摘要：原始环境遥感图像经常面临噪声问题,导致目视判读困难,植被提取精度低。为解决这一问题,有效促进环境遥感图像质量提升,提出一种基于加权融合的环境遥感图像增强算法。首先,构造灰度变换函数来提高图像对比度;其次,设计灰度加权系数以降低图像噪声;最后,利用灰度加权系数完成像素灰度加权融合增强。实验结果表明,该方法能有效提高环境遥感图像质量,便于对环境研究目标进行目视解译。

摘要：针对复杂环境下非视距等因素造成的UWB定位精度下降的问题,提出了一种基于加权融合-UKF的超宽带定位算法。首先建立一套非视距环境中的UWB基站系统,通过PC端采集各个基站的测距信息;其次通过搭建合适的CNN网络对原始数据进行预处理,有助于提高数据的稳定性;然后对原始数据进行指数加权移动操作,设计以测距距离为变量的加权函数,将指数加权移动处理的数据与CNN处理后数据进行融合,改善信号均值漂移问题;最后引入UKF对融合数据进行滤波计算,得到目标节点的位置坐标。采集多个点的数据进行试验验证,其结果表明,提出的方法对非视距造成的定位误差有良好的改善效果,算法定位精度RMSE均值约为2.94 cm,精度相比单一UKF解算提高了46.79%,比单一CNN处理提高了17.88%。

摘要：为解决用户推荐过程中的数据稀疏性和冷启动问题,通过构建模糊时序分类模型设计相似度加权推荐算法。预处理数据时结合用户属性标签和时间维度建立模糊时序分类模型,并采用拉格朗日插值法进行空白数据的预测填充。针对不同用户个人评分偏高或偏低造成的评分差异以及单方面评级问题,利用相似度加权融合方法提高算法准确性。实验结果表明,该算法能有效降低平均绝对误差,提高推荐质量。

摘要：针对传统图像融合方法导致纹理细节丢失的现象,提出了一种基于抗混叠移不变Contourlet域的分块压缩感知(block-based compressed sensing,BCS)图像融合算——Contourlet_BCS。把善于表达图像纹理及边缘信息的Contourlet变换引入了压缩感知稀疏表示中,同时对分解得到的低频系数采取加权的区域能量融合规则,高频系数采取基于广义高斯分布模型的加权融合规则进行图像系数融合,最后在压缩感知框架下利用带平滑处理的投影Landweber算法重构。实验结果表明,Contourlet_BCS融合效果优于传统方法,融合的图像纹理清晰.边缘细节信息更为丰富。

摘要：为了高效、准确地获取视频中的人体行为和运动信息,提出一种基于人体姿态的时空特征的行为识别方法.首先在获取视频中各帧图像的人体关节位置的基础上,提取关节信息描述姿态变化,具体包括在空间维度上提取每帧图像的关节位置关系、时间维度上计算关节空间关系的变化,二者共同构成姿态时空特征描述子;然后利用Fisher向量模型对不同类型的特征描述子分别进行编码,得到固定维度的Fisher向量;最后对不同类型的Fisher向量加权融合后进行分类.实验结果表明,该方法能够有效地识别视频中的人体复杂动作行为,提高行为识别率.

摘要：针对机器视觉智能巡检中,红外图像下变电站设备类型多、故障状态难以准确判别的问题,提出一种基于FastPCA和PHOG特征加权融合的电气设备类型及其故障状态识别算法。引入K-means算法完成红外图像分割;提取分割图像的FastPCA和PHOG特征并加权融合成新的混合描述子;将新的描述子作为训练好的SVM分类器的输入向量,实现目标巡检设备类型及故障的识别分类。试验结果表明:该算法在兼顾较高速度的基础上识别准确率也有明显提升,并且当现场运行环境改变时能快速地添加训练的新样本,尤其适合小样本下的机器学习。

