2011年 第37卷 第8期
2011, 37(8): 901-914.
doi: 10.3724/SP.J.1004.2011.00901
摘要:
目标机动过程中通常伴随着剧烈的姿态变化, 有利于雷达目标的横向高分辨成像, 从而为基于高分辨一维多普勒像(One-dimensional high resolution Doppler profile, 1D-HRDP)进行机动检测提供了可行性. 文中给出了高分辨一维多普勒像的成像公式后, 首先分析了成像对目标转角、积累时间和采样率的约束条件, 并给出了成像处理流程. 随后着重分析了机动检测原理, 得到了目标机动与非机动两类运动条件下姿态变化率的差异, 为机动检测提供了基础. 由于多普勒像的非平稳特性, 本文将目标机动检测问题视作机动、非机动两类分类识别问题, 并基于反向传播神经网络设计实现了机动检测器, 提出了两项新的机动检测算法性能评估指标, 与传统平均检测延迟指标相比能更准确地反映检测器的动态性能. 仿真实验表明本文提出的机动检测算法总体性能好于其他三种基于特征的机动检测算法.
目标机动过程中通常伴随着剧烈的姿态变化, 有利于雷达目标的横向高分辨成像, 从而为基于高分辨一维多普勒像(One-dimensional high resolution Doppler profile, 1D-HRDP)进行机动检测提供了可行性. 文中给出了高分辨一维多普勒像的成像公式后, 首先分析了成像对目标转角、积累时间和采样率的约束条件, 并给出了成像处理流程. 随后着重分析了机动检测原理, 得到了目标机动与非机动两类运动条件下姿态变化率的差异, 为机动检测提供了基础. 由于多普勒像的非平稳特性, 本文将目标机动检测问题视作机动、非机动两类分类识别问题, 并基于反向传播神经网络设计实现了机动检测器, 提出了两项新的机动检测算法性能评估指标, 与传统平均检测延迟指标相比能更准确地反映检测器的动态性能. 仿真实验表明本文提出的机动检测算法总体性能好于其他三种基于特征的机动检测算法.
2011, 37(8): 915-922.
doi: 10.3724/SP.J.1004.2011.00915
摘要:
针对户外视频监控存在光照变化这一问题, 提出一个用于准确完成目标检测的实时背景建模框架. 考虑到目标检测的准确性要求, 建立基于帧间像素亮度差统计直方图的像素亮度扰动阈值. 在此基础上, 针对背景建模的实时性要求, 提出一种基于自回归背景模型的参数快速更新方法. 鉴于不同光照变化的适应性要求, 定义对光照变化不敏感的背景纹理模型. 上述模型统称为自回归--纹理 (Auto regression and texture, ART) 模型, 该模型适应于户外光照变化. 基于该模型构建像素亮度和纹理置信区间用于目标检测. 实验结果表明, 该框架能适应和实时跟踪户外背景的光照变化, 并对目标进行准确检测.
针对户外视频监控存在光照变化这一问题, 提出一个用于准确完成目标检测的实时背景建模框架. 考虑到目标检测的准确性要求, 建立基于帧间像素亮度差统计直方图的像素亮度扰动阈值. 在此基础上, 针对背景建模的实时性要求, 提出一种基于自回归背景模型的参数快速更新方法. 鉴于不同光照变化的适应性要求, 定义对光照变化不敏感的背景纹理模型. 上述模型统称为自回归--纹理 (Auto regression and texture, ART) 模型, 该模型适应于户外光照变化. 基于该模型构建像素亮度和纹理置信区间用于目标检测. 实验结果表明, 该框架能适应和实时跟踪户外背景的光照变化, 并对目标进行准确检测.
