加权融合

摘要： 就现今人脸活体检测尚未充分利用多模态特性的问题展开研究,提出了一种多模态与多尺度融合检测算法,充分利用可见光、近红外、深度3种模态数据的互补特性逐级过滤伪造样本.待测样本首先经近红外人脸检测过滤回放攻击,然后经过深度判别网络过滤平面攻击,最后将前2层难分类的样本输入多模态融合模块综合判别得到最终分类.构建了1个近2万组的高分辨率多模态数据集,设计了多尺度输入的轻量级判别网络,进一步提高算法的适应性.对比实验证明,提出的算法检测准确率比单模态方案显著提高,总参数量仅有48万个,推理时间为8.07ms,远低于其他常见融合方式.

摘要： 针对复杂场景如旋转变化、快速移动、尺度变化、遮挡等问题,提出了融合深度特征的通道可靠性目标跟踪算法。首先,提取方向梯度直方图(HOG)特征、颜色通道(CN)特征和灰度(Gray)特征,并将三种特征通道串联。然后,使用VGG-19网络进行深度特征提取,分别提取Conv4-4层和Conv5-4层的深度特征,独立训练每种通道特征的相关滤波器,根据可靠性系数进行响应图自适应通道可靠性加权融合。同时,提出了以主旁瓣比(PSR)和响应图的有效局部最大数量(NELM)为指标的模型更新策略。在OTB-100数据集进行实验表明,所提算法在一些复杂场景下与一些主流跟踪算法相比,具有较好的准确性和鲁棒性。

摘要： 针对使用双目结构光扫描仪获取的三维人脸点云,提出了一种特征融合网络(FFN)来完成人脸点云质量判断任务。首先,对三维点云预处理切割出人脸面部区域,使用点云和对应的二维平面投影得到的图像作为输入;其次,分别训练用于点云学习的动态图卷积神经网络(DGCNN)和ShuffleNet两个模块;然后,提取出两个网络模块的中间层特征进行特征融合,对整个网络进行微调;最后,使用三层全连接层,实现三维人脸点云的5分类(优秀、普通、条纹、毛刺、变形)。所提FFN的分类正确率为83.7%;分类正确率比ShuffleNet提升了5.8%,比DGCNN提升了2.2%。实验结果表明,加权融合二维图像特征和点云特征可以达到不同特征之间的优势互补效果。

摘要： 分析目前实时测控系统中生成的测量设备实时数字引导信息存在的问题,提出了一种保证引导数据实时性和稳定性的改进方法。该方法以设备类型和精度为出发点,利用先验知识对方案轨迹分类排序,再根据优先级对方案轨迹的权系数给出逐级递减算法,最终实现了测量方案的最佳组合,使形成方案的测量设备数据得到充分利用。仿真结果表明,与传统引导信息生成方法相比较,该方法对信息源进行了选优和加权处理,生成的引导数据平稳有效。

摘要： 针对复杂环境下非视距等因素造成的UWB定位精度下降的问题,提出了一种基于加权融合-UKF的超宽带定位算法。首先建立一套非视距环境中的UWB基站系统,通过PC端采集各个基站的测距信息;其次通过搭建合适的CNN网络对原始数据进行预处理,有助于提高数据的稳定性;然后对原始数据进行指数加权移动操作,设计以测距距离为变量的加权函数,将指数加权移动处理的数据与CNN处理后数据进行融合,改善信号均值漂移问题;最后引入UKF对融合数据进行滤波计算,得到目标节点的位置坐标。采集多个点的数据进行试验验证,其结果表明,提出的方法对非视距造成的定位误差有良好的改善效果,算法定位精度RMSE均值约为2.94 cm,精度相比单一UKF解算提高了46.79%,比单一CNN处理提高了17.88%。

