基于改进SIFT的高鲁棒性特征点提取方法

为实现无人作战飞机(UCAV)认知导航的高鲁棒性特征点提取,提出一种基于自适应非极大值抑制(ANMS)的多元量化Hessian-Affine迭代式尺度不变特征变换(SIFT)方法。针对认知导航对特征点均匀分布的需求,提出基于ANMS的初始特征点优选算法。为确保特征点的仿射不变性,利用引入迭代调节因子的Hessian-Affine迭代算法估计仿射不变区域,并在对应归一化圆形区域进行主方向确定以及圆形描述子生成。针对模拟特征序列分布不均匀、正确匹配率不高的缺陷,采用多值量化与比特抽取结合法对模拟特征序列进行多元量化,并且分析验证了该方法的优越性能。仿真结果表明,本文方法具有较高的正确匹配率,具有旋转不变性和尺度不变性,其抗噪性能提高了10 dB,并且在大视角变化范围内具有较优的抗仿射性能。     

多尺度网格细胞路径综合方法

为实现无人作战飞机(UCAV,Unmanned Combat Aerial Vehicle)认知导航的空间方位自主推算,提出了一种基于多尺度网格细胞的路径整合方法.该方法模拟背侧内嗅皮层(dMEC,dorsal Medial Entorhinal Cortex)的相同区域网格细胞放电特征相同、不同区域放电特征递增变化的特点,构建尺度递增的仿生多尺度网格图组,在各层中引入突触样式(synaptic pattern)计算各细胞权值,通过细胞的活跃度变化表征各网格层中位置的变化,并在各层分别实现路径整合,进而利用低尺度整合结果调整高尺度整合,提高空间位置的推算精度.实验结果表明,所提方法在一定的速度误差与方向误差范围内能够精确推算方位,具有较高的空间位置推算精度,并且方向误差值随运动方向变化呈锯齿状分布.