时变目标动态证据推理及应用研究

在现代目标识别与跟踪、图像处理等领域，时变目标和时敏目标的研究日益受到关注。传统证据推理一般其待决策的推理或融合结果具有确定和时不变的特征，处理此类时变目标的动态信息融合存在很大局限。本项目拟在时变目标动态观测信息下，定义新算子描述目标变化，利用新算子扩充证据推理的置信度分配空间，拓展推理模型，研究一种新的时变目标动态证据推理。在扩充的置信度分配空间下，研究辨识框架自适应更新的动态证据融合算法；研究基于一般客观先验知识，并适用于动态证据推理模型的条件证据更新方法；充分利用证据的有效信息，研究既有利于正确决策又符合逻辑推理，适用于动态推理模型的概率转换方法。最后将时变目标动态证据推理应用于多源多时相卫星遥感图像内容分类与变化检测一体化方法。动态证据推理(DER)研究将为证据理论发展开辟一个新方向，也有望进一步拓展证据推理的应用领域与范围。

项目组按照研究计划实现了研究目标。深入研究了时变目标动态证据推理及其在遥感图像变化检测上的应用。针对不同情况提出了动态证据推理和多源信息自适应加权融合方法，研究了面向工程应用的基本置信指派构造方法，并将研究的一系列方法应用到了多源遥感图像融合变化检测。主要贡献有：.1.研究了动态证据推理(DER)。DER通过对序列信息的动态融合不仅可以实时正确识别目标，还可以对目标变化进行准确检测。在DER中，定义了新的动态推理空间即“状态转移幂集”，可以准确地表示目标间的变化。同时定义了动态信任函数，似然函数和Pignistic概率用于辅助决策判断。根据实际情况分别提出了自由模型和限制模型两种动态证据融合方法。自由模型适用于没有任何关于目标变化限制的情况，当存在目标变化限制存在时可使用限制模型。在有关于目标变化先验概率情况下，提出了条件推理规则。研究分析了DER与传统推理方法的区别。.2.研究了多源信息自适应加权折扣融合算法，用于对权重不同的信源信息融合。提出了基于证据距离和冲突系数的证据间不一致性度量，进而确定每个证据的权重系数。与其他证据不一致性大的证据权重较小，反之亦然。根据具体情况，权重系数可以被用于对证据的可靠性折扣或重要性折扣。实验结果表明提出的方法可以有效地处理高冲突信息融合问题，并得到合理准确的结果。.3.研究了基于模式识别分类的基本置信指派构造方法。基本置信指派构造在证据推理的实际应用中起着基础而关键的作用。根据训练样本信息的有无分别研究了广义信任K近邻分类器和广义信任C均值聚类算法。 广义信任分(聚)类包括单类，复合类和噪声类。通过引入复合类可以有效地揭示一些不确定样本分类的不精确性，并且还可以降低误分率。噪声类可以准确地检测野值数据。信任分类器的输出可以与其他信源融合来获得更准确的结果，用于最终的决策判断。.4.将提出的信任分类算法和动态证据推理融合方法成功应用到了多源多时相序列遥感图像变化检测中。洪水前后两幅异质的ERS和SPOT遥感图像以及三幅地震前后的快鸟遥感图像的变化检测实验表明，提出的方法不仅可以对目标变化准确地检测并可以对未变地区做出正确辨识。实验结果说明本项目研究的系列方法具有工程应用前景。.在该基金资助下出版专著1部，发表论文38篇，其中SCI国际刊物16篇（含SCI二区9篇），EI期刊15篇，国际会议7篇。