排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
在大量航空航天遥感图像中,快速发现和统计飞机目标并对其进行准确定位,在军事和民用方面均具有重要意义。结合遥感图像特点,针对飞机目标的特征,文章设计了一种基于层次化的分类器的遥感图像飞机目标检测方法。首先用基于哈尔（Haar）特征的底层AdaBoost分类器快速去除大部分非目标区域;然后用基于梯度方向直方图（Histogram of Oriented Gradient,HOG）特征的顶层支持向量机（Support Vector Machine,SVM）分类器进行精细检测。在分辨率为1m的遥感图像数据集上的实验结果表明,层次化分类器在保证较高检测率的前提下,大大降低了虚警率,可以有效解决遥感图像飞机检测问题。 相似文献
针对航天器相对姿态估计问题,提出了一种用于单目视觉成像系统的姿态估计方法。在传统核回归方法的基础上,采用训练数据在姿态空间的相似性对视觉输入（图像特征）空间的核函数进行加权,从而学习得到输入变量（图像特征）与目标变量（姿态）的联合概率分布函数,称为接受函数。对于包含未知姿态航天器的图像,通过求取接受函数在姿态空间的最大值,得到目标航天器的姿态估计值。该方法仅需要训练数据学习模型,较其他基于视觉的方法限制更少.对比实验结果证明了该方法在姿态估计方面的优越性,卫星数据集上的实验结果验证了该方法用于航天器姿态估计的有效性。 相似文献
3.
4.
基于序列图像的空间目标三维重建 总被引：1，自引：1，他引：0
空间目标三维重建对空间态势感知和理论研究具有重要意义。针对空间目标图像存在的由纹理重复导致的错误重建问题,提出了一种新的基于运动信息恢复三维场景结构策略。该策略将序列目标图像的成像时间顺序作为先验信息,顺序地加入新图像进行迭代,以避免因目标结构对称、纹理重复所导致的重建错误。同时针对空间目标成像数据匮乏的问题,进行了空间目标图像仿真,并开展了空间目标地面模拟成像实验研究。结果表明:运动分析结果精确,对噪声有较强的鲁棒性,恢复出的目标三维点云能在一定程度上表达目标的结构信息。同时给出了进行空间目标三维重建时图像序列应满足的边界条件。 相似文献
1