信息融合中的隨機(jī)集理論及其在目標(biāo)識(shí)別中的應(yīng)用研究.pdf

1、信息融合技術(shù)是目標(biāo)識(shí)別的核心,它是在現(xiàn)代軍用需求的驅(qū)動(dòng)下迅速發(fā)展起來(lái)的一門(mén)高新技術(shù)。實(shí)質(zhì)上,它是對(duì)人腦綜合處理復(fù)雜問(wèn)題的一種功能模擬,而目標(biāo)識(shí)別就是復(fù)雜問(wèn)題的一種近似。決策融合和圖像融合是目標(biāo)識(shí)別的兩種主要方法,本文研究的證據(jù)理論和隨機(jī)集理論分別是決策融合和圖像融合的重要工具。同時(shí),隨機(jī)集也是解決信息融合中信息類(lèi)型不一致問(wèn)題的主要方法,證據(jù)理論也可以被納入到隨機(jī)集理論的框架之中。 經(jīng)典的Bayes推理和證據(jù)理論都是決策融合的主要

2、理論之一,但是直接在決策融合中使用Bayes推理有一些困難。基于證據(jù)理論強(qiáng)大的不確定性推理能力,本文提出了新的證據(jù)組合方法,并利用新方法成功地實(shí)現(xiàn)了紅外圖像的小目標(biāo)識(shí)別。經(jīng)典的證據(jù)組合規(guī)則在融合高沖突證據(jù)時(shí)會(huì)得到與常識(shí)相悖的結(jié)果,其根本原因是融合中沒(méi)有利用證據(jù)本身的固有相關(guān)特性。本文基于證據(jù)距離的概念,強(qiáng)化相似、削弱奇異,分別從修改證據(jù)組合規(guī)則和修改證據(jù)源兩方面入手解決了證據(jù)沖突問(wèn)題。在修改證據(jù)組合規(guī)則方面,根據(jù)部分分配信息沖突和全部分

3、配信息沖突兩種思想,分別提出了新的改進(jìn)證據(jù)組合算式；在修改證據(jù)源方面,提出了基于信度函數(shù)和基于折扣系數(shù)的修改方法。大量數(shù)值實(shí)驗(yàn)結(jié)果表明,新方法解決了高沖突信息的多證據(jù)融合問(wèn)題,同時(shí)具有較好的收斂效率和通用性。最后將基于折扣系數(shù)的融合方法用于有缺失目標(biāo)的連續(xù)幀紅外圖像目標(biāo)識(shí)別,得到了較好的目標(biāo)識(shí)別效果。 隨機(jī)集理論是較新的集合理論,還未被廣泛研究,但它具有強(qiáng)大的統(tǒng)一融合能力。對(duì)隨機(jī)集理論進(jìn)行深入地研究分析是應(yīng)用其進(jìn)行目標(biāo)識(shí)別和目標(biāo)

4、追跡的基礎(chǔ)。首先用隨機(jī)集理論解釋和表達(dá)了信息融合中的不完備信息,從理論上解決了信息融合技術(shù)中最關(guān)鍵的信息類(lèi)型不一致的問(wèn)題.隨后分析了隨機(jī)集單點(diǎn)覆蓋函數(shù)的來(lái)源和所表達(dá)的含義,從數(shù)學(xué)原理上討論了它和模糊集隸屬度函數(shù)之間的本質(zhì)聯(lián)系。并利用隨機(jī)集理論對(duì)信任函數(shù)進(jìn)行了原理推導(dǎo),得出信任函數(shù)的隨機(jī)集表達(dá)公式。最后基于隨機(jī)集覆蓋函數(shù)的概念,提出將隨機(jī)集理論用于時(shí)間序列系統(tǒng)辨識(shí)的方法,總結(jié)出了該算法從建模到預(yù)測(cè)的應(yīng)用步驟,并成功地把隨機(jī)集理論用于了時(shí)間

5、序列系統(tǒng)的分析和辨識(shí)中。 圖像融合是目標(biāo)識(shí)別的又一個(gè)主要途徑。本文課題的研究對(duì)象為紅外目標(biāo),根據(jù)要求和紅外圖像的特征,作者創(chuàng)造性地將將隨機(jī)集理論的良好統(tǒng)計(jì)學(xué)特性和形態(tài)學(xué)強(qiáng)大的圖像處理能力結(jié)合起來(lái),提出一種新的紅外圖像目標(biāo)識(shí)別方法,簡(jiǎn)化了從不完備的觀測(cè)數(shù)據(jù)中提取或重現(xiàn)輪廓信息以及識(shí)別目標(biāo)的過(guò)程。首先基于對(duì)數(shù)學(xué)形態(tài)學(xué)基本運(yùn)算和隨機(jī)集容量函數(shù)內(nèi)在含義的分析,提出一種新的用數(shù)學(xué)形態(tài)學(xué)技術(shù)釋義隨機(jī)集的方法,用隨機(jī)閉集為隨機(jī)形狀或目標(biāo)建模,

6、并成功地用于序列圖像中的紅外小目標(biāo)識(shí)別。隨后,進(jìn)一步分析了離散隨機(jī)集及其容量函數(shù)的特性,提出了一個(gè)實(shí)用的形態(tài)學(xué)約束的離散隨機(jī)集模型.實(shí)例研究表明,該方法有良好的圖像分割特性和處理隨機(jī)形狀信息的能力,能從被噪聲和雜波破壞的紅外圖像中識(shí)別出小目標(biāo)。 隨機(jī)集的強(qiáng)大功能還體現(xiàn)在對(duì)多目標(biāo)的檢測(cè)和狀態(tài)估計(jì)上。基于多傳感器獲得的隨機(jī)信息,提出新的多變場(chǎng)景中的多傳感器多目標(biāo)隨機(jī)集測(cè)量模型和狀態(tài)估計(jì)模型。首先推導(dǎo)出了測(cè)量模型中傳感器對(duì)目標(biāo)觀測(cè)的信

7、任度和全局密度,然后利用簡(jiǎn)單的觀測(cè)報(bào)告,通過(guò)仿真得出了直觀的多目標(biāo)測(cè)量圖。根據(jù)多傳感器測(cè)量結(jié)果,提出了簡(jiǎn)單的均勻獨(dú)立分布模型和基于先驗(yàn)標(biāo)識(shí)的指派狀態(tài)估計(jì)模型。從與其它算法的比較結(jié)果看,該方法有一定的優(yōu)勢(shì)。還嘗試在對(duì)稱(chēng)多項(xiàng)式理論的基礎(chǔ)上,聯(lián)合應(yīng)用隨機(jī)集理論,構(gòu)建新的評(píng)估各種算法誤差的方法。 本論文的課題結(jié)合了兩個(gè)基金資助項(xiàng)目,有較好的應(yīng)用背景.本著為問(wèn)題尋找方法,用方法解決問(wèn)題的思路展開(kāi)課題的研究,有以下的創(chuàng)新成果:1.分別從修改