1 河南科技大学信息工程学院, 河南 洛阳 471023
2 电子科技大学电子工程学院, 四川 成都 611731
3 东南大学毫米波国家重点实验室, 江苏 南京 210096
现代传感器分辨能力的大幅提升使得观测对象不再被认为是点目标,而是具有一定形态的扩展目标。传统上基于点目标假设所取得的建模与状态估计研究成果已不再适用于现今许多的实际应用场景,特别是当扩展目标发生机动时,其运动状态和扩展形态(形状和朝向)往往同时发生突变,且二者具有紧密的耦合关系。为了解决这一问题,对扩展目标机动过程的不确定性、整体机动演化形式及其耦合性展开研究,建立起通用的机动扩展目标混合系统建模框架。结果表明:利用所提模型的线性形式,可以很便利地推导出一种高效的机动扩展目标运动状态和扩展形态联合估计算法;不同场景内的仿真和性能评估结果验证了所提建模和跟踪方法的有效性。
遥感 传感器 机动扩展目标 高精度传感器 建模 跟踪
1 河南科技大学信息工程学院， 河南 洛阳 471023
2 东南大学毫米波国家重点实验室， 江苏 南京 210096
为了验证高精度传感器量测下某种扩展目标跟踪算法的有效性，往往需要与其它算法进行对比，并评估其估计性能。与传统的点目标不同，扩展目标跟踪的主要任务不仅仅是要估计出目标的运动状态，更重要的是要对其扩展形态进行精确估计。因此，对扩展目标的形态估计性能评估有着迫切的需求。针对基于星凸形和支撑函数这两种具有代表性的扩展目标模型，考虑到其所具有的不同的形态参数描述方式，提出了一种具有不同数学形式的改进豪斯多夫距离来解决此问题。仿真实验表明，提出的改进豪斯多夫距离能够作为一种有效的度量准则来对扩展目标的形态估计性能进行有效评估。
遥感 性能评估 扩展目标 形态估计 改进的豪斯多夫距离
河南科技大学信息工程学院, 洛阳 河南 471000
提出了一种与传统方法相比效率更高的量子图像显著性检测方案。为了在量子计算机中表示和存储RGB图像,并计算不同像素间的反差,此方案采用3量子位描述颜色信息, 把22n×2图像矩阵编码为量子叠加态;结合Hadamard门和受控旋转算子,计算基态概率幅可反映像素在RGB三通道上的全局颜色反差;通过有限次数的投影测量 可得到像素的归一化颜色反差及位置信息,并构建显著图。给出了相关量子电路的实现和复杂度分析。与多种传统显著性检测算法进行了对比实验, 结果表明提出的方案具有良好的检测效果和更高的检测效率。
量子计算 图像显著性检测 量子反差 显著图 quantum computation image saliency detection quantum contrast saliency map
1 中国航空工业洛阳电光设备研究所，河南洛阳471009
2 河南科技大学电子信息工程学院，河南洛阳471003
针对传统BP神经网络容易陷入局部极小、收敛速度慢和确定隐含层的神经元个数比较困难等缺点,从结构和算法两方面对BP神经网络进行改进。改进后的网络具有较快的收敛速度和较短的运行时间，加强了BP神经网络的学习能力和自适应能力，并将其应用于物体的分类识别，取得了良好的效果。仿真结果表明了此改进方法的可行性和有效性。
物体识别 BP算法 神经网络 改进 object recognition BP algorithm neural network improvement
