一种基于MLS的SAR图像点特征提取方法

针对合成孔径雷达图像点特征提取问题,提出了一种基于MLS的SAR图像点特征提取方法.首先利用提出的基于超像素关联分析的SAR图像分割算法得到二值分割图像,再把该二值图像和SAR图像进行点乘运算,获取到含有强度信息的目标区域,然后采用移动最小二乘法(MLS)对目标区域进行曲面拟合,根据设定的点特征判决规则,最后提取出SAR图像的峰值、脊和谷等多种点特征.基于MSTAR数据的实验结果表明了该方法的有效性和准确性.     

一种Mumford-Shah模型的图像分割改进算法

提出了一种新的基于Mumford-Shah模型的图像分割改进算法,并通过对飞机图像轮廓分割进行效果验证。首先,内部惩罚项的设置,彻底消除了计算量巨大的更新水平集函数的步骤。第二,可使用较大的时间步长,获得较快的曲线演化速度。第三,水平集函数可初始化为更容易构造和使用的一般函数,初始轮廓线可以构造为任意形状。最后,选择因子的设置既继承了克服轮廓线“冒顶”的性能,又保证了曲线未达轮廓边界时的演化速度。     

基于Wasserstein距离和SBGFRLS方法的活动轮廓模型图像分割算法

提出一种结合Wasserstein距离和SBGFRLS方法的非参数化活动轮廓图像分割算法。该算法采用二值函数作为水平集函数并利用高斯核函数对其正则化,有效避免水平集演化中的重新初始化过程,提高分割速度。算法本身具有选择局部和全局分割的属性。利用Wasserstein距离作为区域相似性测度使图像分割不依赖于图像数据的具体分布模型,扩大了传统水平集算法的应用范围。实验结果表明,该算法能够对图像进行有效准确地分割且具有较快的速度。     

基于Gibbs-Markov随机场与连通聚类的SAR图像恢复

在传统的马尔可夫随机场(MRF)的图像建模方法基础上利用合成孔径雷达(SAR)图像的固有特性对Gibbs-MRF模型进行改进复原SAR图像,并进一步提出用数字形态学中连通性理论进行图像分割。在SAR图像像素空间的邻域内,估计最大后验概率(MAP)时引用Gamma分布代替传统的瑞利分布恢复数据,同时利用像素强度值相关性的连通模型将目标较好地提取出来。充分利用了SAR图像的数字形态信息和像素强度之间的相关性,得到了更好的分割效果。仿真实验说明本文方法是有效的。     

基于边缘相似性的异源图像匹配

异源图像匹配是视觉导航、多源图像融合分析的关键步骤之一。对于成像机理差别较大的异源图像,如SAR图像和可见光图像,采用传统的异源图像匹配算法难以得到满意结果。本文提出一种基于边缘相似性的异源图像匹配方法,首先分别提取待匹配图像的边缘特征点集;然后计算基准图的边缘距离场;最后基于边缘相似性模型,通过实时图边缘图和基准图边缘距离场计算边缘相似度,寻找相似度最大的变换参数即为最终匹配参数。采用SAR与可见光图对方法进行了测试,结果表明,这种方法能够快速可靠地实现异源图像匹配。     

基于2－D熵的机载SAR图像分割迭代算法研究

机载合成孔径雷达(SAR)图像可用于检测识别机场跑道.由于SAR图像包含大量噪声,算法抗噪性能对于SAR图像处理很重要.2-D阈值方法的分割效果比传统的一维方法要好,特别是对受噪声影响的图像.然而,2-D阈值方法耗时长,难以实用.因此,本文在现有的2-D熵迭代分割算法的基础上提出了一种基于二维直方图统计特点的最大熵阈值分割算法.通过大量试验证明,本文提出的方法不仅获得了理想的分割效果,而且进一步提高了二维阈值选取速度.     

