多传感器分布式融合检测自适应算法

多传感器融合检测系统的主要结构为分布并行式融合结构,贝叶斯融合检测策略则是分布式融合检测系统中最典型的一种融合方法。在该策略中必须给定假设的先验概率和各个传感器的虚警概率和漏检概率,而在实际应用中,这些统计量是未知的或者随时间变化的。文中给出一种分布式融合结构的自适应融合算法,可以在线自适应学习先验概率、虚警概率及漏检概率,从而利用融合算法解决决策融合问题。计算机仿真结果表明了算法自适应逼近传感器虚警概率和漏检概率的过程,及融合检测的有效性。

基于SLIC分层分割的无人机图像极小目标检测方法

针对无人机可见光图像目标小、对比度弱的问题,本文提出一种基于简单线性迭代聚类(Simple linear iterative clustering,SLIC)分层分割的极小目标检测方法。首先使用预处理方法提高原始图像的对比度,并利用Top-hat融合方法进行初始分割以确定目标区域,其次利用SLIC方法完成目标精细分割,并采用改进的具有噪声的基于密度的聚类方法(Density-based spatial clustering of applications with noise,DBSCAN)对SLIC分割结果进行超像素聚类,最后提取目标的邻域熵等多种底层特征,使用特征匹配方式检测目标,获取最终检测结果。本文提出了一种全局检测和局部检测相结合的检测策略,极大提高了检测速度。仿真结果表明,本文方法可以有效提高无人机小目标的检测性能,加速检测速度。