1 西安理工大学机械与精密仪器工程学院，陕西 西安 710048
2 西安市气象局，陕西 西安 710016
为准确且精细地识别云相态，提出一种基于模糊逻辑识别云相态的优化算法，基于不同云粒子特征参数对T函数系数进行了调整。考虑了回波反射率因子衰减和温度对云相态识别准确性的影响，利用毫米波云雷达订正后的回波反射率因子、径向速度、谱宽和微波辐射计探测的连续时空温度，作为优化后的模糊逻辑算法的输入参数。优化后的模糊逻辑算法在原有云粒子相态（冰晶、雪花、混合相态、液态云滴、毛毛雨和雨滴）识别的基础上，还可实现对过冷水和暖云滴的识别。利用该算法对2022年2月6日陕西省西安市一次降雪过程的云粒子相态进行识别，将近地面的云粒子相态结果与同址地面降水现象仪记录的降水粒子相态进行对比，二者探测的相态有较高的一致性，说明优化后的算法能准确且精细地识别云粒子相态。
大气光学 云粒子相态识别 模糊逻辑优化 过冷水 毫米波云雷达 光学学报
2024, 44(12): 1201010
南京航空航天大学雷达成像与微波光子技术教育部重点实验室, 江苏南京 210016
为提高双偏振雷达在水凝物相态识别方面的能力, 利用双偏振气象雷达目标回波中的反射率因子 ZH、差分反射率因子 ZDR、差分相位常数 KDP、共偏相关系数 ρHV, 构造反射率标准差 SD (ZH )和差分相位标准差 SD (.DP )。将这 6个极化参数作为输入量, 通过统计美国国家海洋和大气管理局(NOAA)提供的大量水凝物样本数据, 根据样本数随雷达回波参量分布, 提出了以 β型函数为隶属函数的模糊逻辑分类算法。该算法能够有效识别小到中雨(RA)、大雨(HR)、大滴(BD)、干雪 (DS)、湿雪 (WS)、冰晶 (IC)、霰 (GR)、雨雹 (RH)、大雹 (LH)9类气象回波和 1类地物回波 (GC)。选取美国 S波段的科罗拉多州丹佛地区的气象雷达 KFTG在不同时间点的观测资料进行测试, 识别结果与 NOAA提供的 Level Ⅲ数据中的水凝物分类结果基本一致, 验证了本文提出的模糊逻辑算法具有良好的分类效果。
双偏振雷达 气象回波 模糊逻辑 降水粒子 相态识别 polarimetric radar meteorological echo fuzzy logic precipitation particles phase identification 太赫兹科学与电子信息学报
2023, 21(12): 1476
传统红外与可见光融合图像在复杂环境下存在细节缺失, 特征单一导致目标模糊等问题, 本文提出一种基于卷积神经网络结合非下采样轮廓波变换(non-subsampled contourlet transform, NSCT)的红外与可见光图像进行融合的方法。首先, 通过卷积神经网络提取红外与可见光目标特征信息, 同时利用 NSCT对源图像进行多尺度分解, 得到源图像的高频系数与低频系数; 其次, 结合目标特征图利用自适应模糊逻辑与局部方差对比度分别对源图像高频子带与低频子带进行融合; 最后, 通过逆 NSCT变换得到融合图像并与其他 5种传统算法进行对比; 实验结果表明, 本文方法在多个客观评价指标上均有所提高。
图像融合 卷积神经网络 非下采样轮廓波变换 模糊逻辑 image fusion, convolutional neural network, NSCT,
为了克服当前的红外与可见光图像融合算法存在着目标不够突出、纹理细节丢失等现象, 本文 提出了 一种基于髙斯模糊逻辑和自适应双通道脉冲发放皮层模型(Adaptive Dual-Channel Spiking Cortical Model, ADCSCM)的红外与可见光图像融合算法。首先, 使用非下采样剪切波变换(Non-Subsampled Sheartlet Transform, NSST)将源图像分解为低频和髙频部分。其次, 结合新拉普拉斯能量 和(New Sum of Laplacian, NSL )与髙斯模糊逻辑, 设定双阈值来指导低频部分进行融合; 同时, 采 用基于ADCSCM的融合规则来指导髙频部分进行融合。最后, 使用NSST逆变换进行重构来获取融 合图像。实验结果表明, 本文算法主观视觉效果最佳, 并在互信息、信息熵和标准差3项指标上髙于 其他7种融合算法, 能够有效突出红外目标、保留较多纹理细节, 提髙融合图像的质量。
图像融合 非下采样剪切波变换 髙斯模糊逻辑 自适应双通道脉冲发放皮层模型 image fusion, non-subsampled sheartlet transform,
传统的多尺度红外与可见光图像融合方法，所提取的图像特征固定，并不能很好的应用于各类复杂的图像环境，而深度学习可以自主选择合适图像特征，改良特征提取单一性问题，因此提出一种基于卷积神经网络与非下采样剪切波变换（NSST）相结合的红外与可见光图像融合方法。首先，用卷积神经网络提取红外目标与背景的二分类图，利用调频（FT）显著性检测算法对分类图进行精准分割，同时，利用NSST将源图像多尺度、多方向进行分解；其次，利用目标显著性结合自适应模糊逻辑算法进行低频子带融合，利用高频系数局部方差对比度方法进行高频子带融合；最后，通过NSST逆变换得到融合后图像。实验结果表明：相比于传统图像融合算法，该方法在信息熵、平均梯度、空间频率、互信息和交叉熵等多个客观评价指标上至少分别提高了0.01%、0.30%、1.43%、2.32%、1.14%。一定程度提高了融合图像对比度，丰富了背景细节信息，更有利于人眼识别，可以广泛的应用于光电侦察、光电告警、多传感器信息融合等光电信息领域。