摘要： 飞行器气动数据的来源主要有风洞试验、数值模拟、飞行试验三种方式。受试验和模拟能力的限制,任意一种单一手段都难以准确地对飞行器全飞行包线进行覆盖。为弥补各种数据的“缺陷”,提出并实现了两种数据融合算法:一种是依据不确定度作为权值参考,进行加权融合的加权融合算法,利用高斯过程回归算法获得不同来源气动数据预测值的特征,并进行加权融合;另一种是基于模型的CoKriging融合算法,利用CoKriging算法直接建立融合模型。并以某型飞行器气动数据为例进行了对比分析。结果表明:使用单一精度数据建模时,在一定的范围内,样本数据越多,覆盖的设计变量空间越广,精度越高;与单独使用一种精度数据的建模算法相比,两种融合算法预测结果的精度都有较大的提高;相比于基于不确定度的融合算法,使用CoKriging算法建模得到的结果精度更高,提高了近一个数量级。融合数据对于提高数据精度和增强模型预测能力上有重要作用,在参数变量空间内,融合数据能够对高精度数据进行内填补充,同时在参数变量空间外的融合数据能对数据的变化趋势预测提供参考。

摘要： 生活垃圾的有效分类处理是改善社会环境的一项重要措施,传统的垃圾分类算法已经不能满足当前垃圾分类的要求。为了提高生活垃圾分类性能,在深入研究卷积神经网络中不同层次具有不同特征的基础上,提出一种面向生活垃圾图像分类的多级特征加权融合算法。构建基于ResNet的特征提取网络,通过多分支网络结构提取并处理图像不同层次的特征信息,在特征融合过程中分析自适应权重融合和固定权重融合对图像分类性能的影响,选取更优的加权融合方法对多级特征进行融合,从而获取更丰富的生活垃圾图像特征信息,提高垃圾分类准确率。实验结果表明,该算法在华为生活垃圾图像数据集上的分类准确率最高可达97.53%,优于其他算法,具有一定的实用价值。

摘要： 针对海洋复杂成像环境导致水下图像退化严重,出现颜色衰退、对比度低以及细节模糊等现象,提出一种基于颜色校正和引导滤波分层的水下图像增强方法。使用白平衡算法对水下图像进行颜色校正;采用引导滤波算法将颜色校正后的图像拆分为基础图像和细节图像,将基础图像转换至Lab空间,对基础图像的亮度通道采用对比度受限的自适应直方图均衡法(CLAHE)增强对比度,再将图像转换回RGB空间,同时对细节图像采用Gamma变换增强纹理信息;对增强后的基础图像和细节图像进行加权融合。结果表明,该方法可以有效地提升原始图像色彩和对比度,丰富图像细节信息。

摘要： 尽管基于机器视觉的缺陷检测技术已较为成熟,但应用在轴承外圈表面缺陷检测的理论研究还相对较少。应用图像拼接方法,将拍摄到的含有不完整缺陷区域的轴承外圈表面图像拼接为一幅缺陷信息完整的图像,以便后续进行缺陷的识别。在图像拼接过程中,同时采用SURF算法和图像柱面投影原理,还原了图像边缘缺陷区域的真实空间信息。建立Hessian矩阵(基于SURF算法)提取并匹配特征点,运用加权平均融合算法实现对含有缺陷信息的轴承外圈表面图像无缝拼接。经实验分析,结果表明该方法有效还原了轴承的空间几何特性,保留了边缘特征信息,能为图像拼接的准确性及拼接质量提供有效保障。无论从理论还是实践的角度来说,均有研究和探索的必要性。

摘要： 针对YOLO_v4模型因颈部网络串行连接的特征会逐渐被稀释,从而影响模型性能的问题,提出一种改进多尺度特征的YOLO_v4目标检测方法.该方法通过引入中间层的方式重构了YOLO_v4颈部网络结构,再通过中间层参与后续特征融合实现特征跨级连接,并使用可通过网络学习的参数作为特征间的平衡因子进行特征加权融合.在数据集VOC-2007和VOC-2012上的实验结果表明,该方法可使模型平均精度提高1.3%,并可有效提升模型对不同目标的检测能力.

摘要： 研究多信源弹道数据实时处理中斑点野值的检测问题.通过计算各信源数据的实时精度,给出了具有自适应加权系数的加权融合方法,实现了对目标状态参数较高精度的估计,从而实时、准确、高效地检测各信源数据野值.仿真结果表明,本方法可以快速、有效地检测多信源数据的斑点野值,解决因数据切换带来的台阶跳跃问题.

