1 南京信息工程大学电子与信息工程学院，江苏 南京 210044
2 南京信息工程大学江苏省大气环境与装备技术协同创新中心，江苏 南京 210044
根据AERONET SGP站的气溶胶光学反演数据，提出了一种基于朴素贝叶斯分类器的气溶胶分类模型，以气溶胶单次散射反照率、复折射率指数等作为输入变量识别了该地区5种类型的气溶胶，分析了不同类型气溶胶的光学特性。所提模型基于学习训练集样本的类别概率分布生成分类器模型，进而预测出测试集样本的类别。在此基础上，将所提模型应用于SGP站气溶胶类型的季节分布差异特性分析，实验结果符合该地区的气候环境特征。为研究所提模型分类结果的准确性，利用AERONET站点数据与高光谱分辨率激光雷达廓线数据匹配法建立了气溶胶分类阈值标准。结果表明，相比传统的气溶胶分类算法，所提模型获得的气溶胶分类结果与基于阈值标准确定的结果具有较高的一致性，可为卫星等遥感设备的气溶胶反演提供地面数据支撑。
大气光学 气溶胶分类 机器学习 朴素贝叶斯分类器 气溶胶特性 光学学报
2022, 42(18): 1801006
中国人民解放军91404部队, 河北 秦皇岛 066000
为了能有效应对目标姿态变化、光照变化和运动模糊等场景对目标跟踪问题带来的干扰以及满足系统实时性, 提出了一种基于特征压缩的目标跟踪方法, 该方法通过随机投影来保存图像特征空间结构, 采用稀疏测量矩阵有效压缩多尺度特征空间的特征。将一幅图像分为前景目标和背景, 对这两部分采用同样的稀疏测量矩阵进行压缩特征提取, 将跟踪任务变为建立一个二值贝叶斯分类器, 同时在压缩域上在线更新, 实现对目标特征的有效表达和实时、准确的跟踪。实验表明, 提出的压缩跟踪算法具有良好的实时性, 在VC平台上处理速度可达23 ms/帧, 并且在各种具有挑战性的场景目标跟踪任务中, 表现出良好的精度和鲁棒性。
目标跟踪 随机投影 压缩感知 多尺度特征 贝叶斯分类器 target tracking random projection compressive sensing multiscale features Bayes classfier
针对相关滤波器的存在边界效应问题, 提出了一种基于相似背景与HSV空间颜色直方图的目标跟踪算法。通过最佳伙伴相似原理(Best-Buddies Similarity), 在真实背景中选取与目标相似度较高的相似背景作为负样本训练相关滤波器, 降低边界效应。并将HSV空间颜色直方图与贝叶斯分类器结合对目标进行颜色跟踪, 利用颜色直方图信息提高复杂背景下目标跟踪的成功率。在OTB-50和OTB-100中挑选16个视频进行实验, 与当前主流的6种跟踪算法对比, 本文算法的成功率得分0.593, 准确率得分0.467, 优于6种主流的目标跟踪算法, 能够有效提高目标跟踪的成功率和准确率, 并且具有较好的实时性。
相关滤波器 边界效应 相似背景 贝叶斯分类器 HSV空间颜色直方图 correlation filter boundary effect similar background Bayes classifier color histogram in HSV color space
1 山东师范大学物理与电子科学学院, 山东济南 250358
2 齐鲁工业大学电气工程与自动化学院, 山东济南 250358
为了降低高光谱遥感图像冗余度, 减少后续的计算复杂度, 提出了选剔同步的高光谱遥感图像波段选择算法。以主成分分析后的数据作为参考波段来源, 以互信息作为选取波段的相似性度量, 引入 R-KL系数作为剔除波段的判别准则, 利用边选取边剔除的方式进行波段选择。为了验证该算法的有效性, 运用贝叶斯分类法对降维后波段进行分类, 并与自适应波段选择和基于最大信息量的波段选择算法进行比较。结果显示当选取波段数目较少时, 该算法的分类效果优于上述两种算法, 当选取波段数目较多时, 3种算法分类效果相当, 故该算法是一种有效的波段选择算法。
波段选择 高光谱 主成分分析 互信息 贝叶斯分类 band selection hyperspectral principal component analysis mutual information bayesian classification
1 武警黑龙江总队司令部, 黑龙江 哈尔滨 150028
2 武警黑龙江总队 佳木斯支队司令部, 黑龙江 佳木斯 154000
3 网络与信息安全武警部队重点实验室, 陕西 西安 710086
