基于旋转机械故障诊断模糊神经网络多传感器融合(英文)

目前多传感器融合技术能够有效地提高精度和容错能力 ,所以它广泛应用于目标识别领域中。本文描述了一种基于旋转机械故障诊断多传感器融合系统 ,在数据融合处理中利用模糊神经网络 ,比较了采用基于数据融合实验结果和没有融合的原始数据 ,显然前者比后者更精确。     

基于小波变换与局部离散度的多聚焦图像融合算法

提出了一种基于小波变换与局部离散度的多聚焦图像融合算法。首先对不同聚焦图像进行小波变换,然后采用局部离散度准则对各个方向上的高频系数进行融合,采用重要度准则对低频系数进行融合,最后对融合后的小波系数进行重构,得到了很好的融合图像。实验结果表明,融合效果优于取绝对值大的小波系数和区域方差准则的融合算法。     

基于小波帧变换的多聚焦图像融合算法

提出了一种基于小波帧变换的多聚焦图像融合算法,本算法首先对图像进行小波帧变换,然后利用多聚焦图像的特点,采用区小波能量取大原则对高频系数进行融合,采用区域空间频率取大原则对低频系数进行融合,并进行一致性检验,最后通过重构得到融合图像.实验表明,该算法相比于传统小波变换法,具有更好的融合效果.     

FAULT-TOLERANT INTEGRATED NAVIGATION SYSTEM BASED ON NEURONS

讨论了容错组合导航系统中的信息融合问题，提出了一种用于多传感器组合导航系统信息融合的神经元方法。通过仿真实验，验证了这种方法的可行性，该方法可以替代传统的需要估计协方差的数据融合算法，可以满足导航精度要求。     

红外与可见光图像的非采样Contourlet变换融合方法

针对传统基于非采样Contourlet变换图像融合技术存在的问题,提出改进的基于图像局部能量的非采样Contourlet变换红外与可见光图像融合方法。首先对待融合图像进行非采样Contourlet变换;然后在图像低频成分采用基于图像局部能量的加权平均融合准则进行图像融合,在图像高频成分采用归一化将高频系数的能量差与设定的融合阈值进行比较,再进行分步融合;最后进行非采样Contourlet变换的重构得出融合图像。实验章节通过合成及真实图像算例证明本文方法相对于传统的图像融合方法具有更好的融合效果及精度。     

D-S证据理论在多传感器数据融合中的应用

近年来，许多领域都在进行多传感器数据融合技术的研究。多传感器数据的属性融合有很多算法，最常用的算法是贝叶斯决策检验法，国际上已提出将证据理论用于数据融合，但在这方面的理论基础还不完善。本文研究了证据理论在多传感器数据融合中的应用。Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ方法是对Ｂａｙｅｓ决策检验法的推广，证据理论比概率论满足更弱的公理系统，并且在区分不确定与不知及精确反映证据收集过程等方面显示了很大的灵活性。文中阐述了Ｄ－Ｓ证据理论的数学性质，给出了可信度公理及Ｄ－Ｓ综合规则，并进行了计算机仿真实验，实验结果说明这种判决方法非常实用，用于数据融合算法非常有效     

基于物联网的智慧教室环境多传感器节点数据自适应融合方法

传感器节点数据的自适应融合误差较大,为提高融合精度,基于物联网设计智慧教室环境多传感器节点数据自适应融合方法。依据系统状态的估计值推断变步长因子的调节机制,获得自适应更新环境传感器变步长因子表达式。基于物联网计算多传感器节点的线性控制参数,得到欧式距离的权重参数。判断数据融合修正值与节点能量密度的关系,在节点集合的基础上,计算多传感器节点密度。设计多传感器数据自适应融合算法,得到多传感器节点数据自适应融合方法。测试温度、湿度、粉尘浓度、振动幅度、CO₂浓度等多种传感器节点数据的融合精度。实验结果显示,同等网络迭代次数下,该方法所得到的拟合优度明显高于其他三种方法,可见该方法的融合效果优于其他方法。     

方向非抽样小波变换在多传感器图像融合中的应用

本文分析和研究非下采样方向滤波器组及具有平移不变性的非抽样小波变换的优点,提出了基于方向非抽样小波变换的图像融合方法.首先利用非抽样小波变换将待融合源图像分解成不同尺度,不同分辨率的高低频分量,再对高频分量利用非下采样方向滤波器组进行方向分解,然后采取不同的融合方法对分解的高低频分量进行融合处理,最后将融合的各频带进行相应逆变换得到融合图像.实验表明,在不同评价标准下,本文方法优于传统小波变换和拉普拉斯金字塔变换的融合效果,并能有效地消除小波变换所带来的光谱扭曲和假边缘现象.     

面向MDO的试验结果和数值分析结果的融合方法

飞行器设计中的某些物理量需要进行数值分析和试验,而两者之间常常存在差别.本文分析了产生这些误差的原因,提出将试验结果和数值计算结果的差值表达为所在域空间坐标的二次多项式,可有效地消除试验随机误差和数值计算噪声,使数值计算结果与实验数据融合.文中分析了某教练机机翼气动载荷和AD200轻型飞机挠度的数据融合,结果表明本文提出的数据融合方法是有效的.     