基于改进二维Ostu算法的SAR图像分割方法研究

INS/SAR组合导航系统对SAR图像分割提出了较高的实时性和准确性要求。文章针对SAR图像的特点与二维Ostu方法在区域划分以及运行速度上的缺陷,提出了一种改进的二维Ostu方法,更为准确地划分了目标和背景区域,并且将阈值搜索空间由二维降为一维。经仿真验证,该方法具有良好的分割效果并能有效提高分割速度,满足了组合导航系统相应的设计要求。     

基于深度卷积网络的SAR图像目标检测识别

在SAR图像解译应用领域,目标的自动检测与识别一直是该领域的研究重点和热点,也是该领域的研究难点。针对SAR图像的目标检测与识别方法一般由滤波、分割、特征提取和目标识别等多个相互独立的步骤组成。复杂的流程不仅限制了SAR图像目标检测识别的效率,多步骤处理也使模型的整体优化难以进行,进而制约了目标检测识别的精度。采用近几年在计算机视觉领域表现突出的深度学习方法来处理SAR图像的目标检测识别问题,通过使用CNN、Fast RCNN以及Faster RCNN等模型对MSTAR SAR公开数据集进行目标识别及目标检测实验,验证了卷积神经网络在SAR图像目标识别领域的有效性及高效性,为后续该领域的进一步研究应用奠定了基础。     

基于控制线方法的机载SAR和可见光图像匹配应用研究

根据无人机(UAV)景象匹配导航的现实需求,对具有典型人造场景的机载合成孔径雷达(SAR)图像与可见光图像,提出一种基于直线特征的SAR图像与可见光图像配准方法.首先,利用改进的直线段检测(LSD)方法提取图像直线特征；其次,构造控制线并设计了一种基于控制线的图像配准方法；最后,依据仿射变换模型实现了待配准图像的精确自动配准.实验表明,在SAR和可见光图像存在较大灰度差异、旋转和平移的情况下,该算法仍能精确配准图像,且运算时间大幅减少,能够满足一些实时性较强的应用.     

一种新的广义Gamma分布下的SAR图像目标检测算法

针对合成孔径雷达(SAR)图像舰船目标检测中全局广义Gamma分布虚警数量较多的问题,文章采用了一种新的基于核密度估计(KDE)的广义Gamma分布下的SAR图像舰船目标检测算法。新的算法结合了SAR图像的强度分布和空间散布分布,形成新的组合分布。在组合分布的基础上,完成SAR图像目标检测。首先,介绍了广义Gamma的分布模型;然后,通过核密度估计的方法估计各像素点的散布分布,结合散布分布和强度分布形成组合分布,对组合分布采用SISE方程的方法估计广义Gamma分布的参数,根据确定的广义Gamma分布的表达式,求出阈值T的解析式。通过求解逆不完全Gamma函数得到检测阈值,进而完成舰船目标的检测。通过实测SAR图像检测实验,对比文章算法与双参数检测算法和基于广义Gamma分布检测算法,验证了该算法的适用性。     

一种新的泊位飞机阴影分割方法

飞机泊位自动引导系统中,识别跟踪定位泊位飞机时,会出现灰度较低区域被误判为阴影区域的现象,严重影响识别效果,因此分割飞机阴影是泊位成功与否的关键技术。提出一种将形态学的幂变换与无边界主动轮廓线模型结合的阴影分割方法,首先利用多方向权重形态学对泊位飞机图像中的噪声和微小的干扰区域进行滤除,然后进行幂变换来增强图像质量,最后利用无边界主动轮廓线模型分割阴影。实验结果表明,该方法不仅能够滤除噪声,保留图像细节,而且能提高分割阴影的精确度,并且抑制了泊位飞机分割产生的＂拖尾＂现象,有效地检测出运动飞机的阴影。     

基于遗传算法的多机器人系统集中协调式路径规划

根据多机器人系统无碰撞运动的需要,对其工作空间进行了分解,确定了机器人运行路线上的各个可能路径点,从而得到了规划空间的多路径点链接图描述。基于这种对规划空间的链接图建模描述,开发了一种混合遗传算法用于寻找多个机器人的无碰撞协调运动路线。仿真结果表明,这种方法可有效地解决复杂规划空间下的多机器人路径规划问题。     

一种复杂环境下的前视机场跑道识别方法

根据复杂环境机场跑道的视觉特点,提出了利用自适应阈值分割和局部Hough变换相结合的识别方法.利用跑道主要视觉特征提取兴趣区域,缩小处理范围.提取兴趣区域的轮廓后,针对传统Hough变换不能确定直线端点、会出现虚假直线和计算复杂度大的缺点,采用局部Hough变换检测跑道边界.试验结果表明,算法对于复杂环境的机场跑道具有较高的准确性和实时性.     

