海洋沉积物的粒度研究有助于了解人类活动对自然环境的影响。 将主成分分析(PCA)和连续投影算法(SPA)融合能够综合利用两种光谱特征提取方法的优势, 获得比单一特征提取方法更丰富的特征波长, 实现无关特征和干扰信息的剔除, 最大限度减少特征信息的丢失, 有利于沉积物粒度的分析。 以青岛市东大洋村潮间带表层32份沉积物为例, 将海洋沉积物划分为0.3～0.2、 0.2～0.1、 0.1～0.075和<0.075 mm四个不同粒径的沉积物样品, 分别测定不同粒径的32份沉积物的可见-近红外反射光谱, 共计128条光谱。 将128条光谱数据分别以2∶1, 1∶1和1∶2的比例划分建模集和检验集进行分析； 采用主成分分析和连续投影融合算法(FOPAS )提取不同粒径沉积物的特征光谱, 利用支持向量机算法建立粒径分类模型。 结果显示, 对2∶1、 1∶1、 1∶2比例的数据集, 融合算法检验集正确率分别为83.33%、 82.81%、 75.29%, 仅在2∶1比例下正确率低于连续投影算法检验集的正确率90.47%, 其余正确率相对于单一特征提取算法均有显著的提高, 表明使用融合算法提取特征光谱建立的分类模型在训练集样本量少, 粒径清晰的条件下, 其分类模型相较于单独使用两个特征提取算法的模型更具有优势。 采用基于主成分分析和连续投影融合算法的海洋沉积物粒度分类模型, 能够提高海洋沉积物粒度分类结果的正确率, 建立正确率更高的粒度分类模型, 对快速粒度分类提供了解决方法。

针对现实场景中双模态红外图像融合对异类差异特征协同优化融合的需求, 且现有差异特征属性无法根据差异特征多个属性的变化针对性地调整融合算法进行有效驱动, 导致融合效果差的问题, 提出了面向双模态红外图像融合算法选取的联合可能性落影构造方法。首先计算双模态红外图像多融合算法下不同差异特征的融合有效度、统计差异特征分布特性; 再构造差异特征融合有效度的可能性分布, 通过最小二乘估计法拟合可能性分布函数; 然后通过择优比较法对不同差异特征融合有效度的可能性分布进行对比分析, 确定差异特征可能性分布函数投影权重, 构造联合可能性落影函数; 最后分析联合可能性落影函数截集水平, 结合差异特征分布特性构建融合性能指标动态选取最优融合算法。实验结果表明, 本文方法所选出的最优融合算法在主客观综合分析上优于其他算法, 验证了本文将联合可能性落影运用于双模态红外图像最优融合算法选取中有效性和合理性。

红外图像与可见光图像均被广泛用于目标检测领域, 但单模态图像难以满足低能见度道路目标检测的需求, 因此本文从双模态融合角度出发, 提出一种基于红外可见光融合的低能见度道路目标检测算法。首先, 运用多种红外可见光双模态图像融合算法对输入图像进行预处理, 并对融合图像的均值、标准差、信息熵、平均梯度、空间频率等 5个参数进行定量分析, 然后, 优化训练检测网络得到针对低能见度道路目标的检测模型, 最后, 从模型训练结果和目标检测结果的角度评估算法和模型的正确性。实验结果表明, 本文算法训练出的模型误检率和漏检率较其他算法明显降低, 检测精度较现有算法使用单模态图像由 75.51%提升到 88.86%, 且图像处理速度能够满足实时检测的需求。

针对美军导航传感器系统接口的导航信息源融合算法存在参数设置依赖经验且未对航向进行融合的问题, 提出了一种基于自适应指数加权移动平均的导航信息源融合算法。该算法利用分段的估计误差函数对NSI算法的参数进行自适应调整, 从而避免了初始参数设置不当对融合精度的影响, 进一步提高位置融合精度。此外将该算法应用于航向, 实现了航向的融合。在仿真实验和实测数据试验下, 将该方法与普通基于EWMA的NSI方法进行了对比。结果表明, 提出的基于自适应EWMA的NSI方法具有自适应参数调节功能, 避免了复杂的调参过程, 并有效地融合多种传感器的信息, 抑制捷联惯导系统的误差发散。

针对传统的红外图像与可见光图像融合算法存在局部模糊、背景信息不完整的问题, 文章提出了一种新的融合算法。使用边缘检测算子实现图像轮廓的提取, 同时还进行基于能量的加权融合处理; 使用区域间相似度的方法实现信号域的提取, 最后根据过信号强度进行图像的融合。为了验证算法的正确性, 文章进行了对比测试, 同时还使用标准差、信息熵和平均梯度3个参数进行了定量分析, 本文方法和传统的加权平均算法相比标准差最大提高106.3%, 测试结果表明, 本文提出的融合方法融合效果更好, 具有一定的实用价值。

为提高海马体多图谱分割的精度和时间效率，提出基于高等标准化工具(Advanced Normalization Tools，ANTs)配准的多图谱分割算法。为降低数据规模，在预处理阶段，提取以海马体为中心的立方体box。在配准阶段，提出用ANTs代替重采样环节，再利用微分同胚Demons算法的平滑性、拓扑保持性以及连续性进行精配准。在标签融合阶段，采用加权平均(Majority Voting, MV)算法、基于生成模型约束的GraphCut标签融合(Generative Model, GM)算法、度量学习(Metric Learning, ML)算法以及半监督标签传播随机森林(Integrating Semi-Supervised Label Propagation and Random Forests, RF-SSLP)算法做对比。实验结果表明，用ANTs代替重采样后，可分别提高MV、GM、ML以及RF-SSLP四种融合算法的精度，同时，通过以上4种融合算法的对比发现，基于ANTs配准的半监督标签传播随机森林算法分割精度最高，相较于MV、GM和ML三种融合算法精度提高了3%~5%。

随着科学技术的迅猛发展，信息采集与融合趋于多元化和复杂化。单一的传感器已经无法满足需求。因此，多传感器信息融合技术开始广泛应用于各行各业，并提高了信息处理的准确性和完整性。从概念、结构与分类、关键算法的研究和实际应用等方面对多传感器信息融合技术进行了介绍，并总结了该技术的发展趋势与未来前景。

四旋翼飞行器姿态信息的准确性直接影响飞行器的飞行控制效果。介绍了四旋翼飞行器姿态解算常用的梯度下降与互补滤波融合算法和自适应互补滤波算法的原理, 并基于自主研发的IMU系统对两种算法的静态与动态解算效果进行了实际测量和对比分析。实验结果表明, 自适应互补滤波算法在两种情况下的滤波效果均优于梯度下降与互补滤波融合算法。