基于自适应相关滤波器的人眼定位改进方法

人眼定位是人脸识别、视觉跟踪系统中一个关键步骤。针对传统人眼定位方法定位精度低、误差稳定性差的问题,提出将自适应相关滤波器与灰度积分投影法相结合,在训练和测试阶段做了两点改进。首先对训练得到的自适应相关滤波器,在\[-0.2,-0.1,0,0.1,0.2\]角度范围内旋转得到5个滤波器,选择灰度最大值对应的位置作为初始定位点,然后在该定位点的5×5邻域内,水平和垂直方向分别做灰度积分投影,最后选择积分最小值的位置作为最终的目标定位点。与平均合成精确滤波器、最小输出平方误差和滤波器、自适应合成相关滤波器算法相比,改进算法的定位精度最大提高2.9%,平均绝对误差和标准差均低于原始算法。实验结果表明,提出的改进算法在定位精度和稳定性上均优于以上算法。     

汽车倾斜牌照中字符的定位与提取

提出了汽车图像中倾斜汽车牌照字符的定位与提取算法。该算法针对汽车牌照的灰度特点,先确定牌照的位置,并从背景中分割出来。对二值化车牌定位图通过Hough变换,计算出车牌主要直线的倾斜角度,通过插值旋转后,重新确定车牌字符的边界,最后精确地提取出汽车牌照中的字符。与其它传统的方法比较,该方法在运算速度和精确性上有一定优势。     

基于尺度不变特征变换的图像自动配准方法

运用尺度不变特征变换方法提取图像特征,采用基于圆域的特征主方向计算方法,强化了图像的特征旋转不变性能;利用k-d搜索树与简化的广义Hough变换相结合的方式进行图像特征匹配,提高了特征匹配的效率和精度。实验表明,该方法能够对不同分辨率、不同光照、不同拍摄角度的图像完成精确自动配准。     

基于分数阶傅里叶变换的运动舰船聚焦算法

为解决合成孔径雷达(SAR)图像中运动舰船目标产生的散焦现象，结合对比度最大算法和分数阶傅里叶变换(FRFT)算法，提出了一种改进的对比度分数阶傅里叶变换(CFRFT)自聚焦算法。该算法利用分数阶傅里叶变换对已成像SAR图像进行时频域分析，根据旋转角分别利用参数模型和非参数模型对二阶相位误差和高阶相位误差进行补偿，和传统的相位梯度(PGA)法相比，图像分辨率和旁瓣比提升显著，可以更有效地补偿SAR中舰船运动产生的相位误差。对不同舰船和尾迹SAR图像实验表明，算法对二阶以上的相位误差具有较好的补偿效果，误差估计准确性高，适用范围广，解决了SAR运动舰船的散焦问题，提高了海洋舰船监测的准确性。     

一种基于Hough变换的虹膜定位算法

目前,虹膜识别因其具有高度稳定性、唯一性、非侵犯性等优点,成为生物特征识别技术中的一个研究热点。根据虹膜图像中的灰度分布特点,提出粗定位与精定位相结合的两步定位虹膜的内外边缘算法,基于Hough变换定位的新算法。与传统的虹膜定位方法相比,此算法能精确定出的位置,提高虹膜边缘定位的速度,避免搜索的盲目性,对提高匹配的精度起到了很大的作用。     

一种基于场强差的移动台定位改进算法

为了解决传统的移动台定位过程中信号的传播误差对定位精度的影响,提出了一种基于移动台与服务基站之间的场强差来确定移动台位置的改进算法。小波变换在信号消噪处理中可以取得良好的效果,通过选择合适的小波函数和分解层数,对测量得到的场强差进行分解和重构,然后用经典Chan算法确定移动台位置,大大降低了传播误差对定位精度的影响。仿真表明,该算法能很好地抑制传播误差,其定位效果比直接使用Chan算法更加稳定。     

基于图形小波变换的遥感图像表示与去噪

离散小波变换（Discrete Wavelet Transform，DWT）通常用于图像的表示。然而，对于具有不规则形状边缘的图像，尤其是对于纹理和细节信息较多的遥感图像，DWT却很难有效表示，进而影响后续去噪效果。针对该问题，提出了一种基于图形小波变换（Graphic Wavelet Transform，GWT）的图像去噪方法。首先，将图像表示为图形信号，并通过该图形信号的谱表示构造相应的变换矩阵；然后，设计了一种改进自适应阈值的图像去噪方法，在GWT变换域内对图像去噪。实验结果表明，与常用的图像去噪方法相比，所提算法能够提供更好的图像主观质量。采用均方根误差（Root Mean Square Error，RMSE）和峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）作为客观指标，结果表明，采用所提方法得到的重建图像客观质量更优。     

