基于不变特征和映射抑制的航拍视频图像配准

针对航拍视频图像在光学变换和几何变换下特征匹配容易产生误匹配,以及匹配精度不一致等问题,提出一种结合不变特征和映射抑制的航拍视频配准算法。首先,利用Harris检测器在尺度变化下的局部区域内选择出最稳定角点,并利用分区检测方法提取出分布均匀的角点作为待配准点。然后,计算以特征点为中心邻域窗口的描述符,通过比较两幅待配准图像特征点邻域描述符的欧式距离,提取出初始匹配点对。对匹配对点集建立D-三角网图,利用映射抑制方法提取出精确度最高的少数匹配点,并对模型参数进行估计,完成视频帧间的配准。大量实验表明,所提方法对航拍视频图像配准具有较强的适应性且配准精度高。     

基于背景补偿技术的运动目标检测研究

基于运动补偿技术,研究了动态背景视频中运动目标的检测。首先,介绍了几种视频成像模型;然后,选取六参数投影模型,结合基于图像灰度的参数估计方法和基于图像特征的参数估计方法,运用Levenberg-Marquardt算法进行图像运动参数的估计;最后,对补偿后的当前帧和参考帧作差分检测出运动目标。通过Matlab仿真试验验证了本文算法的有效性。     

基于极线几何的统计优化特征匹配算法

针对基于特征点的图像匹配中匹配数目不多以及重复结构下匹配较差等问题,提出了一种基于极线几何的统计优化特征匹配算法。利用正确匹配特征点之间满足对极约束的特点,从而可以减小特征点搜索区域,避免由于重复结构引起的误匹配对。首先使用一个小的特征点样本估计图像之间的基本矩阵,并利用它结合对极约束模型来引导特征匹配;然后利用基于特征点主方向和尺度信息的统计优化方法进一步消除误匹配,得到最终匹配结果。实验结果表明,该算法对图像的旋转和缩放变换具有良好的鲁棒性,匹配精度和数目有了很大提升,对于具有重复结构的图像匹配效果也较好。     

一种基于光流拟和的航拍视频图像全局运动估算方法

在多分辨率光流估算的基础上,提出了一种基于光流拟和的方法用于对航拍视频图像中的全局运动进行估算。在利用光流对全局运动模型拟和时,针对光流估算的不确定性以及图像中独立目标运动的干扰,提出了一种光流分块拟和与评估的方法用于剔除光流场中不利于全局运动估算的干扰数据,从而有效提高了全局运动的估算精度。航拍视频图像配准与独立运动检测的仿真结果均验证了算法的有效性。     

基于改进SURF和P-KLT算法的特征点实时跟踪方法研究

 针对视频序列中运动目标的实时跟踪问题,提出一种基于改进SURF算法和金字塔KLT算法相结合的特征点跟踪方法。首先人工标定目标区域,利用改进的SURF算法分块快速提取具有高鲁棒性、独特性的特征点;然后在后续帧中应用金字塔KLT匹配算法对特征点进行稳定跟踪,采用基于统计的方法剔除错误匹配对;最后利用Greedy Snake分割算法提取轮廓确定更加精准的位置信息,更新目标区域。为使算法更具鲁棒性,还设计了离散点筛选、自适应更新策略。利用飞行视频数据库进行了大量的仿真,结果表明:该算法适用于多尺度图像序列中位置、姿态发生快速变化且结构简单的飞行器的稳定跟踪。帧平均时间为31.8 ms,比SIFT+P-KLT跟踪算法减少47.1%;帧几何中心、目标轮廓面积平均误差分别为5.03像素、16.3%,分别比GFTT+P-KLT跟踪算法减少27.2%、56.9%,比SIFT跟踪算法减少38.6%、68.4%。     

基于SIFT和仿射变换的航空器起飞图像跟踪方法

针对机场监视的需要,结合航空器起飞特征,研究了尺度不变特征变换( SIFT)算法和仿射变换模型,在对图像进行灰度图像序列处理的基础上,提出了将SIFT特征点跟踪与仿射变换相结合对航空器起飞信息识别、跟踪的方法。以滨海国际机场的一个起飞过程为例,对图像序列进行了运动目标识别和帧间特征点的匹配,验证了方法的可行性,为机场航空器的起飞跟踪方法提供参考。     

基于运动形态学的掠地飞行器视频检测方法

 结合数学形态学、视频图像运动分析以及数学统计分析方法，提出了一种用于空中预警控制系统(AWACS)的小型掠地飞行器运动形态学视频检测方法。该方法首先应用形态学tophat滤波提取出视频图像中的可疑目标(SO)，并求取SO的运动参数，利用真实目标和类目标干扰的不同运动特性，应用数学统计的方法对各运动参数进行分析以剔除部分类目标干扰，从而获得潜在目标(PT)的灰度分布和运动参数。在应用形态学tophat滤波器进行可疑目标提取中，一种新的金字塔型结构元的引入有效减少了虚警数量。外场试验表明，该检测方法能够有效抑制航拍掠地飞行器视频图像中的地物干扰，降低虚警目标的数量。     