基于随机森林的风洞马赫数预测模型

在风洞试验中,马赫数的稳定性和快速性对风洞流场品质有着重要影响。为了实现马赫数的精确控制,必须对马赫数进行快速、准确的预测。风洞试验积累了大量数据,大数据集包含了更多的有益信息,为实现马赫数的精确预测提拱了可能性,但也增加了建模的复杂度。通常高度复杂的模型会加重其在实际使用时的计算负担。针对大数据集问题,本文将随机森林方法应用于风洞马赫数建模。随机森林是一种集成模型建模方法,它从3方面降低模型的复杂度:产生多个样本子集,减少了子模型的训练样本个数;具有并行集成结构,子模型可在不同的CPU上运行,提高了运行速度;以简单学习算法回归树作为基学习机,降低了子模型的复杂度。试验证明基于随机森林的马赫数预测模型能够有效利用试验积累的大数据,满足工程上预测速度及精度的要求。     

基于SAR图像匹配结果可信度评价的INS/SAR自适应Kalman滤波算法

在惯性导航系统（INS）/合成孔径雷达（SAR）组合导航系统中，SAR图像易受斑点噪声的影响，图像匹配的精度对整个导航系统精度的影响十分明显，能够准确地分析SAR图像匹配过程中的误差特性，利用有效的图像匹配信息辅助INS进行组合定位尤为重要。针对上述问题，在加权Hausdorff距离匹配算法的基础上，对影响SAR图像匹配精度的因素进行了分析，提出了一种基于模糊推理的匹配结果可信度评价准则，经过可信度筛选，将有效的匹配信息与INS进行组合；对合理范围内的匹配误差变化引起量测噪声统计特性发生变化，进而导致Kalman滤波精度下降的问题，研究采用改进的Sage-Husa自适应滤波算法对量测噪声方差阵进行动态调整，使其更加接近系统的当前状态。搭建仿真验证平台对所提算法进行了验证，结果表明，该算法能够在合理的匹配误差范围内，有效地筛选出可信的图像匹配结果，相比常规Kalman滤波算法，显著地提升了INS/SAR组合导航系统水平方向的定位精度。     

FSDG在测控系统下行信道中的诊断应用

针对纯定性SDG（Signed Directed Graph,符号有向图）模型的诊断方法因定量知识的缺失导致虚假解多、分辨率低的问题,将SDG定性模型与定量知识相结合,通过在定性模型中加入模糊隶属度与模糊相容度等定量知识,形成了定性定量集成模式的FSDG（Fussy Signed Directed Graph,模糊符号有向图）深层知识模型;并在此基础上,提出一种基于定性定量知识集成模式的故障诊断方法;最后应用该方法建立了某测站下行信道系统的FSDG诊断模型,并进行了故障诊断仿真.结果表明：该方法有效提高了诊断分辨率,具有诊断结果完备、准确性高的优点.     

一种基于改进WLBF频谱的异构双基地前视SAR成像算法

异构平台组成的双基地前视合成孔径雷达（SAR）配置灵活,可实现多种构型下的前视成像,具有潜在的应用价值。然而特殊的几何构型使得其回波信号具有新的特性,给频谱模型的推导及成像算法的设计带来不便。针对这一问题,提出了一种基于改进WLBF （Weighted Loffeld's Bistatic Formula）频谱的双基地前视SAR成像算法。首先,引入时域去走动和切比雪夫降阶法,减小了传统频谱模型中相位历程的加权分割误差和二阶展开误差,在此基础上推导了回波信号的改进WLBF频谱表达式。然后,使用切比雪夫多项式将改进WLBF频谱展开并设计了双基地前视SAR成像算法。最后,对频谱模型和成像算法进行了仿真分析。结果表明所提改进WLBF频谱模型与传统频谱模型相比具有较高的精确度,设计的成像算法可满足异构双基地大前视系统的成像要求。     

基于拐点检测的椭圆弧叶型前后缘评定算法

叶片前后缘的形位对叶片气动性能有着显著影响,且其分割结果也严重影响特征参数的精密计算。现有的叶片前后缘分割算法大多基于拓延算法的实现与改进,但是拓延算法本身尚不能自适应叶型截面尺寸来分割点云,而后续的改进算法在轮廓线误差控制上仍有待加强。针对叶片截面线前后缘的点云精确分割问题,参照椭圆弧叶型的造型设计特点,提出了基于拐点检测的前后缘评定算法。通过对截面线点云旋转、截取、顺时针排序以及拐点检测处理,实现了在高精度测量条件下对叶片前后缘的精确分割。最后设计了对比实验,验证了本文算法可以定性地分割叶片前后缘,并在线轮廓误差上保持了较低水平;论证了在逐点拓延椭圆拟合过程中,从凹性点即开始影响线轮廓误差。