图像融合 卷积神经网络 显著性提取 非下采样剪切波变换 模糊逻辑 image fusion convolutional neural network saliency extraction NSST fuzzy logic 红外与激光工程
2022, 51(3): 20210139
传统的粒子群算法在运行的过程中容易陷入局部最优,从而导致最终的路径规划不能达到最优。为此,传统的粒子群算法在迭代寻优的过程中为每个粒子引入蚁群算法中的信息素,赋予粒子更多信息内涵以加快收敛速度。然后考虑模糊逻辑,研究了基于模糊逻辑粒子群算法的无人机三维路径规划问题,通过模糊处理控制路径规划的输入量,防止系统陷入局部最优。所提算法结合了粒子群算法、蚁群算法和模糊逻辑的优势,通过实例仿真验证了算法的有效性。
无人机 路径规划 粒子群算法 模糊逻辑 UAV route planning particle swarm optimization fuzzy logic
1 中国科学院安徽光学精密机械研究所环境光学与技术重点实验室，安徽合肥 230031
2 中国科学技术大学，安徽合肥 230037
激光雷达出现硬件故障时，会使回波数据的质量变差。目前，对由硬件故障造成的错误回波还缺乏比较有效的识别方法。对中国科学院安徽光学精密机械研究所自主研发的大气颗粒物监测激光雷达有硬件故障出现时的回波数据进行分析，根据硬件故障对雷达的回波波形、强度等回波信号信息的影响，采用模糊逻辑算法对大气颗粒物雷达的硬件故障数据进行识别检验。同时，为了降低对无故障数据的误判，分析被误判数据的回波特征，比较硬件故障数据和被误判数据在 300 m～500 m高度上对应的消光系数和信噪比均值，通过设置信噪比阈值来降低误判率。实验结果表明：应用此方法对外场运行的大气颗粒物监测激光雷达硬件故障数据进行识别，识别率为 94.6%，而误判率仅为 1.5%，证明该算法对硬件故障数据的识别有很好的效果。
激光雷达 模糊逻辑 隶属函数 信噪比 消光系数 LiDAR fuzzy logic membership function signal to noise ratio extinction coefficient
兰州交通大学电子与信息工程学院, 甘肃 兰州 730070
传统的基于多尺度变换的图像融合存在对比度不高、边缘细节等信息保留不理想的问题,为解决此问题,提出了一种基于非下采样Contourlet变换的自适应模糊逻辑和自适应脉冲耦合神经网络(PCNN)的融合算法。对于低频子带方向,采用基于自适应模糊逻辑的融合规则;对于高频子带方向,采用方向信息自适应地调整PCNN的链接强度,以边缘特征作为输入激励自适应PCNN,再根据脉冲点火幅度融合子带系数。实验结果表明,所提融合算法能较好地突出融合图像的目标信息,提供丰富的背景细节,在融合图像的清晰度和人眼视觉方面取得较好的融合效果。
图像处理 图像融合 非下采样Contourlet变换 脉冲耦合神经网络 模糊逻辑 边缘特征 激光与光电子学进展
2019, 56(10): 101006
1 中国科学院安徽光学精密机械研究所环境光学与技术重点实验室, 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230037
3 安徽大学物质科学与信息技术研究院, 安徽 合肥 230039
对大气臭氧探测激光雷达出现硬件故障时的回波特征进行了分析。根据回波形态和雷达强度等,采用基于模糊逻辑的质量控制方法,对雷达硬件故障数据进行了识别检验,识别率高达93%,即能较好地实现对硬件故障数据的质量控制。比较了硬件故障时的数据和被误判的正常数据在300~500 m高度上对应的臭氧浓度和信噪比均值,找出统计特性,降低了对正常数据的误判率。
测量 数据质量控制 模糊逻辑 隶属函数 信噪比 臭氧浓度
1 重庆邮电大学计算机科学与技术学院，重庆 400065
2 重庆邮电大学计算智能重庆市重点实验室，重庆 400065
针对可见光和红外图像进行图像融合时，红外图像细节信息丢失严重、边缘模糊和可见光图像对比度不足等问题，提出一种结合非下采样轮廓波变换（Non-subsampled contourlet transform，NSCT）与引导滤波的图像融合方法。首先采用模糊逻辑算法对可见光图像进行增强提高其对比度，突出图像的有效信息；再对增强后的可见光和红外图像进行NSCT 分解得到低频与高频子带；然后对红外图像的高频子带采用改进后的引导滤波增强边缘等细节信息；其次使用平均梯度策略和模糊逻辑策略对高、低频子带进行融合；最后利用NSCT 逆变换得到融合后的图像。通过在不同数据集上的实验结果表明，该方法在信息熵、标准差和互信息等评价指标上均要优于其他几种方法，验证了本文所提方法的有效性和优越性。
非下采样轮廓波 引导滤波 模糊逻辑算法 平均梯度 Non-subsampled contourlet transform guide filtering fuzzy logic algorithm mean gradient
