一种基于小波变换的天水线提取算法

文中提出了一种基于小波变换多尺度分解图像快速提取天水线的方法,不仅省去了一般图像特征提取之前的图像预处理及图像分割步骤,而且提取的天水线效果好,处理周期短,自适应性强,同时能够滤除噪声并保持目标细节。     

改进的图像相关匹配算法

将遗传算法用于低对比度小目标图像相关匹配跟踪,提出了改进的快速图像相关匹配算法。结合图像匹配本身的特点,采用新的编码方式克服了二进制编码的缺点。采用NPROD匹配准则在同样的匹配效果条件下,提高了匹配精度,该算法在计算速度上较原始算法提高了至少12倍以上,同时该算法还具有每帧图像匹配计算时间基本恒定的优点,便于在实际系统中采用。实验结果表明该方法可以有效地跟踪低对比度小目标。     

基于RBF神经网络的机器人鲁棒自适应控制器设计

在考虑机器人系统中存在的模型不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法。首先,通过状态变换将机器人的模型转换为适用于反演技术的形式;然后,利用反演技术设计了鲁棒自适应控制器,用两个RBF神经网络分别对模型的不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节律以及相关的鲁棒项,证明了系统的全局稳定性;最后,进行了相应的仿真研究,验证了设计的正确性和有效性。     

基于形态学运算的星图像分割

在获取星图像的过程中,由于某些因素的影响,获得的星图像存在噪声和划痕,而且星图像的背景经常是不均匀的,为星图像的分割造成了极大的困难,甚至使得自动阈值分割无法实现或效果较差。膨胀和腐蚀是形态学的两个基本运算,实验证明,通过组合膨胀和腐蚀,可以获取更为复杂的形态学运算。用形态学运算对星图像进行处理,补偿不均匀的星图像背景,然后进行星图像的自动阈值分割可以得到很好的分割效果。     

一种基于模糊熵的自适应多层模糊增强算法

针对传统多级模糊增强算法中边缘附近灰度值的选取缺乏理论依据,增强变换可能导致灰度集中的现象,提出一种基于模糊熵的自适应多层次增强算法,该方法通过图像模糊熵估计边缘附近灰度,定义新的隶属度函数和增强算子,实现了图像的自适应增强.     

基于RBF神经网络的机器人鲁棒自适应控制器没计

在考虑机器人系统中存在的模型不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法.首先,通过状态变换将机器人的模型转换为适用于反演技术的形式;然后,利用反演技术设计了鲁棒自适应控制器,用两个RBF神经网络分别对模型的不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节律以及相关的鲁棒项,证明了系统的全局稳定性;最后,进行了相应的仿真研究,验证了设计的正确性和有效性.     

短波红外全天时自主天文导航技术展望

基于2微米全天巡天（2MASS）短波红外巡天点源星表,分别从白天可探测恒星分布、天空背景辐射与大气传输、传感器性能和光学系统视场大小等方面,分析了短波红外波段相对于可见光波段,在大气层内白天观星实现全天时天文导航的优势,并展望了其发展方向。