基于块对角投影表示的人脸识别

针对大多数特征表示算法在挖掘高维数据内在结构时容易受到噪声的影响,以及特征学习与分类器设计割裂导致分类性能降低的问题,提出了一种新的基于特征表示的人脸识别方法,称为块对角投影表示（BDPR）学习。首先,利用样本信息对每类样本的编码系数施加一个加权矩阵,通过局部约束来加强表示系数之间的相似性,从而降低噪声对系数学习的影响,使所提方法能够更好地保持数据的局部结构。其次,为了实现数据与编码系数相关联,降低表示系数的学习难度,构造了块对角化判别约束项来学习一个判别投影,通过投影从低维数据中提取样本表示系数,使系数包含更多的样本间全局结构信息且具有更低的计算复杂度。最后,将系数学习和分类器学习整合到同一框架下,同时增大不同类别样本间的“标签距离”,采用迭代求解的方式交替更新判别投影和分类器,最终得到最适合当前表示特征的分类器,使得所提方法能自动完成分类。多个公开的人脸数据集上的实验结果表明:较之传统的协作表示分类和多个主流的子空间学习方法,所提方法均取得了更优的识别效果。      

基于级联虚-实融合的飞机钣金零件识别方法（英文）

提出了一种级联虚实融合方法来识别具有显著相似性的各种飞机钣金零件(Sheet metal parts, SMPs)。SMP通过涉及“粗略”“精细”和“首选”阶段的级联过程进行识别和编号。该方法将虚拟工作台建模与物理工作台识别相结合。最初,通过捕获物理工作台上钣金件的主方向图像并从图像中提取8D形状描述向量来识别SMP的“粗糙”集,这导致候选SMP集的发现。随后,利用图像的灰度信息对候选SMP集进行模板匹配,以实现“精细”匹配。提出了识别可靠性的定量测量,在增强现实3D投影的帮助下启动后续的“首选”识别过程。通过实际实验验证了该方法的有效性和优越性,在测试件中达到了最高准确率96.9%。借助3D投影,人机结合准确率100%。     

基于电子地图的港口舰船目标变化检测

文章利用电子地图进行配准、提取海岸轮廓线并对其等间距采样,从中提取关键拐角点,并根据条件确定潜在的舰船停靠区域对其规则化。再将不同时相候选区的分割结果进行差分运算,然后将其沿水平垂直方向投影,找到超过平均投影能量的最大区间,判定舰船变化区间。该算法可以避免大范围的无用搜索,提高检测识别算法的效率。     

基于测地线距离的空间非合作目标点云配准

针对局部结构相似及翻滚遮挡下目标动态特性辨识问题，提出一种融合疏密度指标与全局测地线距离的空间非合作目标点云配准方法。首先，引入球面投影法，将不规则的空间目标点云映射到规则的球面流形上。然后，设计基于点云离散程度的疏密度评价指标，将球面点云划分为不同的局部点云子集，在此基础上构建全局测地线距离矩阵以增强点云局部形状信息的感知能力。最后，依据全局测地线距离矩阵推导建立了场景点云与模型点云间配准矩阵，实现空间非合作目标的动态特性辨识。仿真与试验结果表明：提出的算法在目标局部结构相似及点云缺失下的配准精度优于最近迭代点（ICP）算法与基于凸包粗配准的改进ICP算法。     

基于投影矩阵搜索的相干源DOA估计算法

在强相关或相干信号源环境下，基于子空间分解的高分辨方法无法准确估计信号到达角，而许多传统的解相干方法，如空间平滑法等，会减少阵列的有效孔径，且只适用于具有移不变性的阵列结构。针对相干信源DOA估计问题，提出了一种基于投影矩阵搜索的DOA估计算法。首先根据阵列流型构造噪声子空间的投影矩阵，并将阵列接收信号投影到噪声子空间；然后通过遍历搜索所有可能的投影矩阵获得空间谱，进而得到相干源的DOA估计。该算法能有效进行相干信源DOA估计，与传统的相干源DOA估计方法相比，该算法不会减小阵列的有效孔径，且适用于任意阵列结构，并具有良好的估计精度和超分辨能力，但计算复杂度较高。通过仿真实验，验证了该算法的有效性，比较了该算法与传统算法的性能。     

分数阶不确定混沌系统鲁棒投影同步控制

基于滑模变结构控制理论,选取了一种分数阶滑模面,针对分数阶系统不确定项上界已知情况,提出了一种鲁棒控制方法,将这种控制方法与范数不等式相结合对系统的稳定性进行了分析。该控制器能够很好地抑制不确定因素对误差系统的影响,能够快速实现驱动系统与响应系统的同步。最后,将该鲁棒控制策略应用于分数阶混沌系统数字保密通信中,数值仿真验证了该方案的正确性和有效性。     

一种改进的快速全天星图识别算法

针对三角形算法中模式识别率低、易造成误识别的问题,提出了一种改进的三角形算法。 首先,该算法通过对全天区导航星进行筛选,缩小星库存储空间;同时,在识别过程中对找到的三 边角距集合采用设置状态标识的方法,加快对探测星三角形的识别速度;在三角形匹配识别结果 不唯一时,引入其他观测星进行验证,确定唯一的匹配对应;在识别结束后,应用投影验证检验识 别结果。仿真结果表明,该算法能够有效地节省存储空间,缩短全天星图识别时间,与传统的三角 形算法相比具有较大的优势。