摘要： 基于线性最小方差最优加权融合估计算法，对多传感器多重时滞系统给出了分布式信息融合次优滤波器。推得了多重时滞系统的任两个传感器子系统之间的次优滤波误差互协方差阵。所提出的分布式次优融合估计比各局部估计具有更高的精度，与最优加权融合估计相比，可减小计算负担。仿真例子验证了其有效性。

摘要： 基于土地集约利用评价中的不确定性,利用灰色系统理论进行评价研究,提出了小城镇土地集约利用评价的多层次灰色局势决策模型。首先,利用第一层的评价指标构建灰色决策局势,对第一层单元系统多指标的灰色决策局势进行加权融合,形成第二层单元系统评价指标的灰色决策局势;然后,对第二层单元系统多指标的灰色决策局势进行加权融合,形成第二层单元系统的灰色决策局势;依次类推,直至最高层次;最后,利用最高层灰色决策局势所包含的信息判定评价对象类别和进行优劣排序。应用实例说明所建评价模型是有效的。

摘要： 对带观测时滞的多传感器多通道自回归滑动平均(ARMA)信号，应用现代时间序列分析方法，基于ARMA新息模型，在线性最小方差最优加权融合准则下，提出了按矩阵、按对角阵和按标量加权三种分布式最优信息融合wiener滤波器，可统一处理融合滤波、预报和平滑问题。它们克服了用增广状态方法计算负担大的缺点。它们是局部最优和全局次优的。融合器的精度高于每一个局部估值器的精度。为了计算最优加权，给出了计算局部估计误差互协方差的公式。一个带观测时滞的三传感器目标跟踪系统的Monte Carlo仿真例子说明了其有效性。

摘要： 对于带未知噪声统计的多传感器系统,用相关方法提出了噪声方差的在线估值器.进而基于Riccati方程和按对角阵加权最优融合规则,提出了自校正分量解耦加权融合稳态Wiener滤波器.证明了自校正融合Wiener滤波器按实现收敛于最优融合Wiener滤波器,因而具有渐近最优性.传感器跟踪系统的仿真例子说明了其有效性.

摘要： 本文以系统工程决策理论为基础,提出了一种基于模糊智能控制理论下的综合评估加权跟踪方法,在分析试验靶场光学测量任务特点和目标飞行特征的基础上建立加权数学模型,通过编程实现动态数据优化,产生新的引导数据,实现人工智能参控下的精确数字跟踪.

摘要： 结构光测距技术的主要缺点是无法获取摄像机看不到或光源照不到的点的数据.为此,采用冗余多传感器构成无影视觉坐标测量系统.多个传感器出各自测得的目标参数和状态参数到数据融合中心,特殊设计的可变模板抽提出各路信号的特征参数.再利用特征参数阈值进行数据特征融合后,进行加权融合计算,使融合后的最终测量结果达到最优.实验证明无影视觉系统明显优于单目测量系统,对复杂形貌曲面测量有重要意义.

摘要： 对带观测时滞的线性离散定常随机控制系统，引入新的观测过程，可将其化为无观测滞后系统。在线性最小方差意义下，给出按矩阵、按对角阵和按标量加权三种分布式最优信息融合Kalman滤波器。它们克服了用增广状态方法计算负担大的缺点。它们是局部最优和全局次优的。融合器的精度高于每一个局部Kalman估值器的精度。为了计算最优加权，给出了计算局部估计误差互协方差的公式。一个对带有观测时滞的三传感器跟踪系统的Monte Carlo仿真例子说明了其有效性。

摘要： 对带观测时滞的线性离散定常随机控制系统，引入新的观测过程，可将其化为无观测滞后系统。在线性最小方差意义下，给出按矩阵、按对角阵和按标量加权三种分布式最优信息融合Kalman滤波器。它们克服了用增广状态方法计算负担大的缺点。它们是局部最优和全局次优的。融合器的精度高于每一个局部Kalman估值器的精度。为了计算最优加权，给出了计算局部估计误差互协方差的公式。一个对带有观测时滞的三传感器跟踪系统的Monte Carlo仿真例子说明了其有效性。

