Motion estimation based on an improved block matching technique

An improved block-matching algorithm for fast motion estimation is proposed. The matching criterion is the sum of absolute difference. The basic idea is to obtain the best estimation of motion vectors by an optimization of the search process which can terminate the time-consuming computation of matching evaluation between the current block and the ineligible candidate block as early as possible and eliminate the search positions as many as possible in the search area. The performance of this algorithm is evaluated by theoretic analysis and compared with the full search algorithm (FSA). The simulation results demonstrate that the computation load of this algorithm is much less than that of FSA, and the motion vectors obtained by this algorithm are identical to those of FSA.     

一种Volterra级数模型的简化辨识方法及其应用

针对基于Volterra级数模型的非线性系统辨识中存在的“维数灾难”问题,提出了一种基于分块最小均方(BLMS)滤波器的简化辨识方法.该方法利用影响指数的概念,在保证一定辨识精度的前提下,根据每个Volterra核函数对辨识结果贡献的大小对其进行筛选,然后用筛选出的有效核函数作为对原系统的近似,从而达到降低辨识维数,减少计算量的目的.最后,文章用一个工程实例验证了该算法的有效性.     

基于负数阶矩的正值Alpha稳定分布的参数估计

为了精确估计正值alpha稳定（PAS）分布的参数，基于负数阶矩理论，提出了比值估计、对数矩估计和迭代对数矩估计3种参数估计方法．比值估计直接利用特定阶次的负数阶矩的比值来估计未知参数，对数矩估计利用PAS分布的对数变换及其负数阶矩的Taylor展式从而获得解析的估计形式，迭代对数矩估计通过样本分段迭代估计未知参数．与传统的估计方法相比，所提出的3种估计方法可以获得更高的估计精度，并且对数矩估计具有较低的计算复杂度．MonteCarlo仿真实验表明，当独立运行次数为100、样本总数为5000时，比值估计的估计精度可以达到99．8％，对数矩估计的估计精度可以达到99．95％，迭代对数矩估计的估计精度可以达到99．94％．     

基于核的自组织映射聚类

将核学习的方法应用于自组织映射聚类中,提出了一种核自组织映射聚类算法.该算法以核函数代替原始数据在特征空间中映射值的内积,并且神经元权值向量的初始化和更新都可由其组合系数向量表示,从而获得了直观而简单的迭代公式.分析了算法中学习速率过高会降低学习稳定性、学习速率过低又会降低收敛速度等参数选择问题,给出了一组折中考虑学习稳定性和收敛速度要求的参数初始值.实验结果表明,核自组织映射聚类对于非椭圆型的类分布数据,如环形数据,聚类正确率也能够达到99.886 4%.对IRIS数据集和入侵检测报警数据的聚类也证明了核自组织映射聚类方法的良好性能.     

基于信息融合的运动目标自动提取

提出了一种采用主动轮廓模型来融合多种图像信息的运动目标提取算法．通过对含有运动信息的差分图像进行统计分析，可以获得运动目标的粗略位置，从而解决了主动轮廓的启动问题．利用图像中的色彩信息，构建了一种新的色彩力．由于这种色彩力在作用范围、定位精度上与反映目标边缘特征的图像力具有互补性，因此在这两种力的共同作用下，主动轮廓可以有效地解决其初始位置远离目标边缘的难题，并精确地提取目标的真实轮廓．实验表明，这种算法在长达数百帧的图像序列中，始终能准确地分割出运动目标，并稳定跟踪目标的运动．     

Robust visual tracking based on multi-cue integration

Traditional color-based mean shift tracking algorithm is unable to accurately track the object. To address this problem, we present an improved tracking algorithm. The improved tracker integrates the color and motion cues which characterize the appearance and motion information of the object, respectively. These two visual cues can complement each other and make for more precise target localization. Experiments show that the proposed tracking algorithm has better performance than the traditional mean shift tracker.     

Adaptive synchronization of Rossler and Chen chaotic systems

A novel adaptive synchronization method is proposed for two identical Rossler and Chen systems with uncertain parameters. Based on Lyapunov stability theory, we derive an adaptive controller without the knowledge of the system parameters, which can make the states of two identical Rossler and Chen systems globally asymptotically synchronized. Especially, when some unknown uncertain parameters are positive, we can make the controller more simple and, besides, the controller is independent of those positive uncertain parameters. All results are proved using a well-known Lyapunov stability theorem. Numerical simulations are given to validate the proposed synchronization approach.     

非线性频谱分析在故障诊断中的应用

提出了一种基于非线性频谱分析的故障诊断方法。针对测量信号不可避免的噪声干扰,采用总体最小二乘法辨识系统的频域传递特性,利用人工神经网络完成故障模式分类,构造了一种合理的特征提取方法,并给出了基于非线性频谱分析的故障诊断的完整方案。试验结果表明,该故障诊断方法准确率高,计算量小,可以应用于实际工程。     

一种多源遥感图像分割的融合新策略

为了充分利用多传感器遥感图像数据的互补信息来完成一致的图像解译工作,基于区域邻接图构建了马尔可夫场模型(MRF),并在MRF框架内提出了一种面向多源遥感图像分割的融合新策略.针对由美国陆地卫星探测系统专题制图仪获取的一组多光谱图像和合成孔径雷达图像中的分割问题,提出了具体的数据融合策略,即结合多源图像中的局部特征显著性指标和人眼视觉系统中的重要性因子图制定了融合规则,并在分割过程中充分考虑了传感器的可靠性对融合的影响.人工和真实数据集上的比对分析表明,新策略得到的割图区域匀质性最好,区域轮廓最清晰,并且可以有效提高分割精度.     

机动目标的模糊多模型跟踪算法

设计了一种基于模糊逻辑推理的机动目标多模型跟踪新算法（FMMTA）,把量测新息对其协方差的逆的加权二次函数作为模糊推理系统的输入,并通过模糊逻辑推理得到模型集中各模型的匹配度,代替了交互式多模型（IMM）算法中的模式概率计算,降低了计算的复杂度。该算法将测量空间的不确定性映射到模糊空间,从而解决了从测量空间的不确定性到模式空间不确定性的模糊推理问题,并将模糊推理与多模型卡尔曼滤波结合,进行并行处理,有利于机动目标的实时跟踪。Monte Carlo仿真结果表明,在模糊规则设计恰当的情况下,FMMTA算法相对于IMM算法在降低机动目标位置和速度的跟踪误差方面更有效。