基于光谱特性的高光谱图像压缩方案

根据干涉型高光谱成像仪成像特点,提出了一种针对干涉型光谱仪所获得高光谱图像的基于光谱特性的图像压缩方案。由于光谱信息最终从“点”十涉图像中恢复,因此方案中首先通过高精度匹配技术将原始“像面”干涉图像序列“重组”成“点”干涉图像,然后针对“点”干涉图像序列进行压缩。在重组过程中采取基于光流的亚像素级匹配和基于梯度的三角插值算法,实现了高精度的图像匹配重组;在压缩环节利用“点”干涉图像与光谱信息之间的傅立叶变换关系,提出一种能够很好保持频谱特性的基于一维DCT的压缩算法。实验证明,压缩算法总体性能远高于针对“像而”干涉圈序列的压缩算法．很好地控制了光谱信息的失真。     

基于DEM的星载SAR图像模拟以及用于图像精校正

根据星载SAR的距离-多普勒成像原理对DEM的三维位置点进行成像几何位置的计算,然后根据经验公式给出了雷达后向散射系数的模拟方法。针对DEM格网间隔和SAR图像分辨率的不同,以及由于侧视成像雷达的特点而导致山区的迎坡和背坡模拟图像点密度不均匀等问题,采用了基于DEM格网点内插的算法。最后应用模拟的SAR图像和真实图像匹配来实现星载SAR图像的几何精校正处理。通过采用RADARSAT的实际图像进行了图像的模拟和几何校正,证明了方法的可行性。     

抗旋转和尺度变化的导航系统图像匹配算法

在惯性导航系统中,定量分析了景象匹配过程中惯性导航系统漂移和无线电气压高度表测量误差对实测图的旋转和尺度所造成的影响,引入了对数极坐标变换.基于图像边缘特征提取,提出了一种结合中心点的4-邻域点共同参与计算的抗旋转和小尺度变化的图像匹配算法,并给出了相应的算法流程.仿真分析表明,在导航系统误差漂移所引起的图像旋转和气压高度表所引起的尺度变化范围内,该算法能满足匹配准确性的要求,并能有效给出系统的定位误差修正信息.     

基于像素抽样的快速互相关图像匹配算法

在不同大小的实时图像(假定为小)和基准图像(假定为大)的匹配算法中，最常用的方法是互相关匹配算法，但如果对每个点都计算二维相关函数则计算量非常大。文章提出对图像的匹配采用粗、精两步快速匹配的方法：首先将实时图像每一列灰度值相加，形成一个一维信号，用此一维信号到基准图生成的一维信号中用一维相关函数进行粗匹配，实现降维和提高速度的目的。然后将相关函数值中较大的一些点作为备选点，在原图中利用这些不多的备选点计算二维相关函数，相关函数值最大的点即为最佳匹配点，实现精匹配。在一维匹配中采用隔4列、隔3行取一个点的像素抽样方法以提高粗匹配速度。实验结果表明了文章算法的快速性和准确性。     

一种基于可操纵金字塔的鲁棒图像匹配算法

图像匹配是计算机视觉和图像处理领域中一个比较活跃的研究课题。针对离散小波变换对于图像平移和旋转的敏感性，提出了一种基于可操纵金字塔的图像匹配算法。算法考虑的是图像之间存在平移和旋转变换的情况。首先，变换的近似旋转角在图像分解的最底层采用环映射算法得到，然后在图像分解的其余层提取兴趣点作为匹配特征，并使用Hausdom距离来度量参考图像和待匹配图像之间的相似性，依次得到由粗到细的匹配结果。实验表明该算法具有较高的匹配精度和较强的鲁棒性。     

合成孔径雷达在飞行器组合导航系统中的应用

合成孔径雷达(ＳＡＲ)是雷达理论和技术发展到一定阶段的基础上诞生的一种具有很高分辨率的成像雷达。它在众多领域得到了广泛的应用。在飞行器组合导航系统中,利用ＳＡＲ图像进行图像匹配,可以极大地提高系统的导航精度。本文介绍了ＳＡＲ、组合导航系统的发展及研究现状。重点介绍了ＳＡＲ在飞行器组合导航系统中的应用,并给出了具有较高精度、容错性和自主性的ＩＮＳ/ＧＮＳＳ/ＳＡＲ组合导航系统的原理、结构及仿真结果。     

实现CBERS图像自动几何精校正的地面控制点数据库的设计方法

文章首先介绍自动几何精校正的大致流程；然后简要讨论了应用相关系数匹配技术实现地面控制点与待校图像的配准；最后详细分析了建立适合CBERS卫星图像自动几何精校正的地面控制点(OCP)数据库的思路及控制点库的结构与特点。     

基于相位相关的部分可辨编队精细起始算法

针对部分可辨条件下编队目标的精细起始难题,提出了一种基于相位相关的部分可辨编队精细起始算法。首先,采用基于坐标映射距离差分的快速群分割与基于编队中心点的预互联对雷达量测进行预处理;然后,利用图像匹配中相位相关特性,将相邻时刻编队结构进行补偿对准,解决了低目标发现概率情况下的编队结构对准问题;最后,采用增加虚拟量测并后验判决的方式,结合最近邻法做编队航迹精细互联,在填补航迹缺失、增加正确航迹的同时抑制虚假航迹的产生。经仿真验证,与修正的逻辑法、基于相对位置矢量的灰色编队精细起始算法相比,本文所提算法在提高航迹正确起始率、抑制虚假航迹方面性能优势显著,且对环境杂波与雷达精度具有较好的鲁棒性,对目标发现概率具有较好的适应性。     

惯性信息辅助的大视角目标快速精确定位

目标定位技术广泛应用于航空领域的侦察机、无人机等各类侦察打击任务中,目标定位精度的高低及效率对作战效果具有重要影响。针对仿射尺度不变的特征变换(ASIFT)算法对远距离大视角目标定位精度较低、速度较慢的问题,提出了一种基于惯性信息辅助的大视角目标快速精确定位方法。该方法首先对目标实测序列图像构造尺度空间,结合FAST特征检测与FREAK特征描述的方式进行匹配,实现对待定位目标的快速提取;然后利用机载惯性信息求解目标实测图与参考图之间的透视变换矩阵,利用该矩阵对实测图进行变换以减小图像间视角差异,克服了ASIFT算法盲目匹配计算的弊端,并通过FAST特征检测与FREAK特征描述相结合的方式提升了大视角图像的匹配速度;最后通过单应性矩阵映射关系实现对目标的精确定位。实验结果表明,大视角目标快速精确定位方法匹配耗时比ASIFT算法的减小了1个数量级,定位精度比目标平均值定位算法精度提高了1个数量级,有效提高了图像匹配定位在航空领域的应用效率。     

一种基于区域划分的改进ORB算法

针对传统ORB算法所提取的特征点分布不均匀、存在冗杂，且不具有尺度不变性的问题，提出了一种基于区域划分的改进ORB算法。算法根据需要提取的特征点总数和所划分的区域个数计算每个小区域需要提取的特征点个数，解决了在特征点提取过程中特征点重叠和特征点冗余的问题；通过构建图像金字塔，在每一层图像金字塔上提取特征点，解决了ORB算法提取的特征点不具有尺度不变性的问题。实验结果表明:在不损失图像匹配精度的同时，所提算法提取的特征点更加均匀合理，在提取速度上也较传统ORB算法提升了16%左右。