信息融合中的隨機集理論及其在目標識別中的應用研究.pdf

1、信息融合技術是目標識別的核心,它是在現(xiàn)代軍用需求的驅(qū)動下迅速發(fā)展起來的一門高新技術。實質(zhì)上,它是對人腦綜合處理復雜問題的一種功能模擬,而目標識別就是復雜問題的一種近似。決策融合和圖像融合是目標識別的兩種主要方法,本文研究的證據(jù)理論和隨機集理論分別是決策融合和圖像融合的重要工具。同時,隨機集也是解決信息融合中信息類型不一致問題的主要方法,證據(jù)理論也可以被納入到隨機集理論的框架之中。 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?；谧C據(jù)理論強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現(xiàn)了紅外圖像的小目標識別。經(jīng)典的證據(jù)組合規(guī)則在融合高沖突證據(jù)時會得到與常識相悖的結(jié)果,其根本原因是融合中沒有利用證據(jù)本身的固有相關特性。本文基于證據(jù)距離的概念,強化相似、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)值實驗結(jié)果表明,新方法解決了高沖突信息的多證據(jù)融合問題,同時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的連續(xù)幀紅外圖像目標識別,得到了較好的目標識別效果。 隨機集理論是較新的集合理論,還未被廣泛研究,但它具有強大的統(tǒng)一融合能力。對隨機集理論進行深入地研究分析是應用其進行目標識別和目標

4、追跡的基礎。首先用隨機集理論解釋和表達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中最關鍵的信息類型不一致的問題.隨后分析了隨機集單點覆蓋函數(shù)的來源和所表達的含義,從數(shù)學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。并利用隨機集理論對信任函數(shù)進行了原理推導,得出信任函數(shù)的隨機集表達公式。最后基于隨機集覆蓋函數(shù)的概念,提出將隨機集理論用于時間序列系統(tǒng)辨識的方法,總結(jié)出了該算法從建模到預測的應用步驟,并成功地把隨機集理論用于了時間

5、序列系統(tǒng)的分析和辨識中。 圖像融合是目標識別的又一個主要途徑。本文課題的研究對象為紅外目標,根據(jù)要求和紅外圖像的特征,作者創(chuàng)造性地將將隨機集理論的良好統(tǒng)計學特性和形態(tài)學強大的圖像處理能力結(jié)合起來,提出一種新的紅外圖像目標識別方法,簡化了從不完備的觀測數(shù)據(jù)中提取或重現(xiàn)輪廓信息以及識別目標的過程。首先基于對數(shù)學形態(tài)學基本運算和隨機集容量函數(shù)內(nèi)在含義的分析,提出一種新的用數(shù)學形態(tài)學技術釋義隨機集的方法,用隨機閉集為隨機形狀或目標建模,

6、并成功地用于序列圖像中的紅外小目標識別。隨后,進一步分析了離散隨機集及其容量函數(shù)的特性,提出了一個實用的形態(tài)學約束的離散隨機集模型.實例研究表明,該方法有良好的圖像分割特性和處理隨機形狀信息的能力,能從被噪聲和雜波破壞的紅外圖像中識別出小目標。 隨機集的強大功能還體現(xiàn)在對多目標的檢測和狀態(tài)估計上?；诙鄠鞲衅鳙@得的隨機信息,提出新的多變場景中的多傳感器多目標隨機集測量模型和狀態(tài)估計模型。首先推導出了測量模型中傳感器對目標觀測的信

7、任度和全局密度,然后利用簡單的觀測報告,通過仿真得出了直觀的多目標測量圖。根據(jù)多傳感器測量結(jié)果,提出了簡單的均勻獨立分布模型和基于先驗標識的指派狀態(tài)估計模型。從與其它算法的比較結(jié)果看,該方法有一定的優(yōu)勢。還嘗試在對稱多項式理論的基礎上,聯(lián)合應用隨機集理論,構建新的評估各種算法誤差的方法。 本論文的課題結(jié)合了兩個基金資助項目,有較好的應用背景.本著為問題尋找方法,用方法解決問題的思路展開課題的研究,有以下的創(chuàng)新成果:1.分別從修改