导读:本文包含了融合滤波论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,卡尔,目标,图像,传感器,信标,计量学。
融合滤波论文文献综述
王殿伟,许春香,刘颖[1]（2019）在《基于多特征融合的核相关滤波目标跟踪算法》一文中研究指出为提高复杂背景下目标跟踪的精度和鲁棒性,提出一种多特征融合的核相关滤波目标跟踪算法。在海量无关图片训练集上得到深度模型,使用目标跟踪视频序列对其进行微调;从模型中提取多层深度线性特征并进行插值运算,同时提取图像序列的方向梯度直方图特征和颜色名特征;将得到的特征图通过核相关滤波计算相应的相关响应图;融合各个响应图,寻找最大响应值以确定目标位置。在OTB和VOT标准数据集上的实验结果表明,该模型具有较高的识别精度,能够在背景斑杂、光照变化、目标遮挡和变形等复杂环境下长期稳定地跟踪目标。(本文来源于《计算机工程与设计》期刊2019年12期）
张国峰,艾斯卡尔·艾木都拉[2]（2019）在《双边滤波下局部强度与梯度融合的小目标检测》一文中研究指出针对红外小目标在复杂背景下难以检测的问题,提出了一种利用局部强度和梯度融合来增强目标抑制背景杂波的算法。首先通过双边滤波技术得到去噪图像,然后利用目标区域与局部邻域的强度差异和梯度向量获得融合图像,最后采用自适应阈值分隔技术成功检测出小目标。理论分析和实验评估结果表明,该算法能够很好地抑制高斯噪声和背景边缘,相比于传统的检测算法,其检测性能显着提高,鲁棒性能较好。(本文来源于《电讯技术》期刊2019年11期）
周哓玲,江泽涛[3]（2019）在《结合脉冲耦合神经网络与引导滤波的红外与可见光图像融合》一文中研究指出针对红外与可见光图像融合细节信息不够丰富、易出现伪影等问题,提出了一种结合脉冲耦合神经网络(PCNN)与引导滤波的红外与可见光图像融合方法。改进传统PCNN模型结构,在脉冲产生单元加入抑制项,避免像素重复点火对点火时间矩阵带来噪声;以原图为引导图像对点火时间矩阵T进行引导滤波,得到兼具显着信息与边缘细节信息的多区域加权划分矩阵;基于该多区域加权划分矩阵,对红外与可见光图像进行加权融合。同时,根据PCNN数学模型点火行为分析,提出了一种包含约束的PCNN模型参数设置方法,可降低PCNN模型参数设置的复杂度。实验结果表明该融合方法具有较高的融合效率,同时融合图像细节信息丰富,无明显伪影,交叉熵、空间频率指标相对于当前常用融合方法均较优。(本文来源于《光学学报》期刊2019年11期）
余祥伟,薛东剑,陈凤娇[4]（2019）在《融合多尺度边缘检测的小波贝叶斯SAR图像滤波》一文中研究指出针对实测的SAR图像被噪声广泛淹没、传统滤波方法易模糊边缘等问题,提出了一种新的滤波方法。该方法在图像多尺度的小波分量上,将基于贝叶斯理论对不同系数和不同方向上设置不同阈值得到消噪后的各分量与基于多尺度边缘检测提取的图像边缘等结构所对应小波分量加权融合,重构输出。以真实的SAR影像进行对比实验后,选取图像的均值、等效视数、边缘保持指数、信噪比及特征地物的像素灰度曲线作为评价指标,对不同的滤波方法进行了综合量化评价。实验结果表明,该方法抑制SAR图像斑点噪声的效果较好,对边缘有较好的保持效果。(本文来源于《遥感信息》期刊2019年05期）
