一种形状自适应的嵌入式小波图像编码器

形状自适应的小波变换编码可以编码任意形状的物体,不但保持了物体的纹理信息,而且编码不会带来不必要的冗余.但是当对任意形状的物体进行小波变换时,会由于变换序列的长度、下采样位置的不同而带来一些变化.文章利用懒小波对任意形状的掩膜进行变换,并且采用9-7滤波器的提升小波形式,很好地解决了这些问题.最终通过修正的形状自适应的SPIHT算法,对任意形状物体的内部纹理进行编码压缩.与原始算法相比,性能提高了大约0.2 dB.      

面向空间抓取任务的目标轮廓跟踪方法

在空间抓取任务中,视场背景复杂,光照条件变化剧烈,而且存在相对运动。文章提出了一种新的动态轮廓特征检测跟踪方法。首先在灰度梯度法基础上,引入形状匹配、面积筛选和自适应灰度阈值调整方法,提高了轮廓提取的鲁棒性。随后,基于该提取结果,利用图像序列的时域相关约束辅助GVFSnake算法进行轮廓跟踪,提升了动态检测速度。最后,考虑到空间抓取任务的实时性需求,采用CUDA运算架构对算法进行并行化处理,并对一组序贯图像序列进行了轮廓跟踪实验。实验结果表明,此方法在CUDA平台下轮廓跟踪速率达到了10帧/s,在保证轮廓检测的准确性的基础上,明显改善了检测速度。     

基于多分辨率特征自选择的遮挡物识别算法

光伏组件的遮挡物识别是光伏运维系统中不可或缺的环节，传统识别算法多依赖人工巡检，成本高昂且效率低下。基于卷积神经网络，提出了一种面向光伏组件的遮挡物识别算法PORNet。通过引入特征金字塔，构建多个分辨率下具有丰富语义信息的图像特征，提升对遮挡物尺度和密度的敏感性。通过特征自选择，筛选出语义最具代表性的特征图，以加强物体环境的语义信息表达。用筛选出的特征图完成遮挡物识别，从而提升识别准确率。在自建光伏组件落叶遮挡数据集上进行了实验比较和分析，并对识别性能进行了评估，通过与现有物体识别算法相比，所提算法的准确率和召回率分别提升了9.21%和15.79%。      

基于特征图形匹配法的高效星图识别方法

针对目前星敏感器使用的星图识别算法存在的冗余匹配、匹配时间长、识别率低等缺点,对星图识别算法进行了研究,提出了一种高效星图识别方法。该算法首先对传统星表进行处理,取出冗余信息,重新分配天区,使每个天区的导航星数目均匀,将分区以及处理后的星表信息重新存储并作为导航星库,然后通过对拍摄的图像进行处理并提取特征信息,与导航星库中的特征信息进行匹配,从而改善传统星图匹配算法出现冗余匹配、匹配时间过长及识别率低等缺点。完成算法设计后,选取视场为15°×15°的大视场星敏感器,对该算法进行仿真验证分析,可以发现该算法可以实现部分天区与拍摄星图匹配时间在20ms以内,全天区星图的识别和匹配时间在15s以内,识别率达到98%以上,印证了该算法可以提高识别的成功率并且缩短识别时间,使识别算法具有高效性。     

基于序列影像的小天体三维形状重建方法研究

提出了一种基于序列影像的小天体三维形状重建方法。利用小天体序列影像间的内在几何约束关系,在无精确位置、姿态数据的条件下,基于稀疏光束法平差求解小天体序列影像的相对位置、姿态。综合利用核线几何约束、半全局匹配、多视最小二乘匹配等策略进行小天体序列影像的密集匹配,重建小天体三维形状信息。由于小天体序列影像尺度变化大、纹理贫乏,导致影像匹配的误匹配率较高,在匹配过程中采用随机KD树搜索策略与拟合透视变换模型的RANSAC算法剔除粗差。利用"黎明号"探测器的绕飞段实测影像,对灶神星(VESTA)的三维形状重建进行了实验,结果证明了该方法的有效性。     

基于视觉技术的非合作航天器相对位姿测量方法

提出一种基于特征信息融合的非合作目标相对位姿测量方法,该方法以航天器自有的特征信息作为识别目标,采用椭圆轮廓和特征角点相结合的方法对非合作目标特征进行识别,解决了位姿测量中无合作标志器提供理想特征信息的问题。针对典型的卫星目标模型,进行了非合作目标相对位置姿态测量方法的验证试验,实验结果表明:该方法可以成功识别目标物体并对目标物体进行准确定位。     

