基于梯度特征的图像自动分割方法

利用遥感图像进行海上目标检测、监视的关键技术是实现海陆分离，从而为目标检测、监视减少不必要的处理工作。传统的采用阈值分割方法分离陆地，但是这种方法对于陆地上灰度级较低区域容易造成误分割。而且，很显然的不能够充分利用图像中的灰度变化信息，即梯度。为此提出了一种基于梯度特征的海陆分割算法。首先利用边缘检测提取图像的梯度特征，梯度特征对灰度级并不敏感而对梯度的变化敏感，对于陆地灰度级较低的区域也能够提取边缘。对得到的边缘进行形态学处理，利用设定的面积阈值将图像分为主体陆地区域和孤立陆地区域，进一步可以屏蔽陆地。实验结果表明，该方法可以较好的分割陆地中阴暗区域，对于未经辐射校正图像有较好的适用性，并且有较快的处理速度。     

一种基于水平集方法提取高分辨率遥感影像中主要道路信息的算法

以IKONOS多光谱影像为例,提出了一种从高分辨率遥感影像提取城市主要道路的方法 。首先,利用矢量图像梯度算法获取道路的边缘。然后,通过分析各类地物在IKONOS多光谱 波段中的光谱特征,发现绿光与近红外波段的差值影像,不仅能较为有效地区分道路与植被 、水体和裸土的信息,而且能减小道路建筑材质不同引起的道路光谱信息的异质性。再利用 旋转不变Gabor小波方法获取影像的纹理特征,进一步区分道路与建筑物。在水平集理论框 架下,用速度函数将道路的梯度、光谱、纹理特征结合起来,用快速行进算法提取道路。 最后,用数学形态学方法进行提取结果的优化。为验证上述方法的实用性,将该方法应用于 两个云覆盖情况不同的实验区,结果表明用该方法能有效地从IKONOS影像中提取主要道路信 息,且在薄云覆盖区域依然有效。
     

基于U形结构提取的港口目标检测研究

遥感图像中港口目标的检测是目标识别研究的重要方面,准确、高效地自动提取港口目标对于提高遥感图像自动解译能力具有重大意义。文章提出一种基于U形结构单元提取的遥感图像港口目标检测的方法。首先利用梯度算子和灰度相似性聚类分割海洋和陆地区域并提取粗略海岸线,再根据内港区域的封闭特性提取疑似区域,在分析内港区域结构的基础上,引入U形结构元的概念以及提取算法来对疑似区域进行确认。试验表明,该方法检测的港口目标准确率较高,速度较快,能够满足民用和军事识别的需求。     

结合形态学理论与Hough变换的SAR图像线目标检测方法

针对典型线状军事目标,提出一种SAR图像的目标检测方法。该方法首先将分块阈值分割的思想应用于未经斑点噪声抑制的原始SAR图像,得到ROI(Region of Interest)图像;然后,利用区域的几何特征有效地剔除大量虚警,并采用形态学梯度算子提取目标的边缘信息,与传统的Canny边缘检测相比,边缘轮廓更加连贯;最后,利用Hough变换对梯度图像进行直线检测,得到机场跑道的边缘。该方法对原始SAR图像采用传统的图像处理技术进行目标检测,因此,比基于SAR图像统计特性的目标检测方法简单易行。对真实SAR图像的实验结果验证了该方法的有效性。     

基于边缘特征的相位相关简化方法在空间目标运动估值中的应用

提出利用基于图像边缘特征的相位相关简化方法来进行空间目标平移运动的检测。为了能有效抑制噪声和亮度变化的影响，在传统互相关方法的基础上提出一种先提取目标的边缘特征，再利用傅里叶平移特性进行归一化相位相关处理的检测方法，从而实现两幅相似图像间的相对平移矢量的准确估计，它较比时域方法和基于灰度信息的互相关方法能获得更准确的检测结果和更强的噪声抑制能力。同时，为满足系统实时性的要求，还采用了将二维图像映射为一维信号的简化方法，将程序执行时间缩短了4倍。仿真实验结果显示，利用边缘特征的简化方法对于受到严重噪声干扰的空间运动目标具有很好的检测结果，进一步证明了算法的有效性和实用性。     

基于被动探测的目标磁扰动信号检测与定位

针对目标探测定位的快速发展中,军事领域主动雷达存在的缺陷和实现具有高度隐蔽性的目标检测技术的需求,提出一种基于被动磁矢量测量的目标扰动信号检测与定位技术.该方法利用磁传感器阵列测量目标产生的磁矢量扰动信息,通过滤波、门限检测、基函数展开等技术将有效扰动从复杂的背景场中提取出来,并结合速度估计、磁梯度张量矩阵算法研究任意...     

