基于背景字典构造的稀疏表示高光谱目标检测

针对现有基于稀疏表示的目标检测算法采用同心双窗口构建背景字典的过程中,目标像元将会对背景字典产生干扰的问题,提出基于背景字典构造的稀疏表示高光谱目标检测算法。该算法将高光谱图像分解成低秩背景和稀疏目标,引入目标字典作为稀疏目标的先验信息,更好地分离目标和背景,构建纯净背景字典。通过在4个公开高光谱图像数据集上仿真分析,证明所提出的算法具有出色的检测性能。

在线判别双字典学习的目标跟踪算法

传统目标跟踪算法的模板更新方法易导致目标模型漂移,为此提出一种在线判别双字典学习算法更新目标模板.双字典由目标字典和投影字典组成,其中目标字典表示目标模板.根据目标和背景样本在线迭代学习双字典,保证获其对目标维持高度描述性.通过判别函数的约束,不但降低背景信息更新到目标字典中的概率,而且保证真实目标在投影近字典上的投影近似于在目标字典上的稀疏系数,背景在投影字典上的投影近似零.因为投影的运算量较低,所以利用投影字典选择与目标字典相近的候选目标可以降低算法整体运算量.实验表明,在各种复杂环境中,算法都具有较高的稳定性.

字典序多目标多阶段决策问题的嘉量解法

建立了字典序多目标多阶段决策模型,并用嘉量原理解决字典序多目标多阶段决策问题.在字典序多目标多阶段决策的赋嘉量有向图中,从任意出发点到终点的嘉量等于出发点经过中间状态的诸顶点到终点的嘉量摹和.这个摹和与出发点之前、终点之后的状态无关.在计算过程中,将合取作为摹和,常义加法作为摹乘,则字典序多目标多阶段决策问题的递推运算转换为多阶段的摹矩阵运算.

铁水运输调度双层多目标约束优化模型

为实现铁水运输作业排程与资源分配的协同优化,基于约束程序累积调度和字典序多目标优化理论,研究了铁水运输调度双层多目标约束优化方法.首先,基于铁水罐周转率最高和作业效率最高2个字典序优化目标,考虑作业时序、作业实施逻辑、铁水温降时限、铁水罐作业次数限制、资源容量限制和铁水罐资源池等约束条件,建立了上层的铁水运输作业排程约束优化模型;其次,以资源利用均衡度最高为目标,将作业实施唯一性和资源容量限制作为约束条件,建立了下层的铁水运输资源分配约束优化模型;最后,通过约束传播与多点构建性搜索的混合算法迭代求解整个模型.通过实例验证表明:设计的混合算法求得的铁水罐周转率目标和运输作业效率目标,比基本深度优先回溯算法分别提高了14.29%和60.53%;字典序多目标模型比加权和单目标模型求解效率和求解质量分别提高了20.3%和11.11%.

基于空时稀疏表示的红外小目标检测算法

提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。

一种基于学习模型与BoW-SURF的目标识别算法

为实现机器人的主动学习和特定目标识别,提出了一种基于学习模型与BoW-SURF的目标识别算法。基于SURF(Speeded Up Robust Features)稳定的多尺度特征描述特性,以SURF描述子作为目标的局部特征描述子,借鉴BoW(Bag of Words)模型在文档分类中的优点,按目标特征量化的框架模型生成了表达目标的特征字典。首先采用K-Means算法对训练目标SURF特征集进行聚类,得到训练集对应的聚类中心(即BoW模型中的字典);然后通过完备的特征字典基对特定目标进行统一的特征量化表达;最后使用支持向量机(Support Vector Machine,SVM)的浅层分类器对目标进行分类。研究发现,在以多类型工件为实验样本的情况下,为提升算法的鲁棒性,同类型工件应按随机姿态进行摆放。通过实验发现,这种基于学习模型与BoW-SURF的目标识别算法可以在较复杂的环境下识别预定目标,根本不受目标平移、尺度缩放和几何旋转的影响,且识别工件目标可达50多种,准确率为90%,具有较强的稳定性与实时性。

基于约束程序累积调度的编组站静态配流模型研究

静态配流是铁路编组站阶段计划的核心,模型和算法的优劣直接影响编组站作业效率和经济效益。本文基于约束程序累积调度和字典序多目标优化理论,考虑配流成功的出发列车优先级总和最大、出发车流来源总数最小、到达车辆先到先发等具有字典序的3个目标,以满轴、正点、不违编、解编顺序及编组场容量限制等为约束条件,建立静态配流字典序多目标累积调度模型。采用迭代、约束传播和回溯算法求解。通过现场实际数据验证:本算法求解时间满足现场要求;模型稳定、扩展性好,符合实际需求。

基于结构信息建模和判别稀疏的红外小目标跟踪方法

为了提高背景杂波和成像噪声等干扰下红外小目标的跟踪精度,提出了一种基于结构信息建模和判别稀疏的红外小目标跟踪方法。小目标信号在广义高斯目标超完备字典上被稀疏分解,以便从受噪声干扰和杂波污染的红外图像中提取出小目标的空间结构信息;设计了转移受限粒子滤波跟踪算法,以提高粒子的采样概率;在转移受限粒子滤波框架下,基于判别稀疏表示和L1范数最小化框架求解候选目标的稀疏系数,实现小目标的跟踪。基于各种红外序列对所提方法进行实验论证,实验结果表明,所提方法能够在杂波和噪声较大的干扰下稳定地跟踪小目标,其中心误差、重叠率和平均视频播放帧率分别为3pixel、0.7和40fps,均优于其他对比方法,且具有较强的鲁棒性。