共查询到16条相似文献,搜索用时 625 毫秒
1.
2.
一种实用的归一化互相关景象匹配算法 总被引:20,自引:6,他引:20
相关匹配算法是景象匹配定位系统的核心。本文提出一种用于景象匹配定位系统的相关匹配算法,称之为归一化互相关景象匹配算法,并进行了理论分析和用真实的景象数字地图进行了大量的计算机仿真试验。试验结果表明,该算法在信噪比不小于1并且实时图大小不小于10×10个网格的条件下,其正确匹配概率大于97%,圆概率误差在一个景象数字地图的网格以内,满足景象匹配定位系统的要求 相似文献
3.
4.
5.
6.
7.
由于景象匹配中基准图与实时图的差异,景象的预处理被证明是提高匹配概率的重要途径。在小波算法的基础上,提出了一种与小波预处理算法等价的预处理卷积核。这一卷积核保留了小波预处理算法在匹配概率和匹配精度方面的优点,同时降低了运算的时间复杂度。卷积核对每个像元的操作只需要完成4次加法运算,无需浮点数和乘法运算,便于DSP和FPGA的实现。 相似文献
8.
9.
10.
基于BP神经网络方法对景象匹配算法进行研究,以实现导弹武器系统匹配概率的提高和定位精度的改进。讨论了BP神经网络及图像的灰度不变矩和边缘不变矩,并把灰度不变矩和边缘不变矩同时作为匹配特征应用于本文BP神经网络景象匹配中。算法分析表明该算法具有很高的匹配效率。 相似文献
11.
针对精确制导领域中的SAR景象匹配定位技术中由于实时图与基准图可能存在形变、分辨率不一致,图像旋转及雷达视角变化及噪声的影响下差异较大情况时直接利用基于灰度的规则正交二维信息匹配算法适应性差的问题,将不变特征点匹配方法(Scale Invariant Feature Transform,SIFT)应用到SAR景象匹配中,通过仿真实验取得了满意的效果,试验结果表明SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、噪声也保持一定程度的稳定性,对提高匹配概率和对不同图像的适应性,降低应用风险具有借鉴意义。 相似文献
12.
连续景象匹配的后处理算法 总被引:6,自引:0,他引:6
下视景象匹配是各类巡航飞行器实现导航误差修正的关键技术。由于基准图和实时图存在差异,配准点往往落在相关阵的次峰上,导致匹配的失败。提出了N帧连续景象匹配决策的图论算法。该算法利用单帧匹配后形成的相关阵中的主次峰信息以及惯导的位移信息,进行多帧景象匹配的一致性决策。由于引入了相关阵中的次峰信息并结合惯导位移的一致性判断,使得匹配算法能有效剔除误匹配点,从而提高算法的鲁棒性和匹配概率。 相似文献
13.
景象匹配辅助导航系统中的精确图象匹配算法研究 总被引:4,自引:0,他引:4
景象匹配辅助导航系统需要在获取飞行器位置偏差的同时获取飞行器相对预定航迹的航向偏差,即获取实测图相对于参考图之间的旋转变换参数。为此,将最小二乘原理引入景象匹配辅助导航系统以获取图象匹配时的旋转变换参数。由于最小二乘原理只能用于一一对应点集的匹配,为此,在给出实时确定图象特征点集一一对应关系方法的基础上引入了最小二乘原理以计算该图象一一对应点集之间的最优相似变换参数,从而构成了应用于景象匹配辅助导航系统的精确图象匹配算法。仿真结果表明,本文研究的精确图象匹配算法在对50个一一对应点对匹配时可以在0.1秒以内完成,且相似参数计算准确,满足了景象匹配辅助导航系统对图象匹配算法准确性和实时性的性能要求。 相似文献
14.
惯性组合导航系统中的快速景象匹配算法研究 总被引:6,自引:0,他引:6
在景象匹配辅助导航中,特征点的选取是提高图像匹配速度、精度和鲁棒性的关键之 一。景象匹配中要求提取出的特征是那些可靠性高、辨别性强、计算量小的不变特征。提出 了基于SIFT特征的导航用快速景象匹配算法。算法首先针对惯性组合导航的工作特点, 对SIFT特征点检测及特征点匹配进行了优化设计,然后用RANSAC方法过滤掉错误匹配点,最 后,进行最小二乘精确匹配算法获取航向和位置偏差信息。实验分析了算法对不同分辨率图 像和不同区域的匹配适应性,抗噪声性能,匹配精度以及实时性,并与基于部分Hausdorff 距离的边缘特征景象匹配算法进行了对比。实验结果表明,算法的性能优越,在匹配速度、 精度和鲁棒性方面都优于部分Hausdorff距离算法,可以满足景象匹配导航系统匹配修正的 高性能要求。
相似文献
相似文献
15.
光学景象匹配基准图的滤波方法研究 总被引:3,自引:1,他引:3
对光学景象匹配制导的实时图与基准图的特点进行了对比,分析了前人提出的实时图常用的滤波方法,认为这些方法并不完全适用于基准图的波波处理。然后根据基准图的特点提出了和同态滤波及最小方差滤波的两步法对基闪图进行滤波,这一方法特别适用于因薄云覆盖而引入的低频噪声的处理,并同时兼顾了图像的增强与恢复。通过实验证明,该方法效果良好,对于光学景象匹配基准图的预处理具有一定的实用价值。 相似文献
16.
复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。 相似文献