光栅式双目立体视觉传感器光条快速匹配算法

光栅式双目立体视觉传感器用于物体三维形貌测量,其难点之一是光栅光条的匹配与识别.利用可见光条数和光条序列组合间的关系,提出了一种基于空间三维搜索的快速光条匹配算法.将光栅式双目立体视觉传感器看作两个光栅结构光传感器,分别进行标定后,可计算各光条中心点的三维坐标.搜索不同光条中心点集之间的距离最小且模型编号相同的光条即为匹配光条.分析了可见光条数目和光条序列组合间的关系后,列出各种可能的组合情况,设计了搜索算法,排除了冗余计算,大大减少了计算量,实验证明了方法的有效性.     

一种低分辨雷达飞机目标识别方法

介绍了一种基于低分辨雷达回波序列的飞机目标识别方法。该方法把一维回波序列变换成二维轮廓像,在二维轮廓像基础上,提取到较一维回波更加稳定、有效的特征。采用神经网络做为分类器,利用所提取的特征对五类飞机目标进行识别试验,得到了较高的正确识别率。     

基于图像特征分析的物体轮廓提取

对物体的轮廓进行分析提取,是计算机视觉方向的基础问题之一,对其进行研究对于复杂场景的分析理解至关重要。本文对室内场景图像进行研究,基于图像特征进行图像分割,提取物体轮廓。在彩色场景图像全局轮廓后验边界概率（gPb）提取算法的基础上,加入深度图像信息,对室内场景的彩色、深度（RGB-D）图像中的物体轮廓进行分析。通过多尺度信息融合,计算得到多尺度轮廓后验概率（mPb）和谱后验概率（sPb）,两后验概率加权综合得到gPb。而后结合超度量轮廓图与分水岭算法,对基于方向特征变化的gPb图像融合处理,最终得到清晰的物体轮廓。本文所提方法在通用的RGB-D数据库基础上进行实验。实验结果表明,本文所提出的方法能提取出清晰的室内物体轮廓图。      

Android恶意软件检测低冗余特征选择方法

针对Android恶意软件检测特征选择中,对类间具有相同频率分布的特征过度关注而导致特征冗余问题,提出了一种Android恶意软件检测低冗余特征选择方法。利用Mann-Whitney检验方法选择出存在频率分布偏差的特征;通过外观比率间隔算法量化偏差程度和特征出现频率剔除低偏差和整体软件中低频使用的特征;结合粒子群优化算法和分类器检测效果得到最优特征子集。使用公开数据集DREBIN和AMD进行实验,实验结果显示,在AMD数据集上选择出了294维特征,进行特征选择后6种分类器的检测准确率提高了1%~5%,在DREBIN数据集上选择出了295维特征,少于4种对比方法,且进行特征选择后6种分类器的检测准确率提高了1.7%~5%。实验结果表明,所提方法能够降低Android恶意软件检测中特征的冗余性,提升恶意软件的检测准确率。      

实时棒材图像识别与跟踪方法研究

多目标识别跟踪的关键问题是特征提取和目标匹配.为了提取生产线上堆积棒材的特征,提出粘连目标分割和多目标识别的方法.采用中值滤波和形态学滤波去除噪声,自适应阈值化和分水岭变换分割粘连目标;然后采用区域统计、参数识别、噪声区域去除以及聚类分析等手段进行目标特征识别,提取出棒材的质心点坐标作为特征;对棒材图像序列提出采用模板匹配、相近位移匹配和Kalman滤波的方法建立跟踪链,通过插入、删除、更新链节点进行目标跟踪;对于图像处理中可能出现的漏检目标和虚增目标,进行了计数结果校正.在现场采集了100帧连续图像后,采用此方法跟踪计数的精度为96.2%.      