面向近眼式应用的快速瞳孔中心定位算法

针对Hough圆变换、最小二乘法椭圆拟合瞳孔中心定位算法中运算量大的问题，提出一种基于椭圆外切矩形的快速瞳孔中心定位算法。该算法从人眼图像中通过阈值分割得到瞳孔区域，对瞳孔区域进行边缘像素点的提取，然后利用椭圆外切矩形模型定位出瞳孔中心。通过Matlab对中国科学院自动化研究所公开的虹膜数据库中756张人眼图像进行遍历实验验证，所提算法定位准确率为98.3%，平均用时0.192 s。在同等条件下，与Hough圆变换、最小二乘法椭圆拟合算法进行对比，在保证定位准确率的同时，所提算法平均用时更少。实验结果表明，所提算法能够快速准确地完成瞳孔的中心定位。     

多光谱图像变换域统计量移位鲁棒无损信息隐藏

为了提高鲁棒无损信息隐藏算法容量,利用多光谱图像谱段间的相关性及其小波变换高频系数分块均值的稳定性,提出一种变换域统计量移位的鲁棒无损信息隐藏算法。首先,在光谱方向采用Karhunen Loêve变换(KLT)去相关,然后对得到的KLT本征子图像进行离散小波变换,将小波HH高频系数分块均值作为统计量,通过其直方图移位来隐藏秘密信息,最后将浮点数变换和像素溢出引起的误差嵌入含密图像中以便对恢复的载体图像进行误差补偿。实验结果表明：在图像质量和以往算法相当的情况下,该算法的隐藏容量增加了1倍,并且能抵抗噪声攻击;而与最新算法相比,在隐藏容量相同时,该算法抗JPEG2000压缩倍数平均提高23.9%,误码率平均降低了44.8%。     

一种使用离散时间尺度变换技术的合成宽带雷达成像系统

基于离散时间尺度变换技术,提出了一种新的适用于合成宽带信号的机载雷达成像 系统。为了消除多普勒散布效应,该系统使用了尺度变换矩阵,将同一目标在不同子带上的 多普勒频率变换到一个已知的频率上,以便每一个子带可使用相同的传统多普勒滤波器组形 式去获得无失真的合成距离像。同时,利用FFT及CZT算法,进一步推导出尺度变换矩阵的一 种快速实现算法。实验仿真结果验证了所提方法的有效性。     

雷达杂波谱参量估计及其在自适应滤波中的应用

本文结合自适应滤波技术在地面监视雷达信号处理中的工程应用,提出一种利用自相关法实时估计杂波谱参量,并根据统计参量自适应控制滤波器的方法.采用门限判决法,改善了杂波空域分布不均匀和目标引入对杂波谱参量估计带来的误差.文中特别对自适应滤波技术的实际工程应用问题进行分析讨论.经理论分析和计算模拟论证了该方法的正确性和可行性.最后结合工程实践,给出采用TMS32020数字信号处理器实现杂波谱参量估计和自适应控制滤波器的方案设想.     

一种适用于机场场面监视MLAT系统的状态模型

根据直角坐标系的目标运动模型和无源多点时差定位系统(MLAT)的特点,推导出了一种到达时间差（TDOA)状态模型方程,并基于该模型方程,设计了一种TDOA跟踪滤波器。与传统TDOA状态模型方程相比,所推导出的状态模型方程和滤波器不但能提高TDOA的估计精度,还可更有效地消除非视距（NLOS）成分。仿真和实测数据证实了所推导状态模型方程和所设计跟踪滤波器的有效性。     

自适应选择的雷达回波空间积累检测方法

空间部分相干时的回波积累检测是分布式雷达回波信号联合处理面临的难题。针对传统相干和非相干积累检测方法在空间部分相干时回波检测性能损失较大的问题,建立了目标三维散射模型,分析了各站回波空间相关性变化规律,引入时域加权能量检测器用于空间部分相干积累检测,提出了以回波的空间相关系数大小为依据进行自适应选择的积累检测方法,有效解决了回波在任意空间相关性时高效积累检测。仿真结果表明该方法能根据相关系数大小正确选择3种积累检测方法,且检测性能优于传统的相干和非相干积累检测方法。     