集成分类器是目前用于图像隐写分析的主流分类器。为提高集成分类器的检测精度, 针对集成分类器基分类器组合方法过于简单, 无法体现基分类器之间的内在联系, 不能从整体上对结果进行判定的缺点, 依据图像特征在集成分类器分类超平面上的投影值服从多维正态分布这一特性, 提出了一种基于贝叶斯分类器的图像隐写分析算法。首先基于随机森林算法生成若干基分类器, 然后计算类条件概率密度函数与先验概率并训练贝叶斯分类器, 最后使用经过训练的贝叶斯分类器代替简单投票方法进行分类判决。算法的检测错误率比以往算法平均降低了1.6%, ROC曲线比简单投票方法更接近于左上角, 即具有更高的检测率, AUC值平均增长约2.12%, 并且训练时间仅有少量提高, 最大提高约2.610 s。可以有效提高集成分类器的检测精度。
隐写分析 集成分类器 组合方法 多维正态分布 贝叶斯分类器 steganalysis ensemble classifier fusion technique multivariate Gaussian distribution Bayesian classifier
上海理工大学 光电信息与计算机工程学院自动化系，上海 200093
为解决压缩跟踪过快引入跟踪误差和样本采集方面的缺陷，首先，引入基于预测向量的采样搜索策略，通过前两帧跟踪到的目标位置预测后一帧目标的运动方位，并采用扇形区域采样方式缩小有效样本的范围；其次，根据前后两帧跟踪到的目标的对照来判断复杂背景或遮挡的发生，利用Bhattacharyya 系数自适应地改变分类器参数更新系数。实验证明，这些策略避免了因压缩跟踪缺陷导致的跟踪失败，改进后的算法比原算法具有更好的鲁棒性和时效性。
压缩跟踪 预测向量 自适应 贝叶斯分类 compressive tracking predictive vector self-adaptive Bayes discriminant
1 西安电子科技大学 物理与光电工程学院,西安 710071
2 桂林电子科技大学 生命与环境科学学院, 广西 桂林 541004
由于传统的跟踪算法没有充分利用目标与其局部背景的时空相关性, 使其不能有效地区分背景边缘和红外弱小目标, 从而在跟踪过程中产生偏移现象.针对这一问题, 本文在时空上下文学习跟踪的原理基础上, 分析了跟踪偏移的原因, 并引入图像引导滤波方法, 提出了一种引导滤波结合时空上下文的红外弱小目标跟踪算法.该算法首先采用引导滤波对上下文区域进行处理, 在保留上下文区域云层边缘的同时剔除目标及噪声, 再将其与滤波结果作差.最后利用小目标的“置信图”检测出目标.为了验证该方法的有效性, 采用五组红外小目标序列图像进行实验, 并与经典时空滤波、改进的模板匹配和移动管道滤波等方法作比较.实验结果表明本文提出的方法在主观视觉和客观评价指标方面均优于其它三种经典方法, 且具有更高的目标跟踪精度与较好的实时性.
红外与夜视技术 目标跟踪 时空上下文 红外图像处理 弱小目标 图像滤波 贝叶斯分类 傅里叶变换 Infrared and night vision technology Target tracking Spatio-Temporal context Infrared image processing Dim and small target Image filtering Bayesian classification FFT
国网电力科学研究院 北京南瑞智芯微电子科技有限公司, 北京 100192
随着智能电网的发展及其多种信息业务的涌现, 10G-EPON作为业务接入技术日益成为重要支撑; 然而业务的多元化对10G-EPON的多业务支撑能力提出了重要挑战.为了适应电力系统中多种不同类型业务的需求, 本文对智能电网的信息业务特性进行分析, 提出了一种基于贝叶斯分类的10G-EPON业务感知机制; 并且根据10G-EPON中OLT与ONU的主从式网络架构特点, 提出了业务感知的主从式实现方式.该机制使用贝叶斯网络分析数据包的特征, 进而确认待传送业务的类型.在贝叶斯业务分类的基础上, 通过OLT和ONU之间的交互决定业务的资源分配和传输策略.为了验证新机制的有效性, 分别从时延和丢包率两方面进行系统仿真.仿真结果表明, 所提出的基于贝叶斯分类的业务感知机制在时延和丢包率具有显著的优势, 能够实现业务与10G-EPON的高效匹配, 提高10G-EPON在智能电网应用中多业务的区分支持能力.
无源光网络 业务感知 贝叶斯分类 智能电网 Passive optical network Service aware Bayesian classifier Smart power grid