2011, 37(8): 923-931.
doi: 10.3724/SP.J.1004.2011.00923
摘要:
在彩色成像过程中,低照度是导致图像降质的一个重要因素. 本文提出了一种新的基于颜色恒常性的低照度图像视见度增强算法. 为了避免场景光源的影响,提出了像素有效集的概念. 基于灰色调算法的灰度像素假设,利用有效像素估计光 照的颜色;在后处理阶段,利用有效像素的灰度级范围确定直方图剪裁的上下限. 实验表明,算法有效地校正了图像 的颜色、对比度和亮度,从而增强了图像的视见度,且不会产生Retinex 算法所固有的灰化效应和Halo 效应.
在彩色成像过程中,低照度是导致图像降质的一个重要因素. 本文提出了一种新的基于颜色恒常性的低照度图像视见度增强算法. 为了避免场景光源的影响,提出了像素有效集的概念. 基于灰色调算法的灰度像素假设,利用有效像素估计光 照的颜色;在后处理阶段,利用有效像素的灰度级范围确定直方图剪裁的上下限. 实验表明,算法有效地校正了图像 的颜色、对比度和亮度,从而增强了图像的视见度,且不会产生Retinex 算法所固有的灰化效应和Halo 效应.
2011, 37(8): 932-943.
doi: 10.3724/SP.J.1004.2011.00932
摘要:
相关向量机(Relevance vector machine, RVM)是一种函数形式等价于支持向量机(Support vector machine, SVM)的全概率模型,利用变分贝叶斯(Variational Bayesian, VB)方法求解的RVM可以给出所有参数的后验分布. 进一步,通过对样本所在原始特征空间的稀疏化,基于线性核的RVM可以在分类的同时实现对原始特征的线性选择. 本文在传统VB-RVM的基础上提出一种特征选择和分类结合方法. 该方法采用Probit模型将分类问题与回归问题有机地结合起来, 同时,通过对特征维的幂变换扩展,不仅在分类时增加了样本的信息量, 可以构造非线性分类面,而且实现了非线性特征选择的功能. 通过对仿真数据和实测数据分别进行实验, 证明了该特征选择和分类结合方法的实用性和有效性.
相关向量机(Relevance vector machine, RVM)是一种函数形式等价于支持向量机(Support vector machine, SVM)的全概率模型,利用变分贝叶斯(Variational Bayesian, VB)方法求解的RVM可以给出所有参数的后验分布. 进一步,通过对样本所在原始特征空间的稀疏化,基于线性核的RVM可以在分类的同时实现对原始特征的线性选择. 本文在传统VB-RVM的基础上提出一种特征选择和分类结合方法. 该方法采用Probit模型将分类问题与回归问题有机地结合起来, 同时,通过对特征维的幂变换扩展,不仅在分类时增加了样本的信息量, 可以构造非线性分类面,而且实现了非线性特征选择的功能. 通过对仿真数据和实测数据分别进行实验, 证明了该特征选择和分类结合方法的实用性和有效性.
2011, 37(8): 944-953.
doi: 10.3724/SP.J.1004.2011.00944
摘要:
工业检测图像经常受到不均光照的影响,对该类图像局部自适应分割算法比全局算法能产生更好的分割效果. 但局部算法中基于分块的算法对分块方法缺乏指导,而基于邻域的算法容易在背景或前景内部产生误分. 针对上述缺点,本文提出了一种多方向灰度波动变换的自适应阈值分割算法. 该算法先从多个方向依照灰度波动对图像进行转换,构造以多维向量为基础的灰度波动变换矩阵, 然后利用主成分分析法(Principal component analysis, PCA)将高维向量压缩至一维并生成变换图像,最后运用Otsu算法分割变换图像. 该算法无需分块,并且仅需波动幅度阈值和布尔型背景色两个参数. 实验结果表明,该算法能够有效减少不均光照对工业检测图像分割的影响, 与Niblack法、Sauvola法等几种局部算法相比,该法在分割效果上具有了明显的提升.
