一种基于分形和ICA的海杂波SAR图点目标检测新方法

提出了一种新的用于海杂波合成孔径雷达(SAR,Synthetic Aperture Radar)图点目标检测的方法。传统方法一般是基于亮度差异的阈值分割,或者基于降噪之后的目标提取。然而它们处理强海杂波SAR图时,效果并不理想。将传统方法的本质加以提炼和融合,并将分形Hlder指数和独立成分分析(ICA,Independent Component Analysis)相结合,提出了空间分离法,实现了海杂波SAR图的降噪和点目标检测。首先,求得点态Hlder指数图,并用二值模糊化技术对其处理;接着使用ICA技术得到基图像和独立成分;然后使用空间分离法,对独立成分进行分离,同时对基图进行对应分类,获得非噪声和噪声两个空间。最后在非噪声空间上进行独立成分增强,并复原图像。实验部分,将该算法与传统算法进行对比,从视觉效果和量化指标两方面证实了该算法的有效性和优越性。     

基于HOSVD局部重组的利噪抑噪经验模式分解及应用

及时准确地识别航天机构萌生和发展的损伤故障特征信息,可为机构故障诊断评估、科学任务调整以及未来在轨维修提供科学决策依据。集成噪声重构经验模式分解(ENEMD)及其衍生方法都是基于噪声利用机制以原信号中估计噪声改善模式混淆并实现信号降噪。然而,该方法中奇异值拐点难以获取、阈值处理中噪声不连续等带来的噪声估计偏差,将降低微弱特征提取准确性。为此,提出一种基于高阶奇异值分解(HOSVD)局部重组的噪声估计技术。研究基于滑动窗截断和Hankel矩阵相结合的张量构建,然后将奇异值曲率谱上的最大峰值点作为合理奇异阶,最后根据选取的奇异阶重构张量分解模型得到所需的估计噪声分量。在此基础上,将HOSVD局部重组引入ENEMD方法中,提出利噪抑噪经验模式分解方法。该方法可进一步提高微弱噪声估计精确度,实现对航天机构损伤微弱特征的增强提取。仿真分析和某航天轴承试验案例验证了该方法在损伤微弱特征提取和识别上具有实用性与有效性。     

改进的平方根UKF在再入滑翔目标跟踪中的应用

针对临近空间高超声速再入滑翔目标跟踪问题，提出了一种基于新气动力模型的改进的平方根UKF滤波算法(ISR-UKF)。首先对气动力模型进行了变换。其次，在传统平方根UKF基础上，改用球形无迹变换来计算权系数以及sigma点；改进了平方根矩阵的分解方法；同时为解决矩阵求逆易出现奇异值使滤波失效的问题，提出在协方差矩阵更新中引入多重次稳定因子。最后将该算法分别与基于原气动力的ISR-UKF，基于新气动力的平方根UKF以及基于原气动力的平方根UKF进行仿真比较。仿真表明，该算法具有良好的滤波性能，而且能避免奇异值问题的出现，具有很好的可靠性。     

一种基于时空相关性的星图降噪算法

文章提出了一种基于时空相关性的星图降噪方法,用于解决空间探测时星图峰值信噪比(Peak Signal to Noise Ratio,PSNR)低、星点提取难度大的问题。文章首先对真实星图中星点和背景噪声的能量特性进行了分析与建模。然后,基于该模型提出了一种可行的降噪算法,该算法以时空相关性检测为核心,并利用检测的结果对目标和噪声进行连续多帧定位。进一步利用定位的结果对目标进行匹配和平滑,对背景噪声进行抑制,从而在总体上提高图像的PSNR。最后,基于仿真平台对算法的有效性进行了测试验证。结果表明,该算法能够有效提升星图PSNR,尤其是点目标的PSNR,在一定噪声等级下,可提升1.6d B。降噪之后,在去除噪声的同时,星图的灰度直方图完好保留了高灰度值部分的目标点像素。该算法在相似的运算复杂度下,其降噪效果明显优于绝大多数的现有降噪算法,利于后续提取星图中恒星及点目标,应用于在轨空间探测系统中,具有广阔的应用前景。     