摘要：飞行器气动数据的来源主要有风洞试验、数值模拟、飞行试验三种方式。受试验和模拟能力的限制,任意一种单一手段都难以准确地对飞行器全飞行包线进行覆盖。为弥补各种数据的“缺陷”,提出并实现了两种数据融合算法:一种是依据不确定度作为权值参考,进行加权融合的加权融合算法,利用高斯过程回归算法获得不同来源气动数据预测值的特征,并进行加权融合;另一种是基于模型的CoKriging融合算法,利用CoKriging算法直接建立融合模型。并以某型飞行器气动数据为例进行了对比分析。结果表明:使用单一精度数据建模时,在一定的范围内,样本数据越多,覆盖的设计变量空间越广,精度越高;与单独使用一种精度数据的建模算法相比,两种融合算法预测结果的精度都有较大的提高;相比于基于不确定度的融合算法,使用CoKriging算法建模得到的结果精度更高,提高了近一个数量级。融合数据对于提高数据精度和增强模型预测能力上有重要作用,在参数变量空间内,融合数据能够对高精度数据进行内填补充,同时在参数变量空间外的融合数据能对数据的变化趋势预测提供参考。

摘要：在认知光通信网络中,能量检测方法因不需要知晓主用户的参数而被广泛研究,但该方法在噪声波动情形下的感知性能有待提高。该文提出认知用户根据光通信环境变化自动调整检测阈值的方法来提升低信噪比下的感知性能。融合中心应用坐标搜索算示为认知用户提供最优控制参数。认知用户以中心阈值为基础,依据最优参数及自身收集的能量动态设定检测阈值,并通与融合中心的信息交换,学习特定环境下的最佳阈值。此外,参考了各认知用户在协作感知中的贡献差异,并设计新的权值计算方法来体现该差异。仿真实验结果表明该文中的频谱感知方法对噪声波动有卓越的鲁棒性,提高检测概率的同时降低了错误概率,在信噪比为-20dB时的检测概率仍高达96.9%,远高于传统方法。

摘要：目的视频行为识别和理解是智能监控、人机交互和虚拟现实等诸多应用中的一项基础技术,由于视频时空结构的复杂性,以及视频内容的多样性,当前行为识别仍面临如何高效提取视频的时域表示、如何高效提取视频特征并在时间轴上建模的难点问题。针对这些难点,提出了一种多特征融合的行为识别模型。方法首先,提取视频中高频信息和低频信息,采用本文提出的两帧融合算法和三帧融合算法压缩原始数据,保留原始视频绝大多数信息,增强原始数据集,更好地表达原始行为信息。其次,设计双路特征提取网络,一路将融合数据正向输入网络提取细节特征,另一路将融合数据逆向输入网络提取整体特征,接着将两路特征加权融合,每一路特征提取网络均使用通用视频描述符——3D ConvNets(3D convolutional neural networks)结构。然后,采用BiConvLSTM(bidirectional convolutional long short-term memory network)网络对融合特征进一步提取局部信息并在时间轴上建模,解决视频序列中某些行为间隔相对较长的问题。最后,利用Softmax最大化似然函数分类行为动作。结果为了验证本文算法的有效性,在公开的行为识别数据集UCF101和HMDB51上,采用5折交叉验证的方式进行整体测试与分析,然后针对每类行为动作进行比较统计。结果表明,本文算法在两个验证集上的平均准确率分别为96.47%和80.03%。结论通过与目前主流行为识别模型比较,本文提出的多特征模型获得了最高的识别精度,具有通用、紧凑、简单和高效的特点。

摘要：结构光测距技术的主要缺点是无法获取摄像机看不到或光源照不到的点的数据。为此 ,采用冗余多传感器构成无影视觉坐标测量系统。传感器输出各自测得的目标参数和状态参数到数据融合中心 ,特殊设计的可变模板抽提出各路信号的特征参数。利用特征参数阈值进行数据特征融合后 ,进行加权融合计算 ,使融合后的最终测量结果达到最优。实验证明 ,无影视觉系统明显优于单目测量系统 ,对复杂形貌曲面测量有重要意义。