工业检测图像经常受到不均光照的影响,对该类图像局部自适应分割算法比全局算法能产生更好的分割效果. 但局部算法中基于分块的算法对分块方法缺乏指导,而基于邻域的算法容易在背景或前景内部产生误分. 针对上述缺点,本文提出了一种多方向灰度波动变换的自适应阈值分割算法. 该算法先从多个方向依照灰度波动对图像进行转换,构造以多维向量为基础的灰度波动变换矩阵, 然后利用主成分分析法(Principal component analysis, PCA)将高维向量压缩至一维并生成变换图像,最后运用Otsu算法分割变换图像. 该算法无需分块,并且仅需波动幅度阈值和布尔型背景色两个参数. 实验结果表明,该算法能够有效减少不均光照对工业检测图像分割的影响, 与Niblack法、Sauvola法等几种局部算法相比,该法在分割效果上具有了明显的提升.
2011, 37(8): 954-962.
doi: 10.3724/SP.J.1004.2011.00954
摘要:
多数图像分类算法需要大量的训练样本对分类器模型进行训练.在实际应用中, 对大量样本进行标注非常枯燥、耗时.对于一些特殊图像,如合成孔径雷达 (Synthetic aperture radar, SAR)图像, 对其内容判读非常困难,因此能够获得的标注样本数量非常有限. 本文将基于最优标号和次优标号(Best vs second-best, BvSB)的主动学习和带约束条件的自学习(Constrained self-training, CST) 引入到基于支持向量机(Support vector machine, SVM)分类器的图像分类算法中,提出了一种新的图像分类方法.通过BvSB 主动学习去挖掘那些对当前分类器模型最有价值的样本进行人工标注,并借助CST半 监督学习进一步利用样本集中大量的未标注样本,使得在花费较小标注代价情况下, 能够获得良好的分类性能.将新方法与随机样本选择、基于熵的不确定性采样主动学 习算法以及BvSB主动学习方法进行了性能比较.对3个光学图像集及1个SAR图像集分类 问题的实验结果显示,新方法能够有效地减少分类器训练时所需的人工标注样本的数 量,并获得较高的准确率和较好的鲁棒性.
多数图像分类算法需要大量的训练样本对分类器模型进行训练.在实际应用中, 对大量样本进行标注非常枯燥、耗时.对于一些特殊图像,如合成孔径雷达 (Synthetic aperture radar, SAR)图像, 对其内容判读非常困难,因此能够获得的标注样本数量非常有限. 本文将基于最优标号和次优标号(Best vs second-best, BvSB)的主动学习和带约束条件的自学习(Constrained self-training, CST) 引入到基于支持向量机(Support vector machine, SVM)分类器的图像分类算法中,提出了一种新的图像分类方法.通过BvSB 主动学习去挖掘那些对当前分类器模型最有价值的样本进行人工标注,并借助CST半 监督学习进一步利用样本集中大量的未标注样本,使得在花费较小标注代价情况下, 能够获得良好的分类性能.将新方法与随机样本选择、基于熵的不确定性采样主动学 习算法以及BvSB主动学习方法进行了性能比较.对3个光学图像集及1个SAR图像集分类 问题的实验结果显示,新方法能够有效地减少分类器训练时所需的人工标注样本的数 量,并获得较高的准确率和较好的鲁棒性.
2011, 37(8): 963-972.
doi: 10.3724/SP.J.1004.2011.00963
摘要:
针对多目标跟踪中未知的目标出生强度, 提出了基于Dirichlet分布的目标出生强度在线估计算法, 来改进概率假设密度滤波器在多目标跟踪中的性能. 算法采用有限混合模型来描述未知目标出生强度, 使用仅依赖于混合权重的负指数Dirichlet分布作为混合模型参数的先验分布. 利用拉格朗日乘子法推导了混合权重在极大后验意义下的在线估计公式; 混合权重在线估计过程利用了负指数Dirichlet分布的不稳定性, 驱使与目标出生数据不相关分量的消亡. 以随机近似过程为分量均值和方差的在线估计策略, 推导了基于缺失数据的分量均值与方差的在线估计公式. 在无法获得初始步出生目标先验分布的约束下, 提出了在混合模型上增加均匀分量的初始化方法. 以当前时刻的多目标状态估计值为出发点, 提出了利用概率假设密度滤波器消弱杂波影响的出生目标数据获取方法. 仿真结果表明, 提出的目标出生强度在线估计算法改进了概率假设密度滤波器在多目标跟踪中的性能.
