基于多尺度局部结构化信息测度的鲁棒像素级图像融合算法

现有的图像融合算法不能有效区分基本图像特征和噪声,往往在输入存在噪声时性能变差。自然场景图像中,视觉上显著的图像特征往往表现出一定的几何结构,而噪声缺少结构化信息。基于复数小波变换,利用Von Neumann熵推导了一个结构化信息测度,可以有效区分噪声和视觉上显著的图像特征。图像融合之前利用测度加权输入,从而自适应抑制噪声同时保留图像特征。对几个图像融合方案从主、客观上进行性能比较,显示了新方案的优越性。     

多平台信息融合与智能化传感器管理技术综述

多平台信息融合与智能化多传感器管理是多平台协同作战能力和网络中心战的关键技术之一。本文主要介绍了多平台信息融合与智能化传感器管理技术的概念、军事需求及发展趋势;阐述了多平台信息融合与智能化多传感器管理系统的体系结构、功能性能要求及所涉及的关键技术。     

基于IoTDB的航空发动机试验数据清洗与升维方法

航空发动机型号研制过程中会产生大量的试验数据,为了充分发挥这些数据的作用,选用IoTDB数据管理平台,对航空发动机多源试验数据的清洗和升维方法进行了研究,并提供了一种面向多源数据融合的分布式数据平台架构。通过该平台,可保证数据得到高效利用,解决了通过人工手段处理、整合数据费时耗力且效果不理想的问题,同时为后续开展数据挖掘奠定了基础。     

多传感器组合导航系统的多尺度异步信息融合算法

首先,将状态方程采用数据块变换的方式得到新的状态块方程,并将量测方程表达为数据块的形式;然后,将量测向量进行多层小波变换以得到新的量测向量,结合状态块方程进行卡尔曼滤波;最后,利用异步贯序滤波的方法,建立了基于全局的最优估计值。将上述算法应用于GPS/SST/高度表/SINS多组合导航系统,仿真结果表明:相对于单一尺度的异步滤波算法,该算法可明显地提高系统的滤波精度。     

开放世界下的雷达辐射源融合识别算法研究

针对开放世界下雷达辐射源目标库不完备的现状,对开放世界下雷达辐射源识别的信息融合模型进行了研究。建立了不同类型雷达特征参数的模糊隶属度函数,采用待测样本与模型样本匹配的方法生成广义概率指派函数,并采用修正的广义证据理论算法融合多参数信息获取识别结果。实验数据表明:该模型能在雷达辐射源目标库不完备的情况下,识别已知目标和判别未知目标,判别结果相对基于经典D-S证据理论和原始广义证据理论的融合识别方法更加可靠、有效,在雷达识别的场景中具有潜在应用价值。     

基于MEMS传感器的四旋翼组合测姿研究

针对四旋翼无人机机体尺寸较小、带载荷能力有限的特点,设计基于低成本MEMS惯性器件的测姿系统,以满足四旋翼无人机在系统控制方面的需求。但是低成本的MEMS惯性器件具有精度低,随机漂移大,容易受到外界环境干扰等缺点。本文充分发挥四旋翼无人机搭载的MEMS惯性器件的功能,分别利用两种方法测量载体姿态,并通过卡尔曼滤波的方法实现这两种测姿方法的数据融合。经过仿真分析,融合后组合测姿系统的测姿精度得到提高。     

多传感器数据融合方法在加力燃烧室试验中的应用研究

在航空发动机加力燃烧室试验中,为实现同一截面真实气流状态参数的多传感器精确测量,提出了1种多传感器数据融合方法。该方法运用格拉布斯准则剔除多传感器测量数据中的无效数据,运用方差自适应加权融合方法对有效数据进行融合计算并获取真实参数,并分别利用算术平均值方法和自适应加权融合方法对试验数据进行处理分析。结果表明:通过多传感器融合方法获取的数据均方差明显优于算术平均值方法获取的方差,具有更高的测试精度和可靠性。     

多源数据融合算法综述

多源数据融合作为一种特殊的数据处理手段,在目标识别领域得到了较大的重视和发展。在介绍多源数据融合的基本原理和功能模型的基础上,对目前的多源数据融合算法进行了全面介绍,从算法概念出发对其进行了分类,分别为物理模型类、基于参数类和基于认识模型类,并阐述了每类算法的特点以及相关算法的改进,列举了目前国内外一些已经发表的重要算法,为下一步多源融合的目标识别研究提供了一定的理论依据。     

基于Swin Transformer和多尺度特征融合的红外弱小目标检测方法

红外弱小目标的检测识别是军事侦察和遥感探测领域的一项关键技术。针对现有的传统目标检测方法普遍存在的检测误报率高、环境适应性差等问题,本文设计提出了一种基于Swin Transformer和多尺度特征融合的红外弱小目标检测方法。该方法首先在基于编解码Unet网络架构的基础上,通过引入Swin Transformer的自注意力机制代替常规的卷积核来进行目标特征的分层提取,从而有助于在更大的感受野下挖掘目标在不同尺度下的潜在信息;之后,通过设计一个自底向上的跨层特征融合模块作为网络模型的解码器,可以从复杂背景中保留红外弱小目标特征,并将目标的浅层局部信息和深层语义信息进行充分融合。试验测试结果表明,所提方法在红外小目标公共测试数据集SIRST上能够实现0.747的交并比指标(IoU),以及0.752的归一化交并比指标(nIoU),其性能均优于其它典型方法,在不同复杂场景下均拥有更好的检测效果。     

双波段红外目标检测综述

红外成像系统具备优秀的夜间可视能力,并且具备良好的抗干扰能力、识别伪装的能力,在军事领域的应用日益广泛。可见光成像系统易受光照强度的影响,无法在封闭空间或夜间等弱光条件下工作,而物体的红外辐射能量仅与物体温度和物质特性有关,所以红外成像不需要考虑光照强度,可以在全天候时段工作。红外目标检测可以应用单波段和多波段的方式进行探测,单波段探测由于目标信息有限,往往目标会存在小、弱、暗等问题,导致检测能力不理想,而多波段检测通过利用不同波段信息的冗余性、互补性,大幅度提高目标检测和识别的概率,提高识别伪装的能力。但双波段目标检测中存在很多技术难点,对红外小目标检测技术进行了分类,分析了技术难点,按不同的方法进行了总结描述。再对双波段目标检测技术进行了详细的描述,并选取了常见算法进行了性能比较和原理分析,突出了双波段目标检测的优势。