自适应序贯M估计算法及其性能分析

针对复杂噪声环境下的参数估计问题,提出了一种稳健的自适应序贯M估计算法(Adaptive Recursive M-Estimation,ARME),并从理论分析和Monte Carlo实验仿真两方面分析了该算法的收敛性、渐进无偏特性和稳健性.理论分析和仿真试验表明:在高斯白噪声背景下,ARME具有与序贯最小二乘算法(Recursive Least Square,RLS)相近的性能;在有突出干扰等非高斯噪声背景下,与RLS相比,ARME的参数估计收敛速度更快,估计误差更小,而且在稳健性上大大优于RLS.     

可见光图像背景灰度特性:双高斯混合分布模型

针对可见光图像背景起伏的灰度分布特性,提出了双高斯混合分布模型(Two univariate Gauss Mixturedensities Model,简记为TGMM)的描述方法.对实测可见光背景图像分析表明图像灰度仅仅占有少数的灰度级别,并且绝大多数都处于低灰度区;图像灰度集中在μ±2σ以内,并且具有"双峰"特征;灰度直方图上左边的峰对应着天空、星云等背景部分,右边的峰对应着众多的高亮恒星和幅度较大的系统噪声.进一步的,从理论上说明了"双峰"的形成原因,并且提出了TGMM描述方法,给出了基于EM算法的模型参数估计方法.数值结果证实了TGMM的合理性.     

基于自适应滤波的单像素宽形态学边缘检测

为了进一步提高边缘检测算法的抗噪性和定位精度,提出了一种基于自适应滤波的单像素宽形态学边缘检测算法。首先,分别对图像进行中值滤波和加权均值滤波,并通过自适应调整中值滤波结果和加权均值滤波结果所占的权重抑制脉冲噪声和高斯噪声。然后根据不同取向的结构元素可以有效地检测出不同走向的边缘细节这一特性,定义了一种具有方向估计的形态学梯度,并利用其检测图像的边缘,最后沿梯度方向进行非极大值抑制以获取单像素宽边缘。实验结果表明,本文算法不仅能够准确地检测图像边缘,而且具有较好的抗噪性能,处理速度也较快。      

基于虚拟阵列空间平滑的相干信号DOA估计

 针对相干共轭循环平稳信号的DOA估计问题,提出了一种基于虚拟阵列前后向空间平滑的方法。该方法利用特定阵元输出间共轭循环相关函数的多时延采样,构造出与真实线阵阵元具有一一对应关系的虚拟阵列,并将空间平滑技术应用于该虚拟阵列实现了相干信号DOA估计。理论分析和仿真结果均表明,与FBSS-CCMUSIC算法和CCHAM算法相比,本文方法避免了最优时延选择问题,并获得了更高的DOA估计精度,同时,对信号不同入射方向也具有较好的稳健性。此外,该方法也可推广用于具有循环平稳特性的信号。     

基于Zernike-Facet模型和总体最小二乘的弱小目标检测

弱小目标一般是图像局部区域的极值点。针对这个特点,依据二元三次函数的极值理论,该文提出了一种新的弱小目标候选点的检测方法。发展了一种新的图像局部灰度拟合模型,即Zernike-facet模型,模型参数的求解采用比最小二乘(LS)抗噪能力更强的总体最小二乘(TLS)算法。新检测方法通过Zernike-facet模型和TLS对原始图像中每一个像素的局部区域进行曲面拟合,然后在拟合曲面上提取极值点作为目标候选点。仿真表明,新方法在抑制噪声上优于其他常用方法。可见光/红外图像小目标检测实验也证实了新方法的有效性。     

基于加权Hu矩和HOG特征的自适应融合人体行为识别新方法

针对HOG在强噪条件下以及加权Hu矩在弱噪条件下识别性能较差的情况,通过最小二乘拟合估计加权系数与噪声参数之间的映射关系,自适应调整融合参数达到将加权Hu矩和HOG特征融合的目的。实验证明,基于加权Hu矩和HOG的特征识别对噪声的容忍度更好,适用范围更广,识别率更稳定。     

基于小波的多传感器空间目标数据融合算法

在多传感器系统中,本文提出一种基于小波变换的数据融合算法,用于对空间目标的轨道参数进行精确预测。仿真实验表明,该算法适用于空间目标轨道参数等快时变数据,估计得到的轨道参数均方差,优于各个传感器的理论均方差,同时也小于LMS算法获得的均方差。     

受大气湍流影响的光学波前模拟方法研究

介绍了模拟自适应光学系统中受大气湍流影响的光学波前的四种方法，即基于Zernike多项式的K—L函数展开法、小波法、Fourier法以及ARMA法。分析比较了四种方法模拟精度和速度。结果表明，前两种方法不论是精度还是速度上都比较好，更适合湍流波前的模拟。     

一种低能见度下红外机场区域识别新方法

针对低能见度下红外图像背景复杂、目标对比度低的特点,提出了一种新的基于感兴趣区提取和区域生长的红外机场区域识别方法。首先,采用自适应Wiener滤波对图像进行预处理,以削弱图像的背景杂波并增强机场区域的信噪比;然后,利用机场区域和背景的灰度分布特性的差异,在图像预处理的基础上采用自适应双阈值分割和自适应局部极差阈值分割相融合的方法实现机场区域的初步分割;其次,利用机场区域的形状约束和长宽比特征,采用形态学处理和连通域标记实现感兴趣区域的提取;最后利用有限约束的区域生长实现机场区域的识别。该方法结合了感兴趣区域提取和区域生长的优势,能够以较少的计算代价实现机场区域较完整的识别。实验表明,该方法能够有效检测识别机场区域。      

天文CCD相机的噪声分析与信噪比模型的研究

全面分析了天文CCD相机系统中的几类主要噪声:光子噪声、读出噪声和暗电流噪声等,提出了在低照度条件下的信噪比(SNR)模型,并进一步提出了在不同曝光时间长度下CCD的信噪比简化模型.根据不同的简化模型,可以将曝光时间分为两个不同的噪声主导区域:光子噪声主导区域和读出噪声主导区域.为了更加有效地提高信噪比和检测CCD图像中的目标,可以采用像素合并技术.实验结果表明,所提出的信噪比模型及其简化模型是有效的.因此,在不同的应用条件下,可采取不同的曝光策略来获取图像数据,从而更加有效地检测图像中的目标.