基于视觉显著性和卷积神经网络的机场目标快速检测

针对现有的机场目标检测算法用于大幅面遥感图像时检测速度慢、准确率低的问题,文章提出了一种基于视觉显著性和卷积神经网络相结合的高效、精确的机场目标检测方法。首先,根据机场形状特征,采用基于直线分布特征的视觉显著性检测方法提取候选区域,对机场的可能位置进行粗定位;然后,设计了一种改进的卷积神经网络分类模型判断候选区域是否为机场;最后,使用非极大值抑制的方法去除冗余的预测框,获得最终的检测结果。利用从谷歌地球收集的图像数据集对该神经网络模型进行训练和测试,结果表明其在精准率和召回率上均具有较大优势。此外,文章所提算法在来自不同卫星平台的大量大幅面遥感图像上进行了机场目标检测,结果显示其适应性强且检测效率有大幅度提升。     

基于深度学习的遥感图像目标检测方法及系统设计

为解决传统的目标检测算法难以满足遥感图像数据爆发式增长需求这一问题，文章提出基于深度学习的遥感图像目标检测系统软件。首先，为给深度学习网络训练提供高质量的样本数据，在GIS平台上实现了样本标注功能和数据集兼容性转换功能，并提供图像预处理方法对样本进行扩充；其次，针对遥感图像场景分类与遥感图像特定目标检测，应用深度学习技术，分别实现了模型训练、迁移学习、目标检测等功能；最后，采用了形态学处理、矢量化、直角化约束等方法，对遥感图像场景分类的效果进行改善。实验结果表明，文章的遥感图像目标检测系统在遥感图像场景分类方面取得了85%的分类精度，在特定目标检测方面取得了95%的检测精度，明显优于传统的遥感图像处理方法。该系统软件满足目标检测应用需求，能够为遥感影像分类、信息提取、变化检测等任务提供技术支持。     

遥感图像中基于Hough变换的直线提取算法

针对遥感图像中大型目标的直线特征提取问题,设计了一种基于类直线提取的改进霍夫(Hough)变换算法。类直线的提取相当于Hough变换的预处理,既约束了Hough变换所使用的直线上的特征点,改进了直接进行Hough变换时不同直线的特征点互相干扰的缺点,又降低了计算量。对图像空间的每条类直线分别进行Hough变换,改进投票过程的映射方式,寻找类直线中最多特征点所在的那条直线,只取一个投票峰值,在减小了计算复杂度的同时又去掉了虚假峰值的影响。实验结果表明,改进Hough变换直线特征提取算法性能好、效率高,可用于遥感图像处理领域。     

基于多结构元素的遥感图像去噪及边缘检测方法

边缘检测是遥感图像处理的一个重要方面。利用数学形态学原理，提出了一种基于多结构元素的遥感图像边缘检测方法。首先采用基于视觉模型的边缘阈值得到灰度突变像素点，然后利用几种具有代表性的结构元素对这些像素点进行形态学腐蚀操作以区分真实像点和噪声点，将噪声点去除并通过伪中值滤波填补像素值，最后得到图像边缘。实验结果表明，该算法能够在保持图像边缘细节的前提下，很好地滤除图像中的孤立噪声点，在检测精度和抗噪声性能方面都优于传统的形态学算法。     

SAR图像中道路检测方法研究

提出一种两步算法用于合成孔径雷达（SAR）图像中无监督地提取线性特征，特别是公路网的提取。第一步利用局部线特征检测算子提取线基元，为此本文提出一种改进的均值比率（RoA）算子，应用SAR图像的统计特性，保证较高的准确率；第二步引入公路结构特征的先验信息，构造方向势能函数（DPF）。通过DPF最小化，来对提取的线基元进行组织，获得宏观的线性结构，文中方法通过ERS－1图像加以验证。     

基于亲和传播算法的车辆自组织网络分簇组网方法

随着5G通信和自动驾驶汽车的发展，车辆自组织网络VANET（Vehicular Ad Hoc Network）作为一种新型的移动自组织网络，因其在改善道路安全、为驾驶员和乘客提供便利方面的潜力，而引起学术界和工业界的广泛关注。它可以通过提供交通流量、事故通知、危险警告、可能存在的定位偏差、天气等信息来增强道路安全，从而提高交通效率。由于车辆的高速移动会经常引起网络拓扑中断，因此一个设计良好的路由协议至关重要。提出了一种适用于车辆自组织网络环境的基于分簇的路由协议，设计并实现了一种基于亲和传播算法的分簇组网模型V-APC（VANET-Affinity Propagation Clustering）。通过重新定义亲和传播算法的相似函数，设计了簇头的选择过程、簇的形成过程还有簇的维护过程。结果表明：采用上述方法形成的簇，在簇内的通信性能和簇稳定性方面具有显著优势，使得该协议在路由延迟和数据包转发成功率方面表现优异。     