航拍视频帧间快速配准算法

 为应对相机运动的影响,提出了一种快速有效的无人机(UAV)视频相邻帧图像配准算法。通过空间分布约束和角点量限制来筛选有效的FAST特征点,引入自适应阈值提高特征点检测的环境适应性,采用训练得到的不相关采样点集对特征点进行二值描述,以获得准确快速的特征描述,并通过最近邻算法根据汉明距离获得特征匹配对,最后运用RANSAC方法得到帧间仿射变换模型参数,消除相机运动带来的影响,为后续运动目标检测与跟踪提供保障。实验结果表明该算法快速、稳定,具有较高的环境适应性,能够满足无人机系统视频图像配准的要求。     

基于CKF的空空导弹跟踪及参数估计方法

针对AAM防御问题,提出一种基于容积卡尔曼滤波的AAM跟踪及参数估计方法。建立了AAM三自由度运动模型,通过引入阻力常数,实现了对导弹气动参数的估计;结合导弹模型及容积卡尔曼滤波方法构建了导弹参数估计滤波器,加入预处理步骤对导弹运动参数进行初始化,提升了方法的收敛速度和鲁棒性;仿真试验验证了该方法可以实现对来袭导弹高精度跟踪,并准确估计出制导律常数、补偿常数以及阻力常数。     

基于分层变块大小运动估计的边信息提取算法(英文)

在分布式视频编码(DVC)中,边信息的质量对视频序列的压缩效果有很大影响。本文中,一种基于分层运动估计的边信息提取算法引入到DVC系统中。首先,采用了两种运动估计模式,向前运动估计和双向运动估计,然后利用分层变块大小运动估计算法获得了比较准确的运动矢量。接着运动矢量滤波器修正了由于局部相似造成的错误运动矢量。最后,选择决策模块更好地处理了帧内插技术中的多种估计模式的问题。这些算法为DVC提供了更好的边信息,提高了DVC系统的性能。实验结果显示,基于这种新算法的DVC系统高于传统视频编码帧内模式 3-4dB,而仅仅低于传统视频编码IBIB模式0.5-1dB。     

空间失效慢旋卫星视觉特征跟踪与位姿测量

空间碎片或者失效卫星往往绕其惯性主轴做自旋运动,虽然处于一种稳定状态,但是对其运动状态测量的难度相比三轴稳定目标而言又增加了许多,主要体现在复杂光场环境下和目标观测面周期性进出视场引起的特征点丢失、尺度变化和旋转变化,以及长时间连续观测引起的累积误差增大、位姿解算不收敛等难题。通过构建优化目标特征数据库,将传统测量方式中前后帧的匹配转变为当前帧与特征数据库的匹配和特征点的优化,即使中间过程帧出现了偏差仍然可以较好地跟踪后续图像帧的正确位置。在李代数空间下建立位姿向量微分扰动方程,获得测量值与估计值的残差目标函数,基于贝叶斯法则最大后验概率和李群与李代数的对指变换法则,求取位姿向量最优解。解决了李群空间下由于位姿变换矩阵不可加性而无法优化的问题,提高了连续测量过程中系统的测量精度。实验结果表明,无优化测量方法无法保证整个旋转周期的有效测量;通过增加位姿优化过程,连续稳定测量时间明显延长,针对以12（°）/s自旋运动的目标,测量稳定段误差在2°以内,旋转角速度测量误差为0.12（°）/s。     

航拍视频拼图中基于梯度域的多帧图像融合方法

图像融合是视频拼图中获得高质量合成图像的重要步骤。利用梯度信息引导插值融合重合区域较小的两幅图像已经取得较好的效果,然而对于视频拼图而言,相邻两帧图像之间重合区域大,且多帧图像之间交叠重合,给这种方法的实际应用带来限制。为解决这一问题,设计梯度域内同时融合多帧图像的策略,利用图像的自然边界将拼图平面进行区域划分,在各区域内分别定义引导矢量场和边界条件,实现各划分区域的一次性融合。为克服拼图平面的过划分问题,提出相应的帧选择方法和区域合并算法。将该策略用于视频拼图实验,获得了视觉效果良好的合成图像,并提高了融合效率。     

基于多体系统动力学的旋翼桨叶响应计算方法

在中等变形梁的基础上引入增广转换矩阵,为解决桨叶动能项推导编程计算较为复杂的问题,建立了一种新的递推计算方法。该方法在原有的转换矩阵基础上进行了增广,建立了相邻运动坐标系间动能项引起的质量、阻尼、刚度和广义力递推计算方法。以法国SA349/2小羚羊直升机的试飞测试数据为依据,验证了方法的有效性。     

