将多尺度变换和“高频取大、 低频加权平均”融合规则相结合是融合双波段图像的有效方法。 但用该类方法融合多波段图像时, 序贯式加权常常会导致原图像间固有的差异信息在融合图像中被弱化, 从而影响后续的目标识别和场景理解。 该问题在融合具有纹理特征的多波段图像时更为突出。 为此, 提出了一个基于嵌入式多尺度分解和可能性理论的多波段纹理图像融合新方法。 首先, 利用一种多尺度变换方法把多波段原图像分别分解为高频和低频成分, 并对多波段图像中标准差最大的一幅原图像的低频成分利用另一种多尺度方法进行分块, 再以该分块图像的大小和位置为标准对其余波段的原图像进行分块。 然后, 基于可能性理论的相关融合规则逐一融合对应的多波段块图像, 再把块融合图像进行拼接, 以拼接结果作为低频融合图像。 最后, 将该低频融合图像和利用取大规则融合得到的高频成分一起通过多尺度逆变换获得最终的融合图像。 这种方法不仅将像素级和特征级融合方法综合在一起, 而且将空间域和变换域技术综合在一起, 并通过对大小块采用不同融合规则解决了目标边缘的锯齿效应问题。 实验表明该方法效果显著。

在加速寿命试验中,随机应力的影响是普遍存在的,但目前对随机应力条件下的加速寿命试验分析缺乏有效的方法。以可能性理论为基础,将随机应力转化为一个模糊应力,通过确定该模糊应力的可能性分布函数,建立随机应力条件下的寿命分布模型。提出一种通过求取模糊数的上、下可能性均值来减小模型误差的方法,并以阿伦尼斯模型为例,分析了温度随机应力条件下的寿命分布模型,结果证明该方法是有效的。

应用模糊神经网络预测了电子器件失效阈值随高功率微波参数的变化关系.结合电子器件实验数据较少的情况,提出用可能性理论估计器件失效可能性分布的评估方法;结合模糊神经网络的学习预测能力,得到电子器件失效的可能性分布;并将可能性分布和用信息扩散估计方法得到的概率分布进行了比较,前者能够更好地利用实验数据估计器件失效的可能性.