对偶空间上的高分辨率遥感影像道路提取

道路目标的提取是遥感领域的重要研究内容。针对背景复杂的高分辨率遥感影像，论文提出一种在对偶卒间榆测道路目标的算法。该算法包含以下步骤：通过投影变换，分别将直线的灰度级标准差及其边缘梯度矢量均值映射到直线方程的对偶空间；在对偶卒间上，根据直线的标准差和边缘梯度矢量的峰谷分布规律检测道路目标；根据已检测的目标位置，用搜索和跟踪的手段提取连接道路网。实验结果表明，本方法能够很好的提取各种明暗度及一定曲度的道路目标。     

基于增量学习的高光谱图像目标检测

高光谱图像目标检测是高光谱图像分析中的重要研究内容之一。本文从经典有效的约束能量最小化算法出发,提出了一种基于增量学习的高光谱目标检测方法。当获得新的样本时,不需要重新计算所有样本的自相关矩阵即可对检测器模型进行更新,减轻了星上有限计算资源的负担。实验结果表明:本文提出的目标检测算法在压制背景光谱的同时可以更好地适应目标光谱,提高了算法的检测性能。     

一种结合角距特征的改进栅格星图识别算法

针对栅格算法易受邻域星点影响导致误匹配的问题,提出了一种结合角距特征的改进栅格星图识别算法。首先介绍了改进栅格算法的原理,其次设计了融合栅格识别模式和星角距识别模式的算法实现流程,最后开展了基于不同视角下的大视场仿真星图的算法试验验证和性能分析。结果表明,由于角距特征具有旋转不变性和不易受观测星邻域星点分布影响等特点,结合角距特征对失效观测星进行再匹配的改进栅格算法,在兼顾存储量需求小、运行速度快等优势的同时,识别率和鲁棒性也得到了提升,最高识别率可达98.88%,在位置噪声干扰以及缺失星干扰下,改进算法的识别率仍可保持在95%,说明算法鲁棒性强,具有较好的应用前景。