基于局部方差和后验概率分类的快速模板匹配算法

具有旋转不变性的模板匹配算法在工业制造上具有广泛的应用。为解决传统的模板匹配方法在目标旋转、匹配速度上的问题,提出一种基于局部方差和后验概率分类的模板匹配方法。为减少计算量,在匹配中通过局部方差过滤掉部分候选窗口,并在后验概率分类模块中通过对比不同区域稳定特征点对的灰度来计算窗口相关性。使用后验概率分类计算窗口相关度能在预处理过程实现旋转不变性,并保证准确率在95%以上。实验结果表明,该算法在80万像素级的任意角度匹配图像上选择合适的窗口移动步长后,可将匹配时间减少到10 ms以内,相较于现有算法速度更快。

基于最大后验概率的图像匹配相似性指标研究

图像匹配是视觉跟踪领域中的重要环节,利用巴氏(Bhattacharyya)系数度量模板与待匹配区域之间的统计特征相似性是图像匹配中最有效的方法之一.但是由于背景特征的影响,有时应用巴氏指标进行匹配得到的最优解的位置并不一定是目标特征的实际位置,因而在视觉跟踪过程中目标定位可能出现偏差,甚至跟踪错误.本文提出了一种基于后验概率的图像匹配相似性指标,该指标利用搜索区域的统计特征,能有效抑制待匹配区域特征中背景因素的影响,同时突出了目标特征的权重,与巴氏指标相比明显改善了匹配函数的峰值特性.这种指标的另一突出优点是计算复杂度很低,容易得到全局最优解.与巴氏系数指标的匹配结果进行的比较表明,本文所提出的匹配指标在复杂背景下具有更强的目标识别与分辨能力.

不确定环境下后验概率约束的匹配场处理

不确定海洋环境下,匹配场处理(MFP)所使用的环境模型与真实环境总会存在一定的差异,即存在环境参数失配,此时匹配场处理的性能严重下降。为了提高匹配场处理的稳健性,提出了一种后验概率约束的匹配场处理器(MFP-PPC)。利用贝叶斯准则推导出了位置参数的后验概率密度(PPD)估计,以此为约束为自适应匹配场处理器(AMFP)提供主瓣保护,使得算法具有AMFP高分辨特点的同时稳健性也得到改善。为了验证算法的性能,使用不确定浅海环境下的仿真数据和海试数据进行了处理分析。分析结果表明:不确定环境下,MFP-PPC不仅能够稳健地定位固定声源,而且能够稳健地定位运动声源,且跟踪曲线和声源移动轨迹吻合较好。

匹配场反演结果的后验概率分析

采用全局寻优遗传算法进行浅海环境参数匹配场反演 ,研究了判断反演结果唯一性和不确定性的后验概率分析方法 ,并对反演中各环境参数的频率依赖性进行了讨论 ,最后用亚洲海实验(ASIAEX2 0 0 1 )数据对环境参数进行了有效的反演。

匹配场反演后验概率分析

构造了一种基于并行优化算法的后验概率分析算法,用于对匹配场反演结果进行定量的概率分析。应用并行优化算法的强收敛特性,解决了统计计算中常出现的收敛标准难以确定的问题;应用优化算法高度并行、种群个体收敛高度一致的特性,较好的解决了高维统计计算中样本数量与计算时间、样本数量与样本质量之间难以协调的问题。匹配场反演仿真算例表明,该算法能有效对反演结果进行概率分析。

融合后验概率置信度的动态匹配词格检索

在基于动态匹配词格检索(DMLS)的关键词检测系统中,应用最小编辑距离作为关键词检出的置信度,在提高检出率的同时也增加虚警率.针对此问题,文中提出融合后验概率置信度的动态匹配词格检索方法.该方法首先将基于Lattice的后验概率引入到DMLS的索引建立中,其次应用数据驱动的音素替换、插入和删除代价,实现更灵活的近似匹配,最后通过联合最小编辑距离和后验概率置信度得分进行关键词检测.实验表明,最小编辑距离和后验概率置信度具有一定的互补性,系统的等错误率相对降低.

一种基于最大后验概率的抗遮挡目标跟踪算法

针对传统目标跟踪算法对遮挡场景判断不准确、实时性不高的问题,提出一种基于最大后验概率匹配系数的特征自适应选取的目标跟踪算法.首先,在Mean-shift算法框架下,采用颜色和纹理特征描述目标;其次,选取可信度高的特征的最大后验概率匹配系数判断目标是否被遮挡;最后,根据遮挡程度采用最大后验概率匹配系数对模板进行实时更新.实验结果表明,在遮挡场景下,本文算法与传统的Mean-shift算法相比,具有更好的稳定性和鲁棒性.