针对多目标跟踪中未知的目标出生强度, 提出了基于Dirichlet分布的目标出生强度在线估计算法, 来改进概率假设密度滤波器在多目标跟踪中的性能. 算法采用有限混合模型来描述未知目标出生强度, 使用仅依赖于混合权重的负指数Dirichlet分布作为混合模型参数的先验分布. 利用拉格朗日乘子法推导了混合权重在极大后验意义下的在线估计公式; 混合权重在线估计过程利用了负指数Dirichlet分布的不稳定性, 驱使与目标出生数据不相关分量的消亡. 以随机近似过程为分量均值和方差的在线估计策略, 推导了基于缺失数据的分量均值与方差的在线估计公式. 在无法获得初始步出生目标先验分布的约束下, 提出了在混合模型上增加均匀分量的初始化方法. 以当前时刻的多目标状态估计值为出发点, 提出了利用概率假设密度滤波器消弱杂波影响的出生目标数据获取方法. 仿真结果表明, 提出的目标出生强度在线估计算法改进了概率假设密度滤波器在多目标跟踪中的性能.
2011, 37(8): 973-983.
doi: 10.3724/SP.J.1004.2011.00973
摘要:
针对目前多分类代价敏感分类问题在转换成二分类代价敏感分类问题存在的代价合并问题, 研究并构造出了可直接应用于多分类问题的代价敏感AdaBoost算法.算法具有与连续AdaBoost算法 类似的流程和误差估计. 当代价完全相等时, 该算法就变成了一种新的多分类的连续AdaBoost算法, 算法能够确保训练错误率随着训练的分类器的个数增加而降低, 但不直接要求各个分类器相互独立条件, 或者说独立性条件可以通过算法规则来保证, 但现有多分类连续AdaBoost算法的推导必须要求各个分类器相互独立. 实验数据表明, 算法可以真正实现分类结果偏向错分代价较小的类, 特别当每一类被错分成其他类的代价不平衡但平均代价相等时, 目前已有的多分类代价敏感学习算法会失效, 但新方法仍然能 实现最小的错分代价. 研究方法为进一步研究集成学习算法提供了一种新的思路, 得到了一种易操作并近似满足分类错误率最小的多标签分类问题的AdaBoost算法.
针对目前多分类代价敏感分类问题在转换成二分类代价敏感分类问题存在的代价合并问题, 研究并构造出了可直接应用于多分类问题的代价敏感AdaBoost算法.算法具有与连续AdaBoost算法 类似的流程和误差估计. 当代价完全相等时, 该算法就变成了一种新的多分类的连续AdaBoost算法, 算法能够确保训练错误率随着训练的分类器的个数增加而降低, 但不直接要求各个分类器相互独立条件, 或者说独立性条件可以通过算法规则来保证, 但现有多分类连续AdaBoost算法的推导必须要求各个分类器相互独立. 实验数据表明, 算法可以真正实现分类结果偏向错分代价较小的类, 特别当每一类被错分成其他类的代价不平衡但平均代价相等时, 目前已有的多分类代价敏感学习算法会失效, 但新方法仍然能 实现最小的错分代价. 研究方法为进一步研究集成学习算法提供了一种新的思路, 得到了一种易操作并近似满足分类错误率最小的多标签分类问题的AdaBoost算法.
