非刚性医学图像的博弈配准方法

提出一种通过像素间的非合作博弈实现非刚性医学图像配准的方法。首先用离散位移场表示形变,将配准问题归结为马尔可夫随机场中的最大后验概率推理问题,并转化为吉布斯随机场的能量极小问题。然后将配准视为像素间的博弈,通过寻找纳什均衡点获得能量极小点,完成图像配准。博弈过程中,各个像素都选择使自身收益最大化的位移向量。该方法能配准任意形变,需要设定的参数少,易于实现。实验结果表明,博弈配准方法的配准能力强,精度高,对图像分辨率的变化具有鲁棒性。

考虑目标航向机动信息的机动目标跟踪算法

传统的机动目标跟踪算法大多过于依赖所采用的目标运动模型,没有充分利用目标量测序列中携带的其它有用信息,当目标机动时跟踪性能下降较大。针对该问题,提出了利用目标航向机动序列修正传统跟踪算法滤波值的新算法。仿真结果表明,该算法比传统跟踪算法的跟踪精度高,是一种简单有效的自适应机动目标跟踪算法。

基于像素合作博弈的非刚性图像配准方法

用离散位移场表示形变,将非刚性图像配准问题转化为马尔可夫随机场中的最大后验概率推理问题,从而等价于吉布斯随机场中的能量极小问题。为获得能量极小点,将配准视为像素间的博弈,提出了基于多人合作博弈的非刚性图像配准方法,设计了相应的确定性算法。博弈配准时,每个像素尝试与邻居结盟选择一致的位移向量,使自身和联盟的收益都最大化,迭代地完成配准。新方法能配准复杂的形变,精度高、鲁棒性好,非常适用于图像的精配准。实验结果验证了合作博弈配准方法的可行性和有效性。

多DSP并行的神经网络集成目标识别法

针对分布式信息融合结构、异质传感器条件下的目标识别问题,提出了基于多DSP并行结构的神经网络集成目标识别方法。给出了生成神经网络集成的具体方法,并构造了一个实际的空中目标识别硬件系统。结果表明,系统的目标识别性能明显优于单个神经网络的目标识别性能,且识别目标的速度很快。

基于单亲遗传算法的火力分配方法

提出了将单亲遗传算法应用于火力分配问题的方法,该方法既保持了传统遗传算法的诸多优点,又克服了传统遗传算法要求种群多样性、易陷入局部最优和实时性差等缺点。单亲遗传算法使用经过简化的遗传操作算子,算法的复杂度大大降低,可以应用于实时性要求较高的场合。仿真结果表明,单亲遗传算法能有效地解决火力分配问题,是一种简单、有效和快速的算法,具有很好的应用价值。

分布异质传感器下的神经网络集成目标识别法

针对分布式信息融合结构、异质传感器条件下的目标识别问题,在以往采用单个神经网络进行目标识别的基础上,提出了基于神经网络集成的目标识别方法。给出了生成神经网络集成的具体方法,并构造了一个实际的空中目标识别系统。仿真结果表明,系统的目标识别性能明显优于单个神经网络的目标识别性能,具有较高的应用价值。

图像配准的复制动力学方法

为了实现高精度图像配准,把单个像素看做参与博弈的局中人,将图像配准视为图像中各个像素与其周边像素的演化博弈过程。为了寻求博弈的均衡点,根据配准问题的特点,对复制方程进行修改,提出基于修改后的复制方程的图像配准方法。新方法是完全基于问题域建立起来的,能实现对任意形变的高精度配准,并且配准精度与分辨率无关。针对刚性形变的遥感图像和非刚性形变的医学图像进行了两组实验,结果表明了新算法的有效性。

基于两特征博弈的图像配准方法

图像分析应用对图像配准的精度和速度要求越来越高,传统配准方法很难满足要求。为此,提出一种基于二人博弈的配准方法,该方法将两种基于不同图像特征(如特征点和轮廓)的配准方法视为两个局中人,通过寻求二人博弈的均衡点配准图像;配准过程中,两个局中人通过信息共享改善配准精度和速度。新方法很好地结合了不同图像特征的优点,克服了采用单一特征进行配准的不足。针对医学、遥感和航拍图像的实验表明,在选择合适图像特征的前提下,新方法的配准速度和精度都优于基于SIFT的配准方法。

协作机制评价和全局联合最优搜索的通用模型

现有协作机制(CM)评价和选择模型存在通用性差、易陷入局部最优、CM库难以建立及评价函数设计困难等缺陷,不能满足现代复杂协同系统的要求。该文针对CM动态选择系统,构建CM评价的通用模型,设计对CM及其参数进行全局联合最优搜索的遗传算法,对模型和算法进行仿真。仿真结果表明,该模型能克服原有模型的缺陷,其算法能搜索到全局联合最优CM库。

一种传感器网格自协同作战模型

传统的协同技术不能满足传感器网格复杂的协同应用在动态性、实时性以及分布决策的强协同等方面的需求。为此,建立了一种自协同技术,给出了自协同作战虚拟组织(ACBVO)的参量化描述,提出了传感器网格自协同作战模型(SGACBM),描述了协同成员的信息结构和功能结构。使用SGACBM,ACBVO能在执行任务过程中,不断监测协同工作的质量,并根据协同质量动态切换协同机制。SGACBM能改善传感器网格的协同质量,加速作战进程,实现传感器网格自协同作战。

基于遗传算法的模糊关系方程求解

针对模糊关系方程的求解问题,即模糊综合评判逆问题,提出了一种基于遗传算法的求解方法.算法能有效地找出模糊关系方程的全局近似最优解,并且与模糊关系合成算子的具体形式无关,有良好的鲁棒性和自适应能力.仿真结果表明,此方法是一种有效、实用的模糊关系方程求解方法.

协调质量的云模型评价方法

协调系统的协调状态复杂多变,具有不确定性,目前尚缺少评价协调质量的有效方法。为此,采用云模型,通过对定性的协调状态语言描述进行定量不确定转换,建立了系统的协调质量基准模型和协调状态模型,反映了协调状态的改变对协调质量的影响,在此基础上提出了协调质量的云模型评价方法,解决了协调系统的协调质量评价问题。仿真结果表明,云模型评价方法能有效地评价系统的协调质量。

基于云遗传算法的图像相关匹配

针对图像相关匹配计算量大的问题,提出基于云遗传算法的图像相关匹配方法。考虑到图像平均量的存在会增加匹配的难度,对传统归一化相关测度进行修正。为寻找最佳匹配点,将修正后的相关测度作为适应度函数,采用云遗传算法进行寻优。由于云遗传算法具有收敛速度快、局部寻优能力强和不易产生早熟现象等优点,新方法的匹配精度和速度都得到提高,且抗噪声能力强。仿真实验结果表明,新方法对无噪声和有噪声图像都能实现高精度匹配,在匹配精度和速度上优于基于自适应遗传算法的匹配方法。

频谱兼容性分析的关键问题研究

从系统间电磁兼容分析角度介绍了频谱兼容性的概念及基本特点,并建立了频谱兼容性分析的基本流程,针对频谱兼容性分析的两个主要过程,从理论、仿真和实测三个方面提出了与之相适应的方法体系,在此基础上研究了频谱兼容性分析方法体系中所涉及的各项关键技术,最后针对各项关键技术的特点总体分析了关键技术应用及实现方法,从而可以为频谱管理领域的频谱兼容性分析工作提供科学系统的基础支撑。