基于组字典学习的逆合成孔径雷达成像方法

基于压缩感知(compressive sensing, CS)的逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像方法可以使用非常少的数据来获得高质量的图像。但基于CS的ISAR成像方法中目标场景不准确的稀疏表示限制了成像方法的性能。结合字典学习(dictionary learning, DL)技术的CS ISAR成像方法能够寻找到目标场景图像块的最优稀疏表示,提高成像质量,但每一个图像块被单独考虑,而忽略了彼此之间的相互依赖关系。为了实现进一步提高成像质量的目标,针对ISAR图像分块重建的问题,首次提出一种基于组字典学习(group dictionary learning,GDL)的ISAR成像方法。将具有相似结构的图像块聚类并构建出多个图像块组,利用奇异值分解(singular value decomposition, SVD)从图像块组中学习出最优组稀疏变换字典。学习好的组稀疏变换字典可以寻找到待重建图像块组的最优稀疏表示,进而重建出高质量的目标场景图像。实验结果表明:与现有的CS ISAR成像方法相比,基于GDL的ISAR成像方法能获得更好的成像效果,并具有更高的计算效率。     

基于奇异值分解的双谱降维研究

在基于雷达高分辨距离像(HRRP)的目标识别中,双谱特征是一种有效的识别特征,但维数过高限制了它的应用。对双谱矩阵进行奇异值分解,提取奇异值向量以及大奇异值对应的奇异向量作为识别特征,与挑选双谱法相比,不仅识别率有所提高,而且克服了挑选双谱特征每有新目标加入都需重新挑选双谱频点的缺点,基于实测数据的识别结果验证了所提方法的有效性。     

基于图像分形的故障特征提取方法

提出了一种图像分形的故障特征提取方法。介绍了分形维数的理论计算公式,分析了计盒维数的计算方法。对现场测试的柴油机爆燃阶段振动信号波形图像和切片Wigner高阶矩谱图像进行了分形维数计算。研究结果表明柴油机缸套活塞不同磨损状态的分形维数差异明显,能够表征不同状态的特征参数。     

一种具有实时性的SIFT特征提取算法

针对尺度不变特征变换(SIFT)算法实时性差和在生成灰度图时信息丢失的问题,提出一种对比度增强和使用DAISY描述符的SIFT特征提取算法。首先,通过彩色图和原始灰度图计算像素的颜色调整值和曝光调整值,根据调整值与原灰度级获得对比度增强的灰度图。其次,使用改进后的灰度图提取SIFT特征点,并根据邻域灰度级计算不同高斯核和方向下的卷积方向图。最终,由特征点和采样点不同方向的偏导数值获得DAISY描述符,该描述符结构简单,便于计算。对由标准图像数据集提取的特征点使用K近邻(KNN)算法进行匹配,以评价在不同变化下算法的准确率。试验结果表明,该算法能够获得更多的特征点,并且在保证准确率的同时降低描述符生成部分和特征匹配部分的时间。     

MTF对立体测绘高程精度影响研究

MTF（调制传递函数）是反映测绘相机性能的重要指标,研究MTF对测绘高程精度的影响可以对相机的设计指标提出要求,对提高测绘精度具有极其重要的意义。文章通过计算机仿真的方法进行研究,利用3DStudioMax软件构建三维模型与模拟成像、用Harris算子提取图像特征点,并用奇异值分解与最小二乘法进行特征点的匹配,通过前方...     

应用灰度特征的行星陨石坑自主检测方法与着陆导航研究

针对陨石坑阴影不明显的行星着陆导航图像,提出了基于图像灰度值特征的陨石坑自主检测方法,通过兴趣区快速确定陨石坑边缘分布,解决了一般陨石坑检测方法对图像太阳高度角的依赖问题。利用检测出的陨石坑视线信息,采用非线性预测滤波方法估计着陆器着陆阶段的位置和姿态;鉴于视觉着陆导航对照了场景状况的高度依赖性,提出了一种利用分形理论和相邻点分级方法的天体随机地景建模方法。最后验证了所提方法的有效性。