2011, 37(8): 984-992.
doi: 10.3724/SP.J.1004.2011.00984
摘要:
针对传统的单分类器不适用于周期时间序列的异常检测,提出了一种基于移相加权球面单簇聚类的单分类器PS-WS1M-OCC.通过在聚类过程中增加高效的循环移位操作,解决了时间序列记录之间相似度计算的问题.另一方面,基于时间序列记 录的权重分布,提出了新的阈值自适应确定方法,从而使单分类器对训练集包含的异常数据和参数设置不敏感.实验表明,本文提出的单分类器可以用于周 期时间序列的异常检测;与传统的单分类器相比,可以成功地从包含异常数据的训练集中进行无监督学习,对训练集包含的异常数据鲁棒,并且对参数不敏感.
针对传统的单分类器不适用于周期时间序列的异常检测,提出了一种基于移相加权球面单簇聚类的单分类器PS-WS1M-OCC.通过在聚类过程中增加高效的循环移位操作,解决了时间序列记录之间相似度计算的问题.另一方面,基于时间序列记 录的权重分布,提出了新的阈值自适应确定方法,从而使单分类器对训练集包含的异常数据和参数设置不敏感.实验表明,本文提出的单分类器可以用于周 期时间序列的异常检测;与传统的单分类器相比,可以成功地从包含异常数据的训练集中进行无监督学习,对训练集包含的异常数据鲁棒,并且对参数不敏感.
2011, 37(8): 993-998.
doi: 10.3724/SP.J.1004.2011.00993
摘要:
针对方案的指标值为区间直觉模糊数的决策问题,提出了一种基于灰色关联分析和D-S证据理论的决策方法. 定义了区间记分函数和区间数点算子, 并通过其将区间直觉模糊数转化为记分函数;利用记分函数以及灰色关联方法确定各指标的不确信度, 进而构建出不同指标下各方案的Mass函数, 通过D-S合成法则进行信息融合,确定最优方案.最后,通过算例表明, 本文提出的方法可得到满意结果并显著降低决策的不确定性.
针对方案的指标值为区间直觉模糊数的决策问题,提出了一种基于灰色关联分析和D-S证据理论的决策方法. 定义了区间记分函数和区间数点算子, 并通过其将区间直觉模糊数转化为记分函数;利用记分函数以及灰色关联方法确定各指标的不确信度, 进而构建出不同指标下各方案的Mass函数, 通过D-S合成法则进行信息融合,确定最优方案.最后,通过算例表明, 本文提出的方法可得到满意结果并显著降低决策的不确定性.
2011, 37(8): 999-1005.
doi: 10.3724/SP.J.1004.2011.00999
摘要:
基于有理函数逼近理论, 提出了一种分数阶微积分算子s域最佳有理逼近函数的构造方法. 详细讨论了构造最佳有理逼近函数的思路、方法及具体算法. 运用最佳有理逼近定义及特征定理, 对所构造的分数阶积分算子最佳有理逼近函数进行了验证. 其结果表明:该分数阶微积分算子最佳有理逼近函数构造方法是有效的, 且对确定的逼近误差及逼近频带, 所构造的最佳有理逼近函数能够以最低阶次取得最佳逼近特性.
基于有理函数逼近理论, 提出了一种分数阶微积分算子s域最佳有理逼近函数的构造方法. 详细讨论了构造最佳有理逼近函数的思路、方法及具体算法. 运用最佳有理逼近定义及特征定理, 对所构造的分数阶积分算子最佳有理逼近函数进行了验证. 其结果表明:该分数阶微积分算子最佳有理逼近函数构造方法是有效的, 且对确定的逼近误差及逼近频带, 所构造的最佳有理逼近函数能够以最低阶次取得最佳逼近特性.
2011, 37(8): 1006-1013.
doi: 10.3724/SP.J.1004.2011.01006
摘要:
提出了一种基于运动相似性的仿人机器人前向倒地动作设计方法.首先,分析了运动相似性并提出了关键姿势同步转换方法; 其次,为机器人前向倒地运动四级倒立摆建立了相似性变换条件下的动力学约束方程与关联的物理条件约束; 再次,引入参数化优化控制与强化技术,对机器人的触地过程进行了参数化优化.实验结果表明了该方法的有效性.