摘要： 对带观测时滞的线性离散定常随机控制系统，引入新的观测过程，可将其化为无观测滞后系统。在线性最小方差意义下，给出按矩阵、按对角阵和按标量加权三种分布式最优信息融合Kalman滤波器。它们克服了用增广状态方法计算负担大的缺点。它们是局部最优和全局次优的。融合器的精度高于每一个局部Kalman估值器的精度。为了计算最优加权，给出了计算局部估计误差互协方差的公式。一个对带有观测时滞的三传感器跟踪系统的Monte Carlo仿真例子说明了其有效性。

摘要： 本发明公开了一种基于加权特征融合的多传感器信息融合方法。首先建立了一种三层树状结构的多层级融合识别框架，其中最高层为最终目标识别结果，中间层为多个传感器数据采集平台，最低层是从各类传感器中提取得到的基本特征集。首先，利用层次分析法结合模糊信息理论确定多层级融合识别框架中相邻层间的相对权值，再由权值路径得到最低层基本特征对最高层的相对权值，最后利用D‑S证据理论组合加权特征信息以得到最终目标识别结果。本发明结合了模糊信息理论的层次分析法，利用多冲突衡量标准与模糊信息理论，定量计算证据层和标准层的两两比较矩阵，通过求解两两比较矩阵计算各层权值，进而得出各证据的权值。

摘要： 本发明公开了一种融合贝塞尔曲线的球幕融合边缘加权计算方法，包括如下步骤：S1、里森费尔德方法：弦长参数化看作以样条曲线的分段连接点为顶点的内接多边形，取其展直后沿参数轴分布所形成的节点序列，把控制多边形近似看做样条曲线的外切多边形，并使曲线的分段连接点与控制多边形的顶点或边对应起来，然后得到节点矢量的参数序列；S2、饼图取点：假设有一个被m，n均匀切分，宽高WxH的切分图像，网格点对应测量数据点集。本发明解决了投影机安装的问题，使投影机可以在任意位置安装，只要满足将整个球幕打满的要求即可，同时最大化利用融合区域，将整个投影机的重叠区作为融合区域进行过度，使画面融合过度更加均匀。

摘要： 本发明提供了一种基于加权融合与分层串行结构的指纹与指静脉图像融合方法，主要解决单一模态易受系统噪声、特征损坏等因素影响及多模态融合系统耗时较长的问题。首先对设计好的两个指纹分类器及四个指静脉分类器进行训练并获得各个分类器的拒识率；再依据拒识率计算单个分类器集成融合系统时的权值；为了降低算法的运算时间，将参与融合的6个分类器构造成串行的三层分层形式，即通过第1层分类器的样本才能进入第2层分类器，同样通过第2层的样本才能进入第3层。本发明对指纹及指静脉图像均采用多种特征进行识别，充分利用了图像的数据信息，所设计的分层结构更好的降低了融合系统的时间消耗，为多生物特征识别提供了一种有效的途径。

摘要： 相关性加权的遥感影像融合方法及该融合方法的融合效果评价方法，本发明涉及遥感影像处理技术领域。相关性加权的遥感影像融合方法为：对原始待融合影像的预处理；计算预处理后的多光谱影像各波段与全色影像各波段的相关性；通过调整多光谱影像的权重，获取多光谱影像最佳的权重系数，根据最佳的权重系数获取相关性加权融合模型；根据相关性加权算法实现多光谱影像与全色影像的融合。相关性加权的遥感影像融合方法的融合效果评价方法为：根据相关性加权的遥感影像融合方法获取的融合影像，从数理统计的定量方式评价融合影像，数理统计的定量方式是根据选择融合效果评价指标对融合前后影像进行评价，融合效果评价指标分别为：方差、信息熵和扭曲度。

摘要： 本发明公开了一种基于分类自适应估计加权融合算法的WSN数据融合方法，涉及医用冷链仓库中的温度监测领域。该方法首先对异常数据进行分类处理，筛选出有效性异常数据，然后引入融合权值与修正因子改进分批估计算法计算数据融合结果，最后利用MATLAB仿真软件将该算法与其他两种数据融合方法进行仿真对比，仿真结果表明：在温度检测系统模型下，相较于BEF和MF算法，该方法的融合结果更接近真值，具有较低的均方误差，满足医用冷链中冷库温度传感器数据融合的要求。

