基于灰色理论的一种数据融合方法

在灰色关联分析的基础上,对斜关联度进行了修正,引出了点、斜修正关联度分析的概念.通过对影响目标属性识别的各种因素进行分析,结合战术思想利用灰色点、斜修正关联度分析及多目标优化方法建立了数据融合模型,提出了一种基于灰色理论的多传感器数据融合方法.计算多传感器测量数据的灰色关联矩阵,进行灰色优势分析,然后进行数据融合.此方法考虑了各传感器测量数据的精确度,而且删除掉了测量比较差或测量不到的数据.仿真结果表明,应用该方法可进一步提高多传感器的测量精度和可靠性,适用于多传感器的数据融合.     

MPDAF方法和DF方法在抗距离拖引干扰中的应用

利用Monte Carlo方法,对修正的概率数据互联滤波(MPDAF)和分解融合方法(DF)在有虚警测量的环境下抗距离拖引干扰的性能进行了分析和比较.研究表明,在虚警测量较少的情况下,采用MPDAF算法和DF算法可以有效地抗距离后拖欺骗干扰,实现对目标的跟踪,但是在虚警测量较多的情况下,采用DF方法可以较好地对抗距离后拖欺骗干扰,实现对目标的跟踪,而MPDAF方法则基本失去作用.     

协方差交叉融合的惯性/卫星/雷达组合导航研究

针对卫星导航信号受干扰情况下惯性/卫星组合导航精度下降的问题,在多机协同编队中,提出采用基于协方差交叉融合的卡尔曼滤波器,将雷达相对导航定位结果与惯性/卫星组合导航进行信息融合,提高了多机编队飞行的导航定位精度和可靠性.通过仿真研究表明,在卫星导航信息不可用条件下,基于协方差交叉融合的惯性雷达相对定位算法,能够有效解决...     

基于多特征融合的天基面目标长时跟踪算法

天基视频成像特性存在目标尺寸小、特征几乎无纹理、干扰因素多等问题,现有的近景面目标跟踪算法不完全适用.文章通过利用梯度直方图与颜色名称两种特征在天基视频跟踪中的不同优势,借鉴由跟踪、学习、检测三部分组成的长时跟踪思路,对高斯核化相关滤波器进行改进,提出了一种适用于视频卫星数据处理的多特征融合面目标长时跟踪算法.运用该算...     

空天一体联合体系作战及其技术展望

随着体系化作战对抗维度不断拓展,多域联合程度逐步加深,空天力量正在成为决定未来战争胜负的关键.本文提出了空天一体联合体系作战概念,对空天一体联合作战体系构成和典型作战样式进行了探讨,对涉及的关键技术进行了分析,为未来空天一体联合作战体系建设提供支撑.     

基于自适应融合网络的无人机目标跟踪算法

针对无人机视频跟踪过程中,目标占比较小且易受复杂背景信息干扰等问题,提出一种基于自适应融合网络的无人机目标跟踪算法。首先,基于感受野模块和残差网络构建深度网络模型,能够有效提取目标特征并增强特征的有效感受野;其次,提出一种多尺度自适应融合网络,能够自适应地融合深层网络的语义特征和浅层网络的细节特征,增强特征的表达能力;最后,将融合的目标特征输入到相关滤波模型中,计算出响应图的最大置信分数,从而确定跟踪目标位置。仿真实验结果表明,该算法在跟踪成功率和精确率上都达到了较高水平,有效提升了无人机目标跟踪算法性能。     

基于无监督深度学习的红外与可见光图像融合

目前已知的多数基于卷积神经网络的红外与可见光图像融合模型没有充分利用来自可见光源图像的层次特征,因此导致融合图像细节纹理不足。受残差网络和密集网络的启发,提出了一种基于无监督深度学习的图像融合算法来解决融合图像细节纹理信息不足的问题。使用的残差密集块有连续存储机制,最大程度地保留每层的特征信息,局部残差融合和全局残差融合的设计有利于学习图像中的结构纹理。此外,为了更好地保留可见光图像中的细节纹理,引入了生成对抗网络对数据集进行无监督学习。主客观实验表明,该算法不仅获得了良好的视觉融合效果,融合图像具有更多的边缘纹理信息,在客观评价指标上对比现有优秀的算法也较大的提升。     

基于改进空间通道信息的全局烟雾注意网络

针对烟雾因半透明、形状不规则和边界模糊造成分割困难的问题,提出了基于注意力机制的长距离信息建模方法,以提取长距离像素间的依赖和连续性关系。通过注意力机制作用原理,解决孤立小块区域误分类问题,减少非连续区域的烟雾误判。为避免注意力网络大尺寸矩阵运算造成的内存和计算负担,对空间和通道2种注意力方式进行改进,分别设计了双向定位空间注意力(BDA)模块和多尺度通道注意力(MSCA)融合模块,弥补现有注意力全局池化操作导致的大量空间信息丢失。将所提注意力模块和残差深度网络合并,构建面向图像烟雾分割的全局烟雾注意网络,在尽可能不丢失全局信息相关性的同时减少内存消耗。实验结果表明：所提网络在DS01、DS02、DS03合成烟雾测试集上,取得的平均交并比分别为73.13%、73.81%、74.25%,总体上优于对比算法。     

基于三维Saab变换的高光谱图像压缩方法

高光谱图像中存储了丰富的光谱信息,具有极大的应用价值,但现有大部分高光谱图像压缩方法难以同时兼顾图像中的空间冗余与谱间冗余,导致压缩性能受到局限。针对该问题,提出了一种基于三维修正偏置的子空间(Saab)变换的高光谱图像压缩方法。采用三维Saab变换对高光谱图像的分块进行空间光谱信息融合的降维操作,同时去除谱间冗余和局部空间冗余;利用高效率视频编码(HEVC)中的帧内编码模块进一步去除空间冗余和统计冗余;实现低失真、高比率的高光谱图像压缩。在多个高光谱图像数据集上的实验结果表明,所提方法在同码率下重建图像的信噪比(SNR)比采用主成分分析(PCA)降维的方法至少提高0.62 dB,在高码率的情况下性能优于张量分解的压缩方法。同时,验证了不同降维方法对分类任务的性能影响,结果表明,所提方法更好地保留了图像中的重要特征,在低码率的情况下仍可以保持较高的分类精度。     

一种新的BDS-BSAR多星融合目标监测算法

近年来,基于卫星导航信号(GNSS)的双基地合成孔径雷达(GNSS-BSAR)以其低成本、实时的全球覆盖能力在遥感应用中发挥着越来越重要的作用.北斗导航卫星(BDS)作为GNSS系统的重要组成部分,以其更高的信号带宽为特点,理论上能够为SAR系统提供更高的分辨率.一种新的基于北斗GEO卫星导航信号的双基地合成孔径雷达(...