基于SVR及阴影信息的SAR目标方位角估计

目标成像方位估计是合成孔径雷达（synthetic aperture radar,SAR）自动目标识别中一个重要的预处理过程。提出一种基于支持向量回归机（support vector machine for regression,SVR）并结合SAR目标阴影信息的方位角估计方法。首先通过长直边拟合法与脊波变换法对目标图像进行方位的粗估计．再由SVR完成精确估计。利用“运动与静止目标的获取与识别”（moving and stationary target acquisition and recognition, MSTAR）项目组提供的实测数据所做实验表明,此方法可以有效估计SAR目标方位角,精度高、泛化能力强．特别是在水平成像方位附近利用了目标的阴影信息,明显提高了相应区间的方位角估计精度。     

面向未知区域深度测量的序列图像稠密点特征生成算法

对未知着降区平坦度测量是无人机在复杂地形下安全着陆的关键问题。首先,根据小孔成像原理推导出基于单目序列图像的未知区域深度计算方程;其次,针对稀疏匹配存在深度信息重构误差大而稠密匹配在平滑区域误匹配率高的问题,提出一种基于Delaunay三角剖分的稠密点特征生成算法;然后,分别对序列图像中的2帧图像提取亚像素级Harris角点和尺度不变特征变换(SIFT)特征点,并分别进行特征点匹配;再以2种特征点间的欧氏距离作为约束条件将2种特征点进行融合,生成准稠密特征点;最后,将准稠密特征点进行Delaunay三角剖分,并根据每个剖分三角形上3个顶点像素偏差的方差值制定稠密特征点的生成策略,并结合所提出的深度计算方程计算整个未知区域各点的深度信息。通过Vega Prime(VP)搭建仿真演示验证系统,实验结果表明在机载相机距地面400m处计算高度分别为90m和55m的物体深度信息时,其深度测量相对误差不超过0.89%,具有较高的精度。     

基于SIFT的鲁棒的宽基线特征点匹配计算(英文)

本文提出了一种鲁棒的宽基线特征点自动匹配算法,该算法基于Scott邻近矩阵,可以在多种宽基线图像中找到更多的正确匹配点对,并且具有较高的准确率。针对宽基线条件下Scott邻近矩阵存在的缺陷,首先在特征检测中引入具有尺度旋转不变性的SIFT描述子,用其距离来度量特征之间的相似程度;然后再使用尺度和方向自适应的归一化互相关(ASO-NCC)以增强对应矩阵的匹配测度。因为SIFT仅对线性光照变化具有不变性,所以使用ASO-NCC不但具有尺度旋转不变性,而且使得对应矩阵对于一般光照变化具有更好的鲁棒性。新算法同时避免了Scott邻近矩阵中使用的点对间的空间位置距离度量,该度量是宽基线匹配中产生错误匹配的主要原因。通过实验表明,该算法对于存在较大的尺度、旋转、亮度等宽基线变化的图像序列,相比其他方法,能够自动获得更多的正确匹配点对和较高的准确性,该算法对视角和仿射变换也有一定的鲁棒性。     

Transformation of the Spectrum of a Signal in Communication between Relativistically Moving Inertial Frames

Future space exploration may involve communications between spacecraft moving at relativistic velocities. One of the significant problems associated with such communication is spectral distortion of signals which are propagated between relativistic frames. This distortion is generated by both changing propagation distances and purely relativistic electromagnetic field transformations. In this paper a linear integral transformation is formulated for relating the Fourier spectra of the source antenna excitation current and the resulting incident electric field at the receiving antenna. The kernel of the transformation is evaluated for the case of a steerable source antenna tracking on the advanced receiver position. The transformation is then applied to the case of an ideal thin-wire half-wave dipole source antenna excited by a narrowband, double-sideband modulated current. The specific distortions of spectral spreading and translation are then related to increased bandwidth and upper cutoff frequency requirements of receiving systems in relativistic applications.     

基于边缘检测与颜色目标定位的图像检索

提出一种先利用图像边缘信息缩小检索范围。再利用图像颜色信息进行目标定位的图像检索算法。首先。提取图像边缘信息。利用图像位错率进行边缘信息比较,位错率越小图像边缘信息越接近;然后,利用主色调确定图像的目标块,进行目标子块间的比较。算法忽略图像中不重要的背景因素,有效利用重要的目标因素。从而提高了检索效率。仿真实验证明该算法比单一使用边缘检测、颜色目标定位具有更好的检索性能。     

基于邻帧差分近邻反相特征的红外运动点目标检测算法

基于运动点目标在邻帧差分图像中所具有的近邻反相特征,即运动点目标的两个位置相邻近、灰度值一正一负,提出一种在复杂背景下,基于红外序列图像的运动点目标检测算法.本算法利用该特征在邻帧差分图像中检测反相点对,进而构造反相点对矢量图,最后依据累积反相点对矢量图中多矢量首位相接的连续性检测出运动的点目标.文中给出并证明应用本算法能以概率1检测到运动点目标的收敛性定理.对典型复杂背景下10幅1000帧图像的仿真结果表明,当信噪比大于或等于1.5时,可以有效检测出运动点目标.