陈卫东,陈磊,邓志巍,刘宏炜,董惠茹[5]（2019）在《基于混合相关滤波信息融合再检测的目标跟踪算法》一文中研究指出为了减小在目标跟踪过程中目标形变和复杂背景变化对跟踪效果的影响,提出一种基于混合相关滤波信息融合再检测的目标跟踪算法。首先,利用相关滤波算法提取到目标的方向梯度直方图Ho G特征,利用颜色模板得到目标的颜色特征,计算两个模板的采样得分;其次,再将两者的特征信息用线性组合的形式进行特征信息融合确定目标位置,跟踪过程中,根据设定的阈值条件选择两个模板采样较大的得分再检测目标的位置;最后,输出所有帧目标位置的结果。与其他的算法进行比较,该算法在应对目标形变和背景杂波方面有较好的跟踪效果。(本文来源于《计量学报》期刊2019年06期）
侯志强,王帅,余旺盛,李宥谋,马素刚[6]（2019）在《融合检测机制的鲁棒相关滤波视觉跟踪算法》一文中研究指出为了解决相关滤波视觉跟踪算法在复杂场景中产生的跟踪漂移问题,提出一种融合检测机制的相关滤波跟踪框架。利用时空正则化滤波器作为跟踪器,同时使用线性核相关滤波器作为检测器。当跟踪器与目标进行相关计算得到的响应图为多个峰值时,激活检测器,对多个峰值进行相关匹配,获得重检测结果;同时,使用平均峰值相关能量的滤波器模型更新策略得到更加可靠的检测器,以达到提高跟踪精度和算法鲁棒性的目的。在OTB2015、Temple color 128和VOT2016数据平台上的实验结果表明,与近年提出的性能较出色的跟踪算法相比,本文算法在目标运动模糊、相似背景干扰和光照变化等复杂场景中具有更好的鲁棒性和准确性,且跟踪精度和成功率上均有提高。(本文来源于《应用光学》期刊2019年05期）
王守华,陆明炽,孙希延,纪元法,胡丁梅[7]（2019）在《基于无迹卡尔曼滤波的iBeacon/INS数据融合定位算法》一文中研究指出针对微机电惯性导航系统(MEMS-INS)定位解算存在积累误差及低功耗蓝牙技术iBeacon指纹定位存在跳变误差等问题,该文提出一种基于无迹卡尔曼滤波器(UKF)的iBeacon/MEMS-INS数据融合定位算法。该算法对iBeacon锚点与定位目标的距离进行解算,利用加速度计和陀螺仪的数据实现姿态阵和位置解算。将蓝牙锚点位置向量、载体速度误差信息等组成状态量,将惯性导航定位信息和蓝牙定位距离信息等组成观测量,设计无迹卡尔曼滤波器,实现iBeacon/MEMS-INS数据融合定位。实验测试结果表明,该算法有效解决MEMS-INS存在较大积累误差及i Beacon指纹定位存在跳变误差的问题,可以实现1.5 m内的定位精度。(本文来源于《电子与信息学报》期刊2019年09期）
王宏,葛泉波[8]（2019）在《噪声相关带偏差线性系统的滤波融合算法》一文中研究指出传统线性两阶段Kalman滤波算法无法应对噪声相关情形,导致较低的实际应用性能。针对该问题,以线性系统中状态与测量噪声相关的多传感器偏差估计系统为对象,以基于模型等效变换技术的噪声相关两阶段Kalman滤波器为基本滤波器,分别在序贯分布式和并行式框架下建立两种两阶段Kalman滤波融合算法。其中,序贯分布式融合算法将多个局部两阶段Kalman滤波器的估计结果以序贯加权的形式进行融合;并行式融合算法分别对偏差滤波估计和无偏差滤波估计进行融合,再利用线性方程将融合后的结果进行组合,得到状态估计值。仿真结果表明:相比于两阶段Kalman滤波器和序贯分布式两阶段Kalman滤波融合估计器,并行式两阶段Kalman滤波融合估计器在滤波估计精度上具有更高的性能。(本文来源于《杭州电子科技大学学报(自然科学版)》期刊2019年05期）
