基于IST-RSCKF-MB的雷达多目标跟踪算法

针对多目标跟踪(MTT)算法存在较大的计算量问题,将改进渐消因子的强跟踪(IST)引入快速平方根容积卡尔曼滤波(RSCKF)中,并联合新息自相关矩阵和Murty算法确定最佳假设的多伯努利(MB)算法,提出改进强跟踪平方根容积卡尔曼多伯努利(IST-RSCKF-MB)的雷达多目标跟踪算法。仿真结果显示,所提出算法的运算效率和滤波精度比平方根容积卡尔曼多伯努算法、改进强跟踪平方根容积卡尔曼多伯努利混合算法、扩展卡尔曼多伯努利算法和无迹卡尔曼多伯努利算法均有不同程度提高,误差率分别减少0.36%、4.71%、14.75%和0.17%,适用于嵌入式目标跟踪算法实现。

Marching Boxes:一个多精度等值面抽取算法

ＭａｒｃｈｉｎｇＣｕｂｅｓ（ＭＣ）算法是生成三维数据场等值面的经典算法，适用于数据场密度较高的体数据．结合显示所需精度提出的ＭａｒｃｈｉｎｇＢｏｘｅｓ（ＭＢ）算法，对ＭＣ算法作了优化，减少了由ＭＣ算法生成的三角面片数，使实时观察体数据成为可能．在保留图象细节的前提下，ＭＢ算法输出的三角面片数比ＭＣ算法减少了一半以上，从而加快了体数据的面绘制速度．

一种改进的C4.5算法

为了提高C4.5算法的有效性,提出了一种改进的MB—C4.5算法。该算法主要改进了C4.5算法的分枝策略和属性选取的标准。把分类效果较差的分枝合并到分类效果较好的分枝中。引进一个平衡度系数,系数大小由决策者依靠先验知识或领域知识确定。MB—C4.5算法在提高重要属性的选择、减少无意义分枝、过度拟合等方面有一定提高。用该算法构造出的决策树进行分类更为准确、合理。对改进前后的算法用实例进行分析,说明MB—C4.5算法的有效性。

一种基于无监督学习的MB1隐写分析方法

为了提高针对混杂小样本集的MB1隐写算法的检测率,提出了一种泛化能力较强的MB1隐写分析方法.通过分析多种图像特征,在离散余弦变化(DCT)域选取对隐写敏感易变的特征,包括变分特征、块边界度量特征、共生矩阵特征和马尔可夫特征组成的108维特征向量,并以无监督学习中的支持向量数据描述法(SVDD)为分类器,使用含有混杂样本的小样本集进行训练,测试算法对隐写图像的检测率.实验结果表明,当检测相对嵌入率为40%以上的隐写图像时,检测率可靠度达到96%以上,明显高于其他2种基于支持向量机的经典算法.这说明本方法打破了其他方法对训练样本集的限制,提高了对混杂小样本集的MB1隐写算法的检测率.但由于它对混杂样本具有一定的容忍度,对较小嵌入率的隐写图像的检测率稍低.

基于块边界特性的MB隐秘分析方法

隐秘术的恶意滥用给信息安全带来了巨大的威胁,隐秘术中的MB算法是一种安全性较高、应用广泛的隐秘算法,对基于MB算法的恶意隐秘有效检测已成必然。在研究了MB隐秘算法特点基础上,对隐秘图像块边界特性进行了分析,验证了图像块边界特性对MB隐秘的敏感性,提出了基于块边界特性的MB隐秘分析算法,并通过实验验证了该算法的有效性。实验表明:该算法有较高的检测率,并实现了对秘密信息嵌入率的近似估计。

基于葵花8卫星的上海市夏季对流初生预报研究

参考Mecikalski et al(2010a;2010b)提出的基于GOES系列卫星的对流初生预报方法,针对上海市夏季对流天气特征建立了基于高时空分辨率的静止气象卫星数据的上海市对流初生判识及预报方法。利用该方法对上海市的一次对流初生个例进行了分析,并对2016年7-8月的12次对流初生事件进行了预报试验,结果表明:方法提取的各个指标能够很好地体现对流初生过程中云团的发展变化特征并能剔除掉成熟对流云团边缘像元的干扰;在12次对流初生事件中,成功地预报了其中的11次,预报时间较对流初生时间平均提前了约30 min,但是对于局地弱对流过程该方法仍有一定的缺陷。

高分辨率遥感影像融合研究

遥感影像融合不仅可以提高原多光谱影像的空间分辨率,更重要的是最大量地保留影像的光谱信息。为了研究适合于QuickBird遥感影像融合的融合方法,本研究应用乘法复合算法(MLT)、改进的Brovey(MB)、高通滤波(HPF)以及基于平滑滤波的亮度调节算法(SFIM)四种融合方法对QuickBird影像进行了融合试验和分析。试验区以覆盖不同土地利用类型的一小景QuickBird影像为基础。采用了均值偏差、标准差、信息熵、平均梯度和相关系数五种数字统计方法来定量地评价由以上算法产生的融合影像。分析结果表明:SFIM算法在光谱保真性、高频信息融入度、影像清晰度方面都优于其他三种方法。因此,在研究的四种方法中,SFIM算法最适合Quick-Bird影像融合。