摘要： 本发明提供了一种基于加权融合与分层串行结构的指纹与指静脉图像融合方法，主要解决单一模态易受系统噪声、特征损坏等因素影响及多模态融合系统耗时较长的问题。首先对设计好的两个指纹分类器及四个指静脉分类器进行训练并获得各个分类器的拒识率；再依据拒识率计算单个分类器集成融合系统时的权值；为了降低算法的运算时间，将参与融合的6个分类器构造成串行的三层分层形式，即通过第1层分类器的样本才能进入第2层分类器，同样通过第2层的样本才能进入第3层。本发明对指纹及指静脉图像均采用多种特征进行识别，充分利用了图像的数据信息，所设计的分层结构更好的降低了融合系统的时间消耗，为多生物特征识别提供了一种有效的途径。

摘要： 本发明属于信息检索技术领域，提供了一种基于多图加权融合的数据检索方法与系统。为了解决检索不精确的问题，该检索方法包括基于目标函数得到映射矩阵，再根据映射矩阵对测试数据进行投影，对应生成测试数据哈希码矩阵；计算测试数据哈希码矩阵和基于目标函数得到的训练数据哈希码矩阵之间的汉明距离，并对其进行排序，得到测试数据的检索结果；其中，目标函数由六项构成，前两项是利用协同矩阵分解得到不同模态数据的潜在因子矩阵；第三项是学习模态内和模态间的相似图矩阵；第四项是通过模态间统一的共识图矩阵和潜在因子矩阵而生成统一的哈希码矩阵；第五项是学习哈希函数；第六项是正则化项。具有训练和检索速度快及检索性能高特点。

摘要： 本发明涉及机器人视觉触觉融合技术领域，具体涉及到一种自适应特征加权的视触融合物体分类方法。本发明采用轻量化的网络模型分别提取每个物体的视觉特征和触觉特征，然后将特征提取后的视觉特征向量和触觉特征向量利用通道注意力模块来实现特征的自适应加权融合，减少了特征信息的冗余，大大提高了物体分类的效率，该方法不仅可以有效的利用物体的视觉特征和触觉特征，而且可以在网络参数量较少的情况下实现对物体的精准分类，与其他方法相比，该方法可以有效降低对显存的需求，提升了分类速度，节约了成本。

摘要： 本发明公开了一种基于角度估计的人脸步态多模态加权融合身份识别方法与系统，所述方法包括：采集人脸RGB图像及行人步态图像序列；在包含人脸的图像数据中定位出人脸位置并裁剪，同时进行人脸关键点检测；利用人脸关键点坐标集对人脸角度进行估计；判断人脸图像质量，对符合质量的人脸图像进行特征提取，对不符合质量的图像进行筛除；将质量符合的人脸图像输入至深度卷积神经网络中进行特征提取；将采集到的行人步态序列图像进行行人实例分割，分割出行人轮廓掩膜，得到对应目标的步态轮廓图；通过质量估计模块估计步态轮廓质量，并对质量较低的轮廓图进行图像补全；对符合质量步态轮廓图序列及补全后的步态轮廓图序列进行特征提取；基于人脸角度估计进行多模态加权融合。

摘要： 本发明公开了一种基于地下水加权融合模型提高区域地下水储量准确性的方法和系统，该方法包括：随机选取三个独立的地下水储量异常数据集；根据随机选取的三个独立的地下水储量异常数据集，进行协方差、数值变化敏感度、随机误差方差解算，并构建得到地下水加权融合模型；基于构建得到的地下水加权融合模型，进行地下水储量异常估算，得到地下水储量异常估算结果，并输出。本发明利用ETC方法计算的与未知实测值之间的相关系数平方和误差方差来构建权重因子，并赋予基于GRACE和多种水文模型数据的GWSA以权重，从而对这些GWSA结果进行融合，充分保留了各水文模型数据的优点，提高了GRACE区域地下水储量估算的准确性。