提出了一种基于运动相似性的仿人机器人前向倒地动作设计方法.首先,分析了运动相似性并提出了关键姿势同步转换方法; 其次,为机器人前向倒地运动四级倒立摆建立了相似性变换条件下的动力学约束方程与关联的物理条件约束; 再次,引入参数化优化控制与强化技术,对机器人的触地过程进行了参数化优化.实验结果表明了该方法的有效性.
2011, 37(8): 1014-1017.
doi: 10.3724/SP.J.1004.2011.01014
摘要:
针对一类具有输入齿隙特性的非线性系统, 提出一种实现有限作业区间轨迹跟踪的迭代学习控制方法. 在系统不确定项可参数化的情形下, 基于类Lyapunov方法设计迭代学习控制器, 回避了常规迭代学习控制中受控系统非线性特性需满足全局Lipschitz连续条件的要求. 对未知时变参数进行泰勒级数展开, 参数估计采用微分学习律, 并在控制器设计中, 采用双曲函数处理级数展开后的余项以及齿隙特性里的有界误差项, 以保证控制器可导, 且可抑制颤振. 引入一级数收敛序列确保系统输出完全跟踪期望轨迹, 且闭环系统所有信号有界.
针对一类具有输入齿隙特性的非线性系统, 提出一种实现有限作业区间轨迹跟踪的迭代学习控制方法. 在系统不确定项可参数化的情形下, 基于类Lyapunov方法设计迭代学习控制器, 回避了常规迭代学习控制中受控系统非线性特性需满足全局Lipschitz连续条件的要求. 对未知时变参数进行泰勒级数展开, 参数估计采用微分学习律, 并在控制器设计中, 采用双曲函数处理级数展开后的余项以及齿隙特性里的有界误差项, 以保证控制器可导, 且可抑制颤振. 引入一级数收敛序列确保系统输出完全跟踪期望轨迹, 且闭环系统所有信号有界.
2011, 37(8): 1018-1023.
doi: 10.3724/SP.J.1004.2011.01018
摘要:
运用区间二型模糊集合(Interval type-2 fuzzy sets, IT2 FSs) 的扩展原理将常规的数值函数转化为对应的区间二型模糊函数, 并给出了相应的词计算(Computing with words, CW)方法与算法,最后分析了严格单调情况下基于区间二型模糊集合的单输入单输出系统的语言动力系统(Linguistic dynamic systems, LDS)稳定性.
运用区间二型模糊集合(Interval type-2 fuzzy sets, IT2 FSs) 的扩展原理将常规的数值函数转化为对应的区间二型模糊函数, 并给出了相应的词计算(Computing with words, CW)方法与算法,最后分析了严格单调情况下基于区间二型模糊集合的单输入单输出系统的语言动力系统(Linguistic dynamic systems, LDS)稳定性.
2011, 37(8): 1024-1028.
doi: 10.3724/SP.J.1004.2011.01024
摘要:
研究不确定系统的离散变结构控制设计问题.对离散趋近律方法进行分析, 提出一种基于鲁棒趋近律的自适应切换增益算法,能根据不确定因素对系统影响的强弱自动调整增益大小. 给出了闭环系统的鲁棒稳定性证明,并对其准滑模运动进行分析.理论分析与仿真研究结果均表明, 所提方法能有效减弱抖振,较好地改善离散变结构控制器的性能, 并解除了传统上确界方法要求不确定因素上确界可知的限制.
研究不确定系统的离散变结构控制设计问题.对离散趋近律方法进行分析, 提出一种基于鲁棒趋近律的自适应切换增益算法,能根据不确定因素对系统影响的强弱自动调整增益大小. 给出了闭环系统的鲁棒稳定性证明,并对其准滑模运动进行分析.理论分析与仿真研究结果均表明, 所提方法能有效减弱抖振,较好地改善离散变结构控制器的性能, 并解除了传统上确界方法要求不确定因素上确界可知的限制.