贺养慧[9]（2019）在《基于边缘保护滤波的多聚焦图像融合算法》一文中研究指出针对当前现有的多聚焦图像的融合算法存在的诸多弊端,如关于未含有噪声的源图像的假设,或者在高频滤波的时候破坏了边缘特征等,本文提出了一种基于边缘保护滤波的图像融合算法。首先分析图像细节部分的特征各向异性,建立了可以同时去噪和融合的能量函数,再应用图像特征加权的融合规则,构建了基于能量函数的迭代求解方案。通过实验研究发现,该算法产生的残留噪声较少,结构的相似度与视觉融合水平均得到显着提高。(本文来源于《佳木斯职业学院学报》期刊2019年09期）
宋之卉,赵彦晓[10]（2019）在《基于卡尔曼滤波模型的多传感器数据融合导航定位建模与仿真》一文中研究指出随着导航定位技术领域可用的位置传感器种类越来越多,各传感器采集数据优缺点并存,同一个物理信息数据源也呈多样化。因此,依靠单一传感器提供信息已无法满足用户需求。本论文采用导航定位传感器GNSS(Global Navigation Satellite System,全球导航卫星系统)接收机、视觉传感器和惯性导航传感器采集位置信息,采用卡尔曼滤波技术进行数据预处理,通过计算相对误差和均方根误差对预处理置信度和精确度加以判断,然后采用最优加权融合估计算法对滤波后数据进行融合,仿真对比结果表明:融合处理结果优于单源处理结果,导航定位精度得到提高,能更好地为用户提供多维度的导航定位结果,同时也为环境数据预测和评估做支撑,具有一定的实际应用价值。(本文来源于《数字通信世界》期刊2019年09期）
融合滤波论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对红外小目标在复杂背景下难以检测的问题,提出了一种利用局部强度和梯度融合来增强目标抑制背景杂波的算法。首先通过双边滤波技术得到去噪图像,然后利用目标区域与局部邻域的强度差异和梯度向量获得融合图像,最后采用自适应阈值分隔技术成功检测出小目标。理论分析和实验评估结果表明,该算法能够很好地抑制高斯噪声和背景边缘,相比于传统的检测算法,其检测性能显着提高,鲁棒性能较好。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
融合滤波论文参考文献
[1].王殿伟,许春香,刘颖.基于多特征融合的核相关滤波目标跟踪算法[J].计算机工程与设计.2019
[2].张国峰,艾斯卡尔·艾木都拉.双边滤波下局部强度与梯度融合的小目标检测[J].电讯技术.2019
[3].周哓玲,江泽涛.结合脉冲耦合神经网络与引导滤波的红外与可见光图像融合[J].光学学报.2019
[4].余祥伟,薛东剑,陈凤娇.融合多尺度边缘检测的小波贝叶斯SAR图像滤波[J].遥感信息.2019
[5].陈卫东,陈磊,邓志巍,刘宏炜,董惠茹.基于混合相关滤波信息融合再检测的目标跟踪算法[J].计量学报.2019
[6].侯志强,王帅,余旺盛,李宥谋,马素刚.融合检测机制的鲁棒相关滤波视觉跟踪算法[J].应用光学.2019
[7].王守华,陆明炽,孙希延,纪元法,胡丁梅.基于无迹卡尔曼滤波的iBeacon/INS数据融合定位算法[J].电子与信息学报.2019
[8].王宏,葛泉波.噪声相关带偏差线性系统的滤波融合算法[J].杭州电子科技大学学报(自然科学版).2019
[9].贺养慧.基于边缘保护滤波的多聚焦图像融合算法[J].佳木斯职业学院学报.2019
[10].宋之卉,赵彦晓.基于卡尔曼滤波模型的多传感器数据融合导航定位建模与仿真[J].数字通信世界.2019
论文知识图
