基于小波变换和目标运动特性的红外弱小目标检测

红外弱小目标的分割与检测是地空导弹和航空导弹的关键技术。本文研究基于小波变换和目标运动特性的红外弱小目标的检测。在目标运动特性方面,主要采用了“与”管道进行目标的检测。大量试验表明,该算法具有很好的检测鲁棒性,且能够实时检测出红外图像中的弱小目标。     

一种新的高效软聚类方法:

本文提出了一种新的高效软聚类方法──截集模糊Ｃ－均值聚类（Ｓ２ＦＣＭ）．该方法将传统的硬聚类（ＨＣＭ）和经典的模糊聚类（ＦＣＭ）相统一，并进行了合理的推广而得出的一种有效的聚类方法，Ｓ２ＦＣＭ聚类算法的思想更符合人的分类习惯，模拟实验表明，其总体性能优于ＦＣＭ算法和ＨＣＭ算法。     

前视红外舰船图像的模糊分割算法研究

由分析海面舰船及其背景红外辐射特性入手，对前视海面舰船红外图像提出了一种新的自适应阈值张弛模糊分割算法，对目标进行图像分割．对本文提出的算法用实际红外图像进行仿真实验，取得令人满意的效果．表明本算法是可行和实用的．     

一种新的高效软聚类方法：截集模糊C—均值（S2FCM）聚类算法

本文提出一种新的高效软聚类方法－截集模糊Ｃ－均值聚类。该方法将传统的硬聚类和经典的模糊聚类相统一，并进行了合理的推广而得出的一种有效的聚在方法，Ｓ２ＦＣＭ聚类算法的思想更符合人的分类习惯，模拟实验表明，其总体性能优于ＦＣＭ算示和ＨＣＭ算法。     

聚类有效性函数：熵公式

依据香农信息熵理论。本文引入了一个新的划分熵公式。结合Ｊ．Ｃ．Ｂｅｚｄｅｋ给出的划分熵，定义了一个新的聚类有效性函数。通过四组数据对该聚类有效性函数的判决功能和鲁棒性进行了研究。     

直方图模糊约束FCM聚为自适应多阈值图像分割

本文提出了一种新的有效的图像多阈值分割方法,该方法通过对模糊约束直方图目标函数的优化,获得一个最佳模糊约束Ｃ－划分,根据最大录属度原则进行图像多阈值化,文中对得以的模糊划分函数进行了分析,同时还讨论了直方图划分类数的自适应确定问题最给出了几个典型的实验,理论分析和实验表明了本文方法具有速度快、划分特性良好,鲁棒性绐的特点。     

聚类中心的初始化方法

本文对用于聚类中心初始化的势函数的几个参数选择进行了讨论,给出了这些参数的两种形式,同时提出了一种新的使用密度函数法进行聚类中心初始化的方法,进行了一组对比实验,得到令人满意的结果。     

值域空间超球面上的判别分析

Fisher线性判别分析(LDA)是模式识别中使用最广泛的线性分析方法之一。然而,实际应用中,样本数量相对于样本空间的维数而言是很少的,即样本在高维空间中呈稀疏分布。LDA采用基于欧式距离的度量方法将会使判别向量趋向于较大的类间距离。从而,可能融合距离较近的类。我们用超球面模型表示数据在高维空间中的结构信息,提出一种值域空间中的超球面判别分析方法(RHDA)。RHDA方法将数据映射到其值域空间的单位超球面上;在值域空间超球面上计算各个子类的判别子空间;最后,计算测试样本与各个判别子空间中子类均值向量间的距离。RHDA将测试样本判别为第 类仅当测试样本与第 类的均值向量的距离最小。超球面判别分析采用单位超球面上数据的归一化向量来表示样本向量的结构信息,它主要针对于基于欧式距离的判别分析所引起的判别向量偏离问题。最后本文还提出了值域空间超球面核判别分析方法。超球面核判别分析方法为高维空间中对不同数据采用不同映射提供了可能。在不同数据库上的分类实验结果证实了RHDA相对于 LDA及其相关推广算法的优良性。      

基于值域空间中类零子空间分析的模式判别

本文提出了一种新的基于值域空间中类零子空间分析(CNSA)的模式判别方法。CNSA方法首先获取全体训练样本的值域空间,然后在值域空间中定义了各个子类的类零子空间(CNS)及其正交补空间。类零子空间及其正交补空间上都含有有效判别信息。CNS上的类内距离为零,第i类的样本到其中心的相对距离远小于到其他类的中心的距离。在对值域空间和新的CNS的性质进行分析的基础上,构造到各个类的特征空间的投影矩阵。通过计算待测样本到各特征子空间的距离,CNSA算法不但能够对属于已知模式的样本作分类判决,还能发现新模式类。在太赫兹时域光谱数据集和COIL100数据库上,将提出的CNSA算法与相关算法进行了实验比较,实验结果验证了本文CNSA算法的优越性。     

实时光点检测与跟踪方法研究

提出一种光点实时检测与跟踪的方法,在检测方法中,根据图像的分割信息和不同方向的灰度变化信息,以区分反光点和实际光点.在实时跟踪方法中,自适应调整波门位置及大小,并采用Cardinal样条进行插值以提高光点坐标计算精度.实验表明,本文提出的方法可以有效地去除反光点,计算的精度可达1%像素.