自适应Retinex算法在高动态光照环境下的应用

现有的多尺度Retinex(MSR)算法有丢失细节、光晕等影响图像质量的问题。针对这些问题提出了一种新型的自适应Retinex图像增强算法。该算法不需要复杂的参数调节,能实现自适应增强,并能消除光晕效应,对细节的表现更加准确。实验结果显示,对高动态范围(HDR)图像在细节恢复和光照还原上,新算法比MSR算法图像质量提高明显。这一算法被用于户外场面监控,能有效地改进在不同光照环境下图像的可识别度。

基于序列批处理Kalman滤波的跟踪算法

提高跟踪准确度是雷达发展的重要方向之一,本文通过建立的雷达跟踪模型,从批处理的角度,将多个状态矢量联合进行处理,并改进了量测方程,给出了一种使用序列批处理Kalman滤波(SBKF)以提高雷达跟踪准确度的新手段。通过仿真实验看出,相比传统扩展卡尔曼滤波(EKF)算法,序列批处理Kalman滤波的结果更接近真实值,有更好的收敛性,能得到更加稳定的滤波结果,有效地抑制了量测方程非线性化和野值带来的影响。

基于空中交通管制员工作负荷的对空指挥的管制席位智能配置方法

民航高质量发展需要配套的基础设施设备、技术过硬的人才队伍、空域资源的优化配置等,也需要对民航资源的精细化管理,以达到可用资源的最优化利用。在空管资源精细化管理方面,需对扇区/管制区和管制员及管制单位设备资源进行精细化管理。为保证管制运行安全,应合理配置对空指挥的各个席位,以达到对管制资源进行优化配置的目的。

空间Kalman滤波与空时Kalman滤波算法

经典的Kalman理论是以观测按时间延续分布的方式建立的.针对观测按空间延展分布的情形,基于时空对偶性建立空间Kalman滤波的方法,进而提出针对观测同时在时间、空间两个方面展开的情形的空-时Kalman滤波算法.这些算法可用于包括多传感器信息融合等在内的广泛领域.仿真表明,相比于在不计代价(成本)的情况下精度最高的集中式多传感器融合算法,空-时Kalman滤波不仅具有滤波精度与之相当的优点,更重要的是,由于在计算复杂度上占有更大的优势,使算法实时性和有效性更为提高,更适用对实时性有更高要求的情形.

空中交通管制员排班研究

随着民航事业的高速发展,管制员的工作负荷越来越大,为了保证管制员的工作效率和管制工作的安全性,需要科学合理的安排管制员的排班。首先,概述了国内管制员排班系统的现状;然后,分析了排班应满足的基本规则;最后,对自动排班系统提出了展望。

多状态矢量Kalman滤波算法

提高跟踪精度是雷达发展的重要方向之一.本文建立的雷达跟踪模型,将不同时刻的状态变量联合进行处理,通过改变状态转移矩阵,给出了一种使用多状态矢量的Kalman滤波以提高雷达跟踪精度的新手段.仿真结果表明,相比传统的EKF算法,多状态矢量Kalman滤波能得到更加稳定、准确的滤波结果.