一种新的星模式识别算法

研究了面向星敏感器的星模式识别算法。首先扼要介绍了到目前为止出现的所有面向星敏感器的星模式识别算法和星图预处理，然后详细论述了本文提出的基于旋转和比例不变点特征松弛匹配算法的一种新的面向星敏感器的星模式识别算法。在第三部分通过仿真试验检验了新算法的性能。初步的仿真试验结果表明该星模式识别算法性能优良，具有实用价值。最后讨论了待深入研究的问题。     

基于BP神经网络的景象匹配算法研究

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。     

一种新的星模式识别算法

研究了面向星敏感器的星模式识别算法.首先扼要介绍了到目前为止出现的所有面向星敏感器的星模式识别算法和星图预处理,然后详细论述了本文提出的基于旋转和比例不变点特征松弛匹配算法的一种新的面向星敏感器的星模式识别算法.在第三部分通过仿真试验检验了新算法的性能.初步的仿真试验结果表明该星模式识别算法性能优良,具有实用价值.最后讨论了待深入研究的问题.     

已知最大定位误差的点特征松弛匹配

研究了在已知最大定位误差的情况下时，如何对基本点特征松弛匹配算法进行改进，以提高匹配性能。基本思想是利用已知的最大定位误差，确定两点对的最小匹配度量，从而减小虚假特征点对匹配结果的影响。采用针对模拟图像及实际卫片航片图像对的实验，比较了两种方法的性能。结果表明，在已知最大定位误差的情况下，该改进方法比基本点特征松弛匹配算法具有更好的匹配性能。     

抗旋转和缩放的SAR与可见光图像自动配准算法

针对合成孔径雷达与可见光图像在大角度旋转和大比例缩放情况下的高精度自动配准问题,提出了一种尺度和旋转不变的SAR(Synthetie Aperture Radar)和可见光图像自动配准算法.算法以SIFT(Scale Invariant Feature Transform)算法为基础,首先通过增强Frost滤波和自适应直方图均衡增强SAR和可见光图像的共性,使其显著提高能够提取出足够多的特征点数目,然后再通过特征描述方法、相似性度量方法、点匹配方法、特征点聚类方法和误匹配点剔除方法等方面对原始SIFT方法进行改进,有效地提高其在多源图像、强噪声、复杂成像条件下的特征提取和匹配性能,最后通过最小二乘法和相似变换模型实现SAR和可见光图像的精确配准.试验表明该算法对图像尺度和角度变化具有良好的适用性,在正确匹配点的比率和定位精度方面都优于原始SIFT算法和Harris算法,具有良好的工程应用前景.     

基于SAR景象不变特征点的匹配定位技术研究

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。     

基于深度学习特征提取的遥感影像配准

传统的影像配准算法,如尺度不变特征变换(SIFT)、加速稳健特征(SURF)等,对遥感卫星影像配准存在提取特征点少、错误匹配多等缺点。文章使用数据驱动的随机特征选择卷积神经网络(RanSelCNN)方法,对Landsat-8卫星不同时相或同一时相具有重叠度的遥感影像进行配准,卷积层使用随机特征选择,增加特征提取的鲁棒性;训练时使用联合损失函数,同时对特征探测器和特征描述符进行优化,减少特征的错误匹配。结果表明:基于随机选择的深度神经网络的遥感影像配准能提取更多的特征点,有效降低错误匹配率。与传统的人工设计特征相比,该算法能明显提高卫星影像配准的精度。     

基于改进SIFT的SAR图像与可见光图像配准

针对SAR图像与可见光图像的自动配准问题,提出了一种基于尺度不变特征(SIFT)的SAR与可见光图像配准算法。算法首先对SIFT主方向的检测进行了优化,利用特征点邻域内边缘局部极大值点的梯度方向作为特征点的方向,并以去均值归一化互相关系数为相似性度量进行特征点对匹配,然后通过随机抽样一致性算法(RANSAC)剔除误匹配点对,最后利用剩余的特征点对实现SAR与可见光图像的自动配准。实验结果表明,本算法对不同分辨率图像和不同旋转角度图像具有较好的适用性,在正确匹配点的比率和定位精度方面都优于原始SIFT算法和Harris算法。     

