基于D-S证据理论的多特征融合SAR图像目标识别方法

针对应用单特征SAR图像进行目标识别准确率低的问题,提出了一种将支持向量机(support vector machine,SVM)和D-S证据理论(Dempster-Shafer,D-S)相结合的多特征融合SAR图像目标识别方法.该方法在对SAR图像预处理的基础上,提取目标的纹理、Hu不变矩和峰值特征,并分别以这3类单特征的SVM分类结果作为独立证据,构造基本概率指派,通过D-S证据的组合规则进行融合,并根据分类判决门限给出最终的目标识别结果.将该方法用于SAR图像上的3类目标识别,识别率达95.5％,表明该方法是一种有效的SAR图像目标识别方法.     

基于多准则融合的信任理论地图匹配算法

本文提出了一种基于多准则融合的地图匹配算法,该算法运用信任理论融合了多种评价准则并对匹配过程中的道路选择进行了综合评价。首先,利用车辆定位的当前和历史信息建立了邻近准则、夹角准则和历史轨迹邻近准则。然后,运用D-S证据组合规则,将三种评价准则进行融合应用于道路选择过程中。最后,借助连通性准则对融合的最终结果进行修正,提高了算法的精度。仿真结果表明,对于简单和复杂路网,该算法都能提供较高的匹配精度,识别出车辆行驶的道路。     

证据推理应用于多源信息融合分析

运用证据理论合并来自不同数据源的证据,以实现各种数据所含信息融合的原理和方法。该方法的最大特点是将数据源中存在的不确定性引入数据分析过程。另外,利用证据推理,可以在数据分析过程中方便地引入专家解译图解的经验和知识。最后通过利用ＥＲＳ ＳＡＲ数据和ＴＭ影像进行融合分析,证明该方法在遥感图解自动分类中有很好的应用前景。     

基于D-S理论的多源空间位置信息不确定表达及融合模型研究

首先对空间信息不确定性进行了定义,并应用证据理论框架对空间信息的表达进行分析及建模;然后在合理假设的基础上,进行数学推理,得出不确定性边界函数的求解模型和实现方法;最后构建多源位置信息融合模型,实现一定置信度下的空间位置信息范围的确定,并通过实例分析和验证该模型的可行性和有效性。     

基于D-S理论的多特征遥感影像变化检测方法

针对当前遥感影像变化检测特征单一与几何配准要求较高的问题,提出了一种将证据理论融合到影像多特征变化检测之中的方法。利用检索窗口与匹配窗口计算前后时相影像的几种特征结构相似度,并运用D-S证据理论计算出基本概论赋值函数,完成对这些特征的融合。通过变化检测实验,发现该法能有效提高变化检测的精度,不失为一种变化检测有效方法。除此之外,该法对辐射校正精度要求不高,这一点明显优于传统的单一特征变化检测方法。     

基于Contourlet域HMT和D-S证据融合的SAR图像分割

针对Contourlet的多尺度、局部化、方向性和各向异性等优点,结合隐马尔科夫树(hidden Markov tree,HMT)模型和D-S(Dempster-Shafer)证据理论,提出一种新的SAR图像分割算法.该算法首先将隐马尔科夫树模型推广到Contourlet域,在多尺度HMT上采用D-S证据融合理论有效地...     

城市汽车导航中一种改进的D-S证据理论地图匹配算法

车联网中基于D-S证据理论的地图匹配算法,通常考察定位点到候选道路的投影距离和车辆行驶方向与候选道路的角度差这两种证据。目前城市交通网络结构日趋复杂,此算法得到的匹配结果有一定的局限性,匹配精度也无法满足车联网技术的需求。随着GPS等定位设备的不断发展与改进,车辆的行驶速度与定位时间间隔等数据已可以准确获取,在此基础上,本文对车辆的可达性信息进行考察,作为新的证据与传统证据融合后得到的结果进行D-S证据的二次融合。除此之外,本文针对城市环境中不同道路拓扑结构,对传统算法中的位置信息和车辆行驶方向信息的可靠性参数进行仿真训练,得出更为精确的可靠性参数值以供改进的算法使用。通过仿真实验表明,改进后的算法的匹配精度和稳定性得到了极大的提高,可以更好地适用于城市复杂路网中地图匹配的问题。     

基于Contourlet域HMT和D-S证据融合的SAR图像分割

针对Contourlet的多尺度、局部化、方向性和各向异性等优点,结合隐马尔科夫树(hidden Markov tree,HMT)模型和D-S(Dempster-Shafer)证据理论,提出一种新的SAR图像分割算法。该算法首先将隐马尔科夫树模型推广到Contourlet域,在多尺度HMT上采用D-S证据融合理论有效地融合Contourlet系数的持续性和聚集性,最后导出融合后的最大后验多尺度分割公式。本文算法对实测SAR图像进行分割试验,试验结果表明:与小波域上的HMT-MRF(Markovrandom field,MRF)融合分割及Contourlet域上HMT和MRF分割算法相比,本文算法在抑制斑点噪声的同时,可有效地提高SAR图像的分割精度。     