支持向量机后验概率方法在多任务脑机接口中的应用

基于运动想象的脑机接口是把使用者的运动意图转变成控制外部设备的信号,它包括脑电数据采集,特征提取和模式分类等几个基本环节。本研究发展了用支持向量机后验概率输出进行分类,并用分类结果中具有大概率的测试样本扩充训练集的模式分类与特征更新方法,并把此方法应用于4类任务运动想象脑机接口实验。使用BCI CompetitionⅢ的数据Ⅲa,运用一对一共空间模式扩展方法进行特征提取,用支持向量机后验概率方法进行分类和训练样本扩充。结果表明:概率信息能提高BCI的性能;应用概率信息选取样本扩充训练集能增加分类器的稳健性。

基于后验概率度量的粒子滤波跟踪算法研究

针对遮挡、光照变化、尺度变化等复杂环境中的视觉跟踪问题,提出一种基于后验概率度量的粒子滤波跟踪算法。由于后验概率指标与Bhattacharyya系数指标相比具有更强的峰值特性,采用后验概率指标作为相似性度量函数,通过粒子的更新、推广、观测、估计等步骤实现跟踪算法。通过对实际视频图像序列进行目标跟踪实验,实验结果表明:传统算法只有约50%的图像能够实现尺度自适应,而本文算法采用传统算法25%的粒子就能够收敛逼近目标的真实轨迹,达到更强的抗遮挡能力,90%以上的图像序列都能够实现良好的尺度自适应效果。

稳健的条件概率约束匹配场处理

为了提高自适应匹配场处理（AMFP）的稳健性，该文提出一种条件概率约束的自适应匹配场处理算法（MFP-CPC）。该算法利用贝叶斯准则推导出了位置参数的后验概率密度估计，以此作为权系数给自适应匹配场处理器（AMFP）提供主瓣保护和旁瓣压缩性能，使得算法具有 AMFP 高分辨特点的同时稳健性也得到改善。为了验证算法的性能，使用NRL的典型测试数据进行了仿真分析。结果表明：MFP-CPC具有优于Bartlett和最小方差无失真响应（MVDR）的定位性能，其稳健性和Bartlett类似，主瓣宽度和MVDR相同且旁瓣比MVDR低约6~8 dB。

ISAR高分辨成像算法正则化系数的优化

以稀疏约束最优化逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)信号模型为基础,基于最大后验概率估计的误差精度和ISAR图像的稀疏性,提出了一种正则化系数优化方法。该方法结合压缩感知理论,基于L1范数建立了稀疏约束的ISAR最优化信号模型。该模型可在任意正信噪比情况下根据每次迭代结果的稀疏度实现正则化系数的自适应调整,且只需少数迭代循环就能确定比较稳定的系数,实现图像的高分辨重建。该方法避免了因无法直接确定最佳系数而重复尝试的复杂过程,提高了算法的实现效率。在求解该最优化模型时,对傅里叶矩阵相乘进行了算法简化并结合共轭梯度下降法降低了算法运算的复杂度。

基于Relief算法的不平衡数据分类分级算法仿真

不平衡数据的分类分级是保证大数据技术高效使用过程中不可缺少的环节,但分类分级过程易受数据属性、冗余性、不均衡性等问题的干扰。为解决上述问题,提出不平衡数据朴素贝叶斯分类分级算法。采用合成少数类过采样技术降低数据的不平衡度,通过距离相关系数与最大信息系数完成不平衡数据的特征选择与筛选,采用Relief算法对筛选的特征做权重分配,并输入到朴素贝叶斯模型中实现分类,再结合动态阈值算法完成数据的分级。实验结果表明,所提算法的运行时间短、分类精度高,能够有效提升数据处理效果。

基于小波系数相关性和局部拉普拉斯模型降噪方法

提出了一种基于小波系数尺度间相关性和局部拉普拉斯模型降噪方法。首先利用小波系数相邻尺度间的相关性对各尺度上系数进行分类,将小波系数分为有效系数和无效系数两类;然后将两类小波系数分别采用相应规则进行处理:对无效小波系数直接进行置零;而对有效系数邻域内的小波系数统计分布进行局部拉普拉斯建模。在此先验分布的基础上,运用最大后验概率估计从含噪小波系数中估计出信号的小波系数;最后利用真实信号小波系数的估计值来重构信号,便得到降噪信号。分析结果表明,与传统的软、硬阈值去噪方法相比,该方法可以更有效地消除信号中的噪声,提高信号信噪比。

