息融合的模拟电路故障的特征提取与融合方法

在模拟电路故障诊断中,故障特征的提取是一个非常重要的环节,其提取结果的好坏将直接影响最终的诊断正确率。对现有文献研究发现,每种特征提取方法单独使用时都有一定的局限性,为了能够更加充分的提取模拟电路故障特征,提出了小波包分析与主元分析并行应用的方法,并将两种方法提取的特征向量依据不同规则进行了三种类型的融合,方便对比实验。为获取最优小波特征,提出了特征偏离度,并以此为标准选择最优小波基。最后,通过设计一种改进的神经网络分类器模型,将融合后的三种特征向量送入其中进行仿真验证,得出最终诊断结果。结果表明,该方法能够有效克服单一特征提取方法提取不充分的缺点,提高故障诊断的正确率,并且融合因子 适中时诊断正确率最高。     

基于可能性分布联合落影的红外图像融合算法选取

针对双模态红外图像实际融合需求中常涉及到异类差异特征协同优化融合,且现有差异特征属性无法针对性地调整融合算法进行有效驱动,导致融合效果差等问题,提出了基于可能性分布联合落影的双模态红外图像融合算法选取的方法。首先计算双模态红外图像差异特征幅值的融合有效度,利用K最近邻法得到差异特征幅值的概率密度分布,得到差异特征频次属性的分布;然后通过差异特征幅值属性与频次属性构造差异特征权重函数,建立异类差异特征权重函数与多融合算法间的可能性分布合成,得到异类差异特征权重函数多融合算法融合有效度的联合落影;最后构建融合性能指标动态选取最优融合算法。实验结果表明,本文方法所选出的最优融合算法在等级得分指标上明显优于其他算法,验证了本文将可能性分布联合落影运用于双模态红外图像最优融合算法选取中具有可行性。     

水体透射光谱的多特征融合COD含量估算研究

化学需氧量(chemical oxygen demand,COD)是一项可以快速检测有机污染物的参数,能够很好地反映水污染的程度.提出一种基于透射光谱测量的多特征融合水体COD含量估算模型,透射高光谱法采集100组COD水体光谱信息,对光谱数据进行预处理以及特征波段的选取,分析不同预处理方法对模型精度的影响并进行特征融...     

A Novel Adaptive Feature Fusion Strategy for Image Retrieval

In the era of big data, it is challenging to efficiently retrieve the required images from the vast amount of data. Therefore, a content-based image retrieval system is an important research direction to address this problem. Furthermore, a multi-feature-based image retrieval system can compensate for the shortage of a single feature to a certain extent, which is essential for improving retrieval system performance. Feature selection and feature fusion strategies are critical in the study of multi-feature fusion image retrieval. This paper proposes a multi-feature fusion image retrieval strategy with adaptive features based on information entropy theory. Firstly, we extract the image features, construct the distance function to calculate the similarity using the information entropy proposed in this paper, and obtain the initial retrieval results. Then, we obtain the precision of single feature retrieval based on the correlation feedback as the retrieval trust and use the retrieval trust to select the effective features automatically. After that, we initialize the weights of selected features using the average weights, construct the probability transfer matrix, and use the PageRank algorithm to update the initialized feature weights to obtain the final weights. Finally, we calculate the comprehensive similarity based on the final weights and output the detection results. This has two advantages: (1) the proposed strategy uses multiple features for image retrieval, which has better performance and more substantial generalization than the retrieval strategy based on a single feature; (2) compared with the fixed-feature retrieval strategy, our method selects the best features for fusion in each query, which takes full advantages of each feature. The experimental results show that our proposed method outperforms other methods. In the datasets of Corel1k, UC Merced Land-Use, and RSSCN7, the top10 retrieval precision is 99.55%, 88.02%, and 88.28%, respectively. In the Holidays dataset, the mean average precision (mAP) was 92.46%.     

Deep Coupling Recurrent Auto-Encoder with Multi-Modal EEG and EOG for Vigilance Estimation

Vigilance estimation of drivers is a hot research field of current traffic safety. Wearable devices can monitor information regarding the driver’s state in real time, which is then analyzed by a data analysis model to provide an estimation of vigilance. The accuracy of the data analysis model directly affects the effect of vigilance estimation. In this paper, we propose a deep coupling recurrent auto-encoder (DCRA) that combines electroencephalography (EEG) and electrooculography (EOG). This model uses a coupling layer to connect two single-modal auto-encoders to construct a joint objective loss function optimization model, which consists of single-modal loss and multi-modal loss. The single-modal loss is measured by Euclidean distance, and the multi-modal loss is measured by a Mahalanobis distance of metric learning, which can effectively reflect the distance between different modal data so that the distance between different modes can be described more accurately in the new feature space based on the metric matrix. In order to ensure gradient stability in the long sequence learning process, a multi-layer gated recurrent unit (GRU) auto-encoder model was adopted. The DCRA integrates data feature extraction and feature fusion. Relevant comparative experiments show that the DCRA is better than the single-modal method and the latest multi-modal fusion. The DCRA has a lower root mean square error (RMSE) and a higher Pearson correlation coefficient (PCC).     

基于灰度曲面匹配的虹膜识别方法

目前的虹膜识别都是采用在图像上提取特征点,并将特征点编码为固定长度的特征数据用于匹配的方式。这种方式使虹膜识别系统易受攻击。为了进一步提高虹膜识别系统的安全性和识别速度,提出了一种基于灰度曲面匹配的虹膜识别方法。该方法抛弃了特征提取和编码等传统操作,在特征分析的基础上直接利用了灰度曲面匹配的思想,首先对两幅图像中的像素灰度做差,得到灰度差曲面,然后求出该灰度差曲面的方差。将此方差作为衡量两个虹膜特征曲面之间距离的依据,并据此判定两个虹膜是否来自同一只眼睛。在给定阈值为40的前提下,正确识别率为96.89%,识别时间为53.2 ms。实验结果证明,该方法识别准确率高,识别速度快。     

利用信号自相关函数warping变换的浅海水下移动观测平台机动优化方法

水下移动观测平台的机动航路对纯方位目标运动分析方法的使用性能具有重要的影响。针对此问题,提出了一种利用信号自相关函数warping变换的浅海水下移动观测平台机动优化方法。该方法利用warping变换从接收信号自相关函数中提取与目标距离相关的简正波相干项的特征频率,进而估计距离特征量,再根据预估的目标初始距离范围估计目标运动态势范围。针对观测平台机动方式为匀速转弯运动的情况,以目标方位变化率为评价指标得到了观测平台在所估计的目标运动态势范围下的最优转弯角速率。在浅海Pekeris波导环境下的数值仿真结果和实验数据处理结果表明:方位变化率与纯方位扩展卡尔曼滤波算法的性能密切相关;利用warping变换可以有效地估计距离特征量;观测平台根据以方位变化率为评价指标得到的最优转弯角速率进行机动可以获得较好的目标跟踪性能,收敛时间较短,目标位置估计误差较小。