一种基于预测值量测转换的卡尔曼滤波跟踪算法

在雷达目标跟踪中，系统量测信息通常在球坐标系下获得。为了采用经典卡尔曼滤波算法实现有效目标跟踪，通常采用量测转换方法将非线性量测信息转换到直角坐标系中。针对传统量测转换方法基于量测值计算转换误差统计特性而导致的估计结果有偏问题，提出了一种基于预测值的量测转换方法，并将其与卡尔曼滤波算法相结合，获得了一种基于预测值量测转换的卡尔曼滤波跟踪算法。仿真结果表明，与现有的基于量测转换的卡尔曼滤波算法相比，该算法能在不提高运算量的情况下有效改善目标跟踪效果，跟踪精度提升约20%。     

基于人工鱼群粒子滤波的信号源定位

针对传统粒子滤波算法精度不高、难以满足移动监测车对无线电信号源定位需求的问题,提出了一种基于人工鱼群粒子滤波的信号源定位方法。将人工鱼群算法的优化思想引入到粒子滤波中,通过觅食行为和聚群行为驱动粒子向最优位置移动,改善粒子的分布。结合移动监测车对信号源定位的需要,建立了信号源波达角定位（AOA）的数学模型,在Matlab环境下对人工鱼群粒子滤波算法的信号源定位进行了仿真。实验结果表明,在保证实时性的前提下,该方法定位结果的最大误差为0.101%,定位精度远大于粒子滤波定位方法的估计精度,是一种有效、可行的定位方法。     

基于两次傅里叶变换的时域MUSIC波达方向估计

针对基于频域多重信号分类（MUSIC）的波达方向（DOA）估计方法在有效快拍数较少情况下的不稳定问题，提出了一种基于两次傅里叶变换的时域MUSIC波达方向估计方法。首先，通过傅里叶变换将各阵元接收数据转换为频域数据，并按扫描角度对各阵元数据进行相位补偿；然后，再通过傅里叶变换将补偿后的频域共轭数据转换为时域复解析数据，在时域构建相移后的协方差矩阵；最后利用特征分解求取具有正交特性的噪声子空间，获得扫描方位空间谱，实现对波达方向估计。数值仿真及实测数据处理结果均表明，相比频域MUSIC方法，在一次有效快拍条件下，所提方法可稳定获得具有正交特性的噪声子空间，实现对波达方向估计；稳定性得到了5 dB的改善，背景噪声级和旁瓣级得到了3 dB以上的改善，因此该方法可明显提高目标检测和方位估计性能。     

基于卡尔曼滤波的三星时差运动目标定位技术

针对三星时差无源定位体制的特点,研究空中运动目标辐射源定位技术。在匀 速直线运动目标模型下,通过改变地球方程参数,利用牛顿迭代算法给出目标的瞬时初始定 位点,并在此基础上利用不敏卡尔曼滤波对运动目标进行跟踪定位。仿真验证表明 ,利用三星时差测量体制和相关滤波算法,可以有效实现空中运动目标的跟踪定位,精度优 于5 km;同时在精确初始值的引导下,滤波算法收敛速度更快,定位精度更高,航迹更 为连续。     

一种Farrow结构数字延时滤波器的设计

普通数字延时滤波器虽然结构简单，但系数计算过程复杂，在延时参数快速变化时，系数更新速度无法满足实时性要求，在工程应用上受限制。采用Farrow结构数字延时滤波器能够更加灵活高效地进行分数延时滤波，延时参数改变时，无需重新计算滤波器系数，更容易在现场可编程门阵列(FPGA)上实现。介绍了一种Farrow结构数字延时滤波器，提出采用基于对称结构的滤波器系数求解方法，并经过加权优化，获得最终Farrow滤波器的系数。系数计算过程中，通过对设计所得Farrow滤波器延时精度和误差的分析，调整加权因子的取值和滤波器阶数，进而提高延时精度。计算机仿真结果证明了加权对称系数求解Farrow滤波器系数方法的有效性和实用性。     

一种基于视觉感知的舰船目标智能化识别方法

为有效识别视觉系统采集的可见光图像中的舰船目标，提出了基于YOLO（You Only Look Once）网络模型改进的10层的卷积神经网络（Convolutional Neural Network,CNN）用于水面舰船目标的智能识别，通过反卷积的方法可视化CNN中不同卷积层提取到的舰船目标特征。按照传统目标识别方法提取了舰船目标的四类典型人工设计特征，将所提CNN的舰船目标识别结果与YOLO网络模型及四类人工设计特征结合支持向量机用于舰船目标识别的结果进行比较。实验结果表明，与YOLO网络模型相比，综合精确率、召回率和效率3个舰船目标识别的性能指标，改进后的CNN性能更好，从而验证了所提方法的有效性。不同数据量下采用典型特征识别舰船目标与基于深度CNN识别舰船目标的识别结果比较说明了不同类型目标识别算法的优劣势，有利于推动综合性视觉感知框架的构建。