雷达目标识别中获取基本概率赋值的方法

由于传感器的精度、系统组成的许多环节、外部环境影响以及数据的后处理等因素的影响,雷达目标识别中存在大量的不确定性。在这种情况下,利用精确的方法处理不确定性信息,必然造成识别误差的提高。证据理论是近年发展起来的一种新型推理技术,由于它能够处理由不知道引起的不确定性,因此被广泛地应用于目标识别中。然而,在利用证据理论时,基本概率赋值的构建是证据理论实际应用中面临的最大难题。针对雷达目标识别具体问题,在系统分析证据理论的基础上,提出构建基本概率赋值的方法,并通过仿真实验验证了方法的可行性。

基于等方性系数的地形可导航性的方向性研究

地形可导航性分析的研究中 ,当飞行器从不同方向进入特定区域时 ,怎样评价该区域提供的可导航性能力一直是地形匹配中的重要问题。本文建立了地形本质特征的数学过程描述———分数布朗运动 ;基于分形几何理论 ,通过分析地形表面的轮廓谱矩和表面谱矩的特性 ,提出一种地形特征度量值———等方性系数 ;并且分别得出了等方性好与差时 ,适配区域的匹配概率与方向之间的定性关系 ,有助于提高地形可导航性分析的效率。

优化Bayes决策方案在导弹打靶试验评估中的应用

分析了λ和验前概率基于Bayes决策不等式对检验准则的影响,建立试验判定区的数学模型,推导出试验判定区域S与λ的数学关系式,分析λ的取值对继续试验概率的影响。通过导弹打靶实例研究了检出比、试验次数和风险系数三者之间的关系,为小子样条件下确定最优检出比参数提供理论依据。

基于概率扩散的多光谱遥感图像分类模型

为了提高遥感图像分类精度,提出了一种基于概率扩散模型的多光谱遥感图像自动分类技术。该方法首先通过比较模糊C均值分类器(FCM)的有效性函数来自动确定最优分类数目,然后利用基于形态学的各向异性概率扩散模型来调整中心像元隶属类别的概率,最后根据概率扩散的隶属概率向量图,并按照最大后验概率估计(MAP)对像元进行分类。由于各向异性扩散具有保边缘平滑的特点,因此,该概率扩散模型不仅能够有效地抑制同质区域内部“斑点”的产生,而且使得图像上重要的边缘特征得到了较好地保留。实验结果表明,该分类算法不仅能够避免分类图像中“斑点”噪声的影响,而且分类后的总体精度达到了77.76%和Kappa系数达到了0.7198,均优于未经过概率扩散的最大后验概率估计分类算法,因而具有一定的实用价值。

基于Markov随机场的新型景像匹配算法

为了提高景像匹配导航系统的定位精度,给出了一种基于Markov随机场理论和极大后验概率估计的新型景像匹配算法.考虑到在x方向和y方向位置偏差的实时图与基准图之间的灰度分布关系,利用图像上的灰度分布服从Markvov随机场分布这一特性,建立了景像匹配问题的条件概率分布模型.应用最小二乘法和噪声的先验统计信息估计位置偏差的方差,给出了描述基准图与实时图之间灰度偏差的测量模型,确定了测量的统计特性.基于极大后验概率估计准则计算了位置偏差的估值.由于新算法在计算位置偏差估值时用到了被估量和噪声的统计信息,因此具有很高的精度.将该算法与最小二乘景像匹配算法进行了仿真比较.仿真结果表明,新算法的匹配精度达到了0.1～0.2像素,高于最小二乘匹配算法的匹配精度.

一种用于超分辨率重建的自适应块匹配算法

提出了一种基于自适应块匹配的超分辨重建算法。首先根据相邻运动块之间的相关性来预测搜索块,然后利用图像的运动特性自适应地选择合适的搜索模式,最后采用最大后验概率估计算法对配准后的图像进行超分辨率重建。该算法可以有效减少搜索匹配点的个数,极大提高搜索速度,并且能够获得与全搜索算法同样高的配准精度,具有较大的峰值信噪比。实验结果表明,所设计算法能获得较好的视觉效果与重建效果,具有一定的实用价值。

基于概率密度PCA的多模态过程故障检测

为了提高故障检测和分类能力,提出基于概率密度PCA的多模态过程故障检测算法。对各模态的训练数据建立PCA模型,计算各个模型的控制限和匹配系数。根据匹配系数计算各模态统一的控制限。对新来的数据,运用概率密度确定其模态。新来数据向对应模态的模型上投影并计算统一的统计量,比较统计量与控制限进行多模态过程故障检测。把该方法应用到数值例子和半导体过程中,仿真结果表明,该算法在分类及多模态过程故障检测方面具有很高的准确性。