融合PSO-SVM的混凝土拱坝多测点变形监控混合模型

针对混凝土拱坝单测点变形监控模型难以合理表征拱坝空间变形场协同响应特性以及传统回归方法诠释环境量与大坝变形间的复杂函数关系具有明显局限性问题,提出了融合粒子群算法优化与支持向量机（particle swarm optimization-support vector machine,PSO-SVM）的混凝土拱坝多测点变形监控混合模型。基于单测点变形监控模型构建方法,引入空间坐标并利用有限元方法计算水压分量,进而借助PSO-SVM良好的非线性处理能力对环境量与大坝变形序列进行建模和预测,从而构建了融合PSO-SVM的混凝土拱坝多测点混合模型。工程实例分析表明,所建模型具有较好的多测点变形性能分析能力,较单测点统计模型具有良好的拟合及预报精度,可有效反映大坝服役的整体安全性态。此外,所提理论和方法经一定的改进和拓展,亦可推广应用于其他水工建筑物性态安全监控模型的预报分析。     

多特征融合的高分辨率影像建筑物变化检测

为充分发挥遥感影像中各特征的优势,提高遥感影像建筑物变化检测精度,基于面向对象的分析方法,提出了一种基于模糊集合的证据理论特征信息融合的变化检测方法。首先,在影像分割的基础上,利用变化矢量分析法分别计算前后时相对应对象的光谱、纹理特征差异及形态学建筑物指数差异;然后,以Sigmoid函数作为隶属度函数,计算对象属于变化类和非变化类的隶属度并以之构建证据理论所需的基本概率分配函数;最后,利用证据理论对多种特征进行融合并通过规则判定得到建筑物变化区域。利用不同地区影像的试验结果表明,该方法能够有效融合影像的多种特征,提高建筑物变化检测的精度。     

基于证据理论的遥感图像分类方法探讨

遥感图像分类是一项十分重要而且复杂的问题。传统的图像分类方法多数是基于贝叶斯主观概率理论的图像分类方法,由于其在解决不确定性问题上存在诸多缺陷,近年来,将数学的证据理论应用于遥感图像分类已成为新的发展趋势。本文首先介绍了证据理论与贝叶斯主观概率理论对于解决不确定性问题的差异,证据理论的主要定义和算法。文中还重点介绍了证据理论用于模式识别的支持度函数,并将支持度应用于图像分类,得到像元级按大类（如土地利用的城镇用地、耕地、林地和水体）划分的支持度表面,然后进行硬分类叠加,得到初次分类结果,再进行精度评估。如果不满足精度要求,再对各类支持度小于某域值的像元进行二次分类,如此下去,直到达到分类所要求的精度。该方法的主要优点是可以进行分类后的再分类,且精度非常高,而贝叶斯分类不可以进行分类后的再分类,只能重新训练样本进行整体分类,效率低,精度也难提高。该方法理论可靠,实用性强,易操作,有研究潜力。     

基于多源卫星图像融合的水坝检测方法的研究

本文提出了一种基于多源卫星图像融合的水坝检测方法，该方法在特征级融合的模式下，利用多源卫星图像特征信息互补的优势，先后提取多个卫星图像中目标的特征信息，再通过多传感器数据融合方法中的逻辑模板法对特征进行融合，得到系统的目标结果输出。试验结果显示，该算法能在大幅复杂背景下有效地对水坝进行检测并定位，并减少了单源卫星图像进行目标检测的错判、误判率。整个算法能完全实现自动检测，可达到预想的目的。     

高分辨率SAR图像中建筑物特征融合检测算法

针对高分辨率SAR图像中的建筑物检测问题,提出了一种基于视觉注意和特征融合的检测算法。首先,根据SAR图像中建筑物目标与背景存在较大差异的特点,采用视觉注意机制进行建筑物的感兴趣区分割;然后,提取位于感兴趣区域内的高亮线条和阴影区域;最后,采用D-S证据理论对注意焦点、高亮线条和阴影区域进行特征融合,实现建筑物目标的检测。实验结果表明,本文算法对矩形建筑物具有较高的检测精度。     

DS证据理论在SAR图像边缘检测中的应用

提出了一种新的基于DS证据理论的SAR图像多尺度边缘检测方法。该方法利用DS证据理论融合多级尺度ROA算子输出响应,在融合过程中引入检测不确定性。并通过分析ROA算子检测门限与虚警率的关系设计基本可信度分配函数(BPAF),使得检测不确定性在门限处达到最大值。实验通过检测结果比较以及列表分析,表明本文算法能够有效降低边缘检测不确定性。     

大坝统计预警模型的改进粒子群耦合方法

提出了一种新的自适应策略,并与模拟退火算法相结合,建立了基于模拟退火-自适应粒子群耦合方法的大坝统计预警模型。通过工程算例的研究表明,该方法能够提高粒子群算法的收敛性能,易跳出局部最小,算法收敛速度快。基于该方法的预警模型与最小二乘法相比,预报精度较高,预警评价结果与大坝的实际运行情况相吻合。     

基于模糊思想的改进Voronoi图模型

针对传统Voronoi图模型在空间划分时考虑因素单一、依赖欧氏距离等问题,提出了一种基于模糊理论的改进Voronoi图模型。将带模糊边界的Voronoi图模型应用到武汉市消防调度系统的模拟突发事件处理中,结果表明,相比传统的Voronoi图模型,能够提高空间划分精度,将应急调度的准确度提高20%以上。