空间大质量目标转位操作双臂协调控制方法

针对空间中双臂协调转位过程中面临的双臂异构、刚度不同、负载较大、测量/执行误差影响大、抓捕位置随机偏差等问题，提出了一种空间大质量目标转位操作双臂协调控制方法。首先基于双臂转位的几何约束，进行协调转位运动规划。然后，将双机械臂关节划分为主动关节和从动关节，并对主动关节设计关节位置控制器，对从动关节设计零力控制器，从动关节在转位目标的拖动力下进行跟随运动。最后，数学仿真表明了所提出的双臂协调转位方法的有效性。     

一种用于静态红外地球敏感器的高效算法

为提高微纳卫星的姿态检测效果，针对静态红外地球敏感器的全景鱼眼成像特点，以单张红外成像为研究对象建立成像模型，提出了间隔向量积与t Location-Scale分布置信区间均值结合的算法。将红外成像投影到空间球体上形成空间像点环；在像点环上间隔取点做向量积，得到当前目标姿态角的样本集合；通过t Location-Scale分布进行极大似然估计，得到目标姿态角样本均值和方差的估计量；再次计算1σ置信区间内样本均值，最终得到目标姿态角的估计值。相比于原算法，目标姿态角在±10°内的标准差由0.06°下降为0.03°，精度提高了50%。另外为避免迭代收敛的耗时问题，给出了应用于实际工程的查表法，使运算速度提高了87%，提升了静态红外地球敏感器的测量精度和效率。     

基于背景差分的动目标检测算法研究

提出一种新的基于背景差分的动目标检测算法。综合利用序列图像的时、空域信息提取目标。用中值法建立初始背景,并采用一种自适应的背景更新策略。实验结果表明,该算法简单,鲁棒性好,能够解决全局光照缓变和突变的问题,在复杂环境中也能准确地检测出运动目标。     

基于偏振信息融合的背景抑制方法评价

与红外强度图像相比,单一的偏振度或偏振角图像在提升图像信杂比方面并无明显优势。为综合利用偏振图像的多维信息进一步提升图像信杂比,在分析典型背景下目标偏振度与偏振角联合分布特性的基础上,以偏振度作为偏振角信息的权值参考,提出了一种基于偏振信息融合的红外图像背景抑制方法,并将其应用于复杂云层或海面背景下的红外目标检测,给出了相应的算法流程。实验结果表明:与红外强度图像相比,所提出的基于偏振信息融合的背景抑制方法能大幅提升图像信杂比。该方法简单有效,易于实现,可应用于基于红外偏振成像的目标探测或精确制导领域。     

弱全局信息下月面超远距离保通行性移动规划

针对月面超远距离移动规划任务因缺乏精确全局信息而导致的规划路径可通行性不足问题，提出了月面道路拓扑网的构建设想及相应路径规划技术，凭借复杂道路网络的连通能力确保巡视器超远距离规划路径的可通行性。首先进行月面道路拓扑网的设计方法研究，分别提出了基于滑动最优泊松采样算法的网络节点设计方法和基于均匀领邻网络拓扑模型网络结构设计方法，使月面道路网网络节点分布均匀、密度适中且覆盖完整，网络连接合理且各路径尽量远离障碍区域。然后进行基于月面道路拓扑网的超远距离移动规划研究，分析了基于月面道路拓扑网路径规划技术的概率完备性和整体可通行概率，并提出了基于月面道路拓扑网的K优路径规划方法，通过道路网的连通性来提高超远距离移动探测任务的整体可通行概率。最后以阿波罗两次登月任务的着陆点之间进行超远距离转移任务为仿真场景，验证了本方法的有效性。     

一种变化检测的新算法

变化检测技术是遥感图像应用中的关键技术之一。在分析变化检测算法的基础上，提出了一种新的变化检测算法，该算法主要由三步组成：差图像的优化获取、变化区域的准确检测、目标阴影的修正。仿真结果表明了本文所提算法对变化目标的检测准确可靠，且对背景有较强的鲁棒性。     

导弹远距离计算机通信网的设计与实现

提出了一种可进行双向通信的双环结构 ,研究设计了测试发控系统进行远程通信的硬件接口方式 ,解决了RS 2 32接口不能进行远距离通信的问题。软件设计采用模块化程序设计思想 ,利用软件跟踪技术对软件进行优化处理和软件潜在陷阱的清除 ,实现了复杂系统之间命令和数据的可靠传输。     

SAR图像强回波目标检测的偏态分布方差方法

对复杂背景下的SAR图像强回波目标检测问题进行了研究,提出了基于偏态分布方差的自适应检测算法。首先设计一种新的基于偏态分布模型的方差滤波器,偏态分布方差滤波器可减少相干斑噪声对检测的不良影响,提高图像方差的差异性,即强目标回波边缘灰度方差相对于强目标回波灰度方差、背景杂波灰度方差更小。其次,算法改进了根据图像复杂度自动选取阈值方法,通过自适应检测小方差像素,实现强回波目标检测。仿真结果说明该算法能够对SAR图像强回波目标较快地进行准确检测。相比方差特征法(VAR)和扩展分形特征法(EF)在检测速度与虚警率方面均具有较大的优越性。