变工况条件下基于相似性的剩余使用寿命预测方法

剩余使用寿命(RUL)预测是预测与健康管理(PHM)中的核心环节。提出一种变工况条件下基于相似性的RUL预测方法。结合相似性预测方法无需进行复杂的退化过程建模而能提供合理预测的优势,引入工况即设备工作时所处的环境或操作载荷等因素的影响来提升设备RUL预测准确性。对参考样本建立多工况的设备退化模型提升模型精度,在服役样本相似性度量预测中进行工况的匹配以实现在变工况下的RUL预测。方法能够更准确地描述实际工程中设备的退化过程和个体差异。依据相同准确度标准完成多组基本相似性方法和本文方法的对比实验结果表明,本文方法能够有效提高RUL预测准确度。      

基于深度学习的大型陨石坑识别方法研究

陨石坑是天体表面最为显著的地形特征，传统陨石坑识别方法主要是对小型陨石坑正负样本的二分类问题研究，且效率和精度均不高。以星体宏观视角下的大型陨石坑作为研究对象，结合图像处理和神经网络等方面的知识，创建了来自不同数据源的陨石坑样本数据库，研究了数据源对网络模型泛化能力的影响，提出了一种效率更高的陨石坑多分类识别方法。在非极大值抑制（NMS）算法基础上，提出了一种精度更高的陨石坑检测算法。经过参数优化和实验验证，构建的基于深度学习的多尺度多分类陨石坑自动识别网络框架取得了较高的准确率，在同源验证集上识别率可达0.985，在异源验证集上识别率可达0.863，并且有效改善了目标检测时检测框冗余及误检测的问题。      

基于等值线约束的地磁匹配方法

地磁辅助导航是组合导航技术研究的新方向.简要介绍了地磁辅助导航的基本原理和发展现状,并重点对地磁匹配方法进行了研究.地磁匹配是利用地磁图进行定位的方法,位置输出可用于限制惯性导航系统的误差积累.提出了一种改进的基于等值线约束的相关匹配算法,能够有效消除导航系统的初始位置误差并能限制匹配过程中惯性导航系统的积累误差.仿真实验证明,该算法能有效提高相关匹配的实时性,并能把定位精度控制在地磁数据网格间距以内.该算法对航向误差具有一定的适应性.      

一种虹膜特征提取与匹配方法

人眼虹膜尺寸很小，并且容易受到干扰，如果不能有效地提取出稳定的虹膜特征进行模式匹配，将严重影响虹膜识别的准确性和鲁棒性。本文提出一种稳定的虹膜特征提取与匹配方法，在虹膜注册端通过构建强特征分类器获得增强型特征模板，在虹膜识别端通过多样本特征映射融合提取稳定的特征样本，并根据风险预测自适应地确定分类阈值，然后进行特征匹配与虹膜分类，从而有效提高虹膜识别的准确性和鲁棒性。     

一种虹膜特征提取与匹配方法

人眼虹膜尺寸很小,并且容易受到干扰,如果不能有效地提取出稳定的虹膜特征进行模式匹配,将严重影响虹膜识别的准确性和鲁棒性。本文提出一种稳定的虹膜特征提取与匹配方法,在虹膜注册端通过构建强特征分类器获得增强型特征模板,在虹膜识别端通过多样本特征映射融合提取稳定的特征样本,并根据风险预测自适应地确定分类阈值,然后进行特征匹配与虹膜分类,从而有效提高虹膜识别的准确性和鲁棒性。     

结合自组织映射网络及三角形算法的星图识别方法

三角形方法是最经典且应用最广的星图识别方法之一,但是存在搜索范围大、匹配冗余、抗噪能力弱等问题。将神经网络技术应用到星图识别过程中,结合自组织映射网络（SOM）优秀的分类能力和三角形算法可靠的角距匹配能力,提出了一种新的识别方法。该方法基于邻近星的分布来构建每颗导航星的特征向量,将其作为SOM网络的输入向量,通过训练得到具有分类识别功能的网络及相应的三角形库。识别阶段,输入待识别星的特征向量,网络输出识别类,在该类对应的三角形库中应用三角形算法查找匹配三角形,完成星图识别。试验发现该方法减小三角形搜索范围、实现快速匹配的同时,提高了识别系统的抗噪能力,在全天识别过程中平均识别时间低于5ms,识别率在噪声标准差为0.025时仍高达99%。     

基于免疫抗体编码机理的卫星图像云探测

针对卫星遥感图像中云与下垫面的复杂性和多样性,提出了一种新的在复杂背景下常用目标图像描述方法.通过类比生物免疫抗体特异性与其构成单元氨基酸性质的相关性,得到目标图像的免疫基元集合形式及其分类方法.借鉴生物免疫抗体编码顺序中氨基酸结合能量最小原则,统计分析出训练样本的免疫基元亲和度计算公式,实现了目标图像描述的有限多特征优化组合.对于云检测问题,最终提出云的免疫抗体编码方法,定义了云的免疫亲和度计算公式,并成功构建了云免疫抗体.经200幅IKONOS卫星图像测试,验证了该方法在识别率和运行时间效率方面的有效性.