基于主动轮廓法的复杂背景下飞机图象的轮廓提取

研究了一种适合于复杂背景下单个目标轮廓提取的方法———主动轮廓法(ActiveContourModel)。主动轮廓法是统计学分割方法的一种。基于统计学意义上的图象分割是把图象中各个象素点的灰度看作具有一定概率分布的随机变量 ,观察到的图象是对实际物体作了某种变换并加入噪声的结果。从观察到的图象中正确分割图象从统计学的角度讲就是要找到最有可能的 (即概率最大 )的物体组合。主动轮廓法就是基于这种概率最大的思想提出来的。研究过程中 ,对原有方法进行了大的改进 ,增强了主动轮廓法对初始形状的鲁棒性 ,保持了轮廓的光滑性。仿真中 ,应用该方法提取飞机图象的轮廓 ,取得了较好的效果 ,计算所用的时间少。     

基于仿射变换的飞机图像的识别

 先基于细胞神经网络提取飞机图像轮廓,再用基于仿射变换方法对多种飞机的轮廓图像做不变特征的提取,把多种飞机的不变特征放在数据库中。进行飞机类型识别时先计算实时图像中飞机(目标) 的不变特征,然后与数据库中的每个不变特征做相关运算,即可识别飞机的型号。     

空间非合作目标近程自主跟踪的全局鲁棒最优滑模控制研究

对空间非合作目标的近程自主跟踪过程中目标可能会由于不确定原因出现轨道变动时的近程自主跟踪控制问题进行了研究,提出了一种全局鲁棒最优滑模控制器方法。针对空间非合作目标自主跟踪问题的标称系统,由基于无限时域的二次型性能指标的最优控制理论,获得最优调节器,再构造一个积分滑模面,使系统开始即在滑模面上,消除了传统滑动模态中的趋近模态,并使控制系统滑动模态与对应标称系统的最优动态有相同的形式,则滑动模态亦是渐近稳定的,且具有完全的鲁棒性;为保证滑动模态的存在,设计了滑模变结构控制器。该方法吸取了最优控制和滑模控制的优点,可在优化燃耗的同时满足全局鲁棒稳定性。仿真分析结果表明:用该法可实现对空间非合作目标轨道变动时的自主稳定跟踪,保证跟踪的精度。