基于视听融合的宽频带振动频谱提取（英文）

提取振动频谱对于旋转机械的故障诊断至关重要。环境和噪声的多样化限制了传统单模态振动提取方法的性能。由于视听信号具有不同的采样频率、噪声和环境限制，视听融合算法可以有效解决单一模态存在的问题。基于此，文中提出了一种基于视听融合深度卷积神经网络的宽带频谱提取方法，该方法充分融合了不同模态的有效信息。该模型基于双流编码器从不同的模态中提取特征，使用深度残差融合模块提取高级融合特征并输出给解码器。实验结果表明，该模型的表现优于最新的振动提取方法，如Reg Net, MFCNN及L2L等，噪声环境下的振动频谱提取准确率提高15%。     

基于加权PCR证据融合的多传感器Lamb波损伤成像

为提高基于Lamb波损伤定位成像的对比度和可靠性,提出了一种基于证据理论多传感器信息融合的损伤成像方法。基于连续小波变换,确定了传感路径的时间延迟,进而采用椭圆定位法进行损伤成像。以信号时频带能量变化率为指标,确定了传感路径的权重值,提出了一种基于加权比例冲突再分配(Proportional conflict redistribution,PCR)证据融合算法,并以此对多组传感路径的定位成像进行融合。试验结果表明,该方法具有较好的成像对比度,且能降低因部分传感路径时间延迟判断失误对成像结果造成的影响。     

一种基于证据理论的目标识别加权数据融合

在分析证据理论数学内涵的基础上,给出一种不确定性的目标识别加权数据融合方法,即先对不同传感器赋予不同的可信权值,形成新的m ass函数,再通过D-S合成公式进行数据融合。理论分析和实践检验证明,该方法可有效地提高目标识别的准确性。     

一种自适应的DWT域数字视频水印算法

提出一种基于小波变换域的自适应视频水印算法。算法先对视频信息进行场景分割,然后从各场景中选取待插入水印的帧序列,对各帧图象进行3D—DWT,并对低频子带进行小波块的划分,据小波块的分类结果自适应地调整嵌入水印的强度。     

基于Depth from Focus的图像三维重建

应用改进Laplacian聚焦算子实现序列图像的融合显示,用高斯插值算法得到图像三维重建中的高度图,并设计一种轮廓线算法对高度索引图进行了三维重建;成功地应用于摄像机拍摄序列图像的三维重建,弥补了摄像机物镜焦深范围有限不能采样清晰大幅图像的不足.理论和实验结果证明,用该方法生成的二维融合图像和三维显示图像,恢复出比较精确的物体表面深度信息,提高了图像的清晰度.     

一种新颖的无人机侦察图像分区域压缩算法

针对无人机侦察图像及其在军事运用上的特点,分析并证明了基于小波变换的压缩技术在无人机侦察图像压缩方面是一种很好的解决方案,根据某型无人机侦察图像设计了一种基于小波变换的分区域压缩算法,取得了良好且满意的图像压缩效果和实时传输效果.最后,阐述了基于小波变换的侦察图像压缩的关键技术.     

基于多分类器决策融合的印鉴真伪鉴别方法

印鉴的自动识别对于实验银行印鉴数字化及计算机管理，实现银行对公业务的通存通兑有重大意义，符合票据法的要求，是银行业发展的需要，本文研究了模式识别领域中印鉴识别这一问题，提出了特征抽取和分类的新方法，基于差图像的成分统计特征抽取方法，发展了骨架图像的结构特征抽取方法，提出了特征点距离特征和笔划曲率特征内两种新的有效特征，本文提出了基于支持向量机（support vector machine,SVM)多分类器融合印鉴鉴别的方法，试验结果表明，本文的方法大大提高了印鉴的鉴别能力和可靠性，效果令人满意。     

Vision Enhancement Technology of Drivers Based on Image Fusion

The rise of urban traffic flow highlights the growing importance of traffic safety.In order to reduce the occurrence rate of traffic accidents,and improve front vision information of vehicle drivers,the method to improve visual information of the vehicle driver in low visibility conditions is put forward based on infrared and visible image fusion technique.The wavelet image confusion algorithm is adopted to decompose the image into low-frequency approximation components and high-frequency detail components.Low-frequency component contains information representing gray value differences.High-frequency component contains the detail information of the image,which is frequently represented by gray standard deviation to assess image quality.To extract feature information of low-frequency component and high-frequency component with different emphases,different fusion operators are used separately by low-frequency and high-frequency components.In the processing of low-frequency component,the fusion rule of weighted regional energy proportion is adopted to improve the brightness of the image,and the fusion rule of weighted regional proportion of standard deviation is used in all the three high-frequency components to enhance the image contrast.The experiments on image fusion of infrared and visible light demonstrate that this image fusion method can effectively improve the image brightness and contrast,and it is suitable for vision enhancement of the low-visibility images.