基于SIFT特征的三线阵CCD影像立体匹配

尺度不变特征变换(Scale Invariant Feature Trans form,SIFT)描述符具有对影像尺度、亮度、旋转、平移、微小仿射的不变性,并有稳定性高、速度快、鲁棒性强等优点,已被成功的应用到了很多领域。文章利用SIFT描述符对三线阵影像提取特征点、匹配,对其在立体匹配中的适用性进行初步研究,结果表明SIFT特征匹配可以有效用于三线阵影像匹配工作。     

惯性组合导航系统中的快速景象匹配算法研究

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。
     

基于局部熵差的图象匹配方法--算法及计算机仿真

传统的灰度相关匹配和基于边缘特征的匹配方法抗噪能力和抗几何失真能力较差，将信息熵的概念引入到图象匹配中，定义了图象局部熵，并由此提出一种新颖的基于局部熵差的图象匹配方法。由于图象熵反映的是图象的局部，因此基于局部熵差的图象匹配方法具有较强的抗噪能力。由于采用了分块、序贯检测及分层搜索技术，计算量大为减少，试验结果表明这是一种非常好的图像匹配方法。     

景象匹配辅助导航系统中的精确图象匹配算法研究

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。     

动态神经网络的稳定性分析

应用李亚普诺夫稳定性理论推导出Ｈｏｐｆｉｅｌｄ网络绝对稳定的充分条件。对本文的结果与其它Ｈｏｐｆｉｅｌｄ网络稳定性判据的关系作出讨论。为Ｈｏｐｆｉｅｌｄ网络稳定性分析提供了新的途径。     

对数极坐标变换识别算法在成像制导中的应用

图像匹配是成像制导系统中常用的目标识别算法，但实时目标图与基准目标图存在的尺度差异以及旋转不可避免，这也导致失配率提高。针对这个问题，引入对数极坐标变换运算，根据对数极坐标图像的尺度、旋转不变性提出了新的目标匹配识别算法，一方面保证了在尺度变化及旋转下的高匹配率；另外新算法结合了变换图目标区域的轴向投影统计策略，保证了匹配运算量的降低；文中仿真实例验证了算法的优势与有效性。     

月球探测机器人运动控制算法研究

针对常规模糊控制的不足 ,本文提出一种模糊神经网络自适应控制 ,它综合模糊控制与神经网络控制各自的优点 ,实现模糊控制的智能化 ,并将其应用于月球探测机器人的运动控制中。仿真结果证明该控制方案的优越性、有效性和可行性     

一种实用的边缘强度互相关匹配可信度分析方法

匹配可信度是衡量匹配质量的重要指标，针对归一化边缘强度互相关匹配算法，研究了基于神经网络的匹配可信度判别方法。通过对参考图进行加噪实验获得训练样本，对BP网络进行训练，并将训练后的网络用于匹配可信度的判别。针对实际卫片与航片图像对的实验结果，平均判决正确率达到90％以上，证实了该方法的有效性。     

竞争学习模糊神经网络及在导弹故障诊断中的应用

尽管基于解析冗余的故障诊断方法有许多突出的优点而越来越多地得到的研究和应用，但它依赖于系统的模型，当系统存在非线性或不确定性时，存在难以建模的困难，模糊神经网络可以通过学习建立系统的模型，且模型参数有明确的物理意义，初始参数易于选择，成为解决这一问题的优选途径，作者通过把模糊神经网络的学习转化为竞争聚类和线性优化问题，基于竞争聚类和最小二乘原理，提出了一种模糊神经网络学习算法，并在某伺服机构上进行     

基于参数辨识的冗余自由飞行空间机器人多臂协调运动规划

根据空间机器人姿态干扰特性，本文提出了利用多层间向神经网络来辨识自由飞行空间机器人本体质量的算法。其次，提出了基于姿态受限广义雅可比矩阵的多臂协调运动规划方法，较好地解决了多臂自由飞行空间机器人进行空间作业时的运动规划和姿态控制问题。