一种实用的归一化互相关景象匹配算法

相关匹配算法是景象匹配定位系统的核心。本文提出一种用于景象匹配定位系统的相关匹配算法，称之为归一化互相关景象匹配算法，并进行了理论分析和用真实的景象数字地图进行了大量的计算机仿真试验。试验结果表明，该算法在信噪比不小于１并且实时图大小不小于１０×１０个网格的条件下，其正确匹配概率大于９７％，圆概率误差在一个景象数字地图的网格以内，满足景象匹配定位系统的要求     

一种实用的景象匹配区选择方法

从分析影响配准概率和定位精度的景象匹配区的景象信息量、稳定性和重复模式等各项特征参数出发，研究了一种简洁实用的匹配区选择方法，并给出了快速算法。仿真试验结果表明，该方法的选择速度及所选匹配区配准概率和定位精度都能令人满意。     

一种面向景象匹配的实时图加窗中值滤波算法

结合空域滤波方法中最常用的中值滤波器和邻域均值滤波器的特点，设计了一种加窗中值滤波器，并将其应用于景象匹配实时图的滤波预处理，通过仿真实验验证了该方法的有效性和在景象匹配中的实用性，可有效提高景象匹配实时图的可匹配性能。     

精确制导武器景象匹配算法方案研究

分析了景象匹配制导匹配算法选取的基本思路及常见两类匹配处的优缺点，提出了采用一定的控制策略以提高匹配效率的思想，并给出了几种匹配控制策略的设计思路。最后，分析了匹配算法实际应用的几个关键技术问题。     

惯性组合导航系统中的快速景象匹配算法研究

在景象匹配辅助导航中,特征点的选取是提高图像匹配速度、精度和鲁棒性的关键之 一。景象匹配中要求提取出的特征是那些可靠性高、辨别性强、计算量小的不变特征。提出 了基于SIFT特征的导航用快速景象匹配算法。算法首先针对惯性组合导航的工作特点, 对SIFT特征点检测及特征点匹配进行了优化设计,然后用RANSAC方法过滤掉错误匹配点,最 后,进行最小二乘精确匹配算法获取航向和位置偏差信息。实验分析了算法对不同分辨率图 像和不同区域的匹配适应性,抗噪声性能,匹配精度以及实时性,并与基于部分Hausdorff 距离的边缘特征景象匹配算法进行了对比。实验结果表明,算法的性能优越,在匹配速度、 精度和鲁棒性方面都优于部分Hausdorff距离算法,可以满足景象匹配导航系统匹配修正的 高性能要求。
     

连续景象匹配的后处理算法

下视景象匹配是各类巡航飞行器实现导航误差修正的关键技术。由于基准图和实时图存在差异，配准点往往落在相关阵的次峰上，导致匹配的失败。提出了N帧连续景象匹配决策的图论算法。该算法利用单帧匹配后形成的相关阵中的主次峰信息以及惯导的位移信息，进行多帧景象匹配的一致性决策。由于引入了相关阵中的次峰信息并结合惯导位移的一致性判断，使得匹配算法能有效剔除误匹配点，从而提高算法的鲁棒性和匹配概率。     

巡航导弹景象匹配算法适应性研究

针对景象匹配制导的需求，研究了去均值归一化、基于直方图拉伸和基于局部平滑相关匹配算法，分析了算法的适应性、计算量和实时性等，比较了每种算法的优缺点。结合巡航导弹的使用，讨论了影响匹配结果的一些基本的、可能的因素，主要是环境因素。用三种分辨率的图像作了大量的实验．针对这些算法的匹配概率及地物适应性等方面进行了编程验证和综合分析，给出了有关结论。     

小波分析及其在快速算法上的应用

小波分析是近年来国际科技界高度关注的前沿领域，是继傅立叶分析方法之后的重大突破。小波变换和小波分析是分解与重构函数或信号的新的数学工具，通过不断改变尺度将函数的奇点、信号的突变或图象的细节，逐级放大后呈现在研究者面前，犹如一台高性能的“数学”显微镜能够看清切片的细部特征结构。小波分析的应用领域十分广泛，包括数学领域本身的许多学科、信号分析、图象处理、量子力学、电子对抗、计算机识别、地震勘探数据处理、音乐与语言人工合成、计算机图形及众多非线性学科等。因此，近十几年来，小波分析成为众多领域的研究热点。     

基于BP神经网络的景象匹配算法研究

基于BP神经网络方法对景象匹配算法进行研究，以实现导弹武器系统匹配概率的提高和定位精度的改进。讨论了BP神经网络及图像的灰度不变矩和边缘不变矩，并把灰度不变矩和边缘不变矩同时作为匹配特征应用于本文BP神经网络景象匹配中。算法分析表明该算法具有很高的匹配效率。     

基于进化策略结合BP神经网络的景象匹配算法研究

基于进化策略结合BP神经网络方法对景象匹配算法进行研究，以实现导弹武器系统匹配概率的提高和定位精度的改进。提出并实现了一种高效的基于进化策略结合BP神经网络的景象匹配算法。实验表明该方法的收敛性能及学习速度优于标准BP神经网络算法，具有寻优的全局性、精确性。     

基于图像自匹配性的景象匹配区的选定淮则

定义了图像的自匹配性，并用自匹配系数作为光景象匹配区的选定准则，和以前提出的相关长度、独立像元素准则进行了分析对比，说明了这两个准则的实质，通过分析和实验得出了相对相于关匹配算法而言，自匹配系统准则效更佳的结论，对于光学景象匹配区的选择具有一定的实用价值。     

景象匹配辅助导航系统中的精确图象匹配算法研究

景象匹配辅助导航系统需要在获取飞行器位置偏差的同时获取飞行器相对预定航迹的航向偏差，即获取实测图相对于参考图之间的旋转变换参数。为此，将最小二乘原理引入景象匹配辅助导航系统以获取图象匹配时的旋转变换参数。由于最小二乘原理只能用于一一对应点集的匹配，为此，在给出实时确定图象特征点集一一对应关系方法的基础上引入了最小二乘原理以计算该图象一一对应点集之间的最优相似变换参数，从而构成了应用于景象匹配辅助导航系统的精确图象匹配算法。仿真结果表明，本文研究的精确图象匹配算法在对50个一一对应点对匹配时可以在0．1秒以内完成，且相似参数计算准确，满足了景象匹配辅助导航系统对图象匹配算法准确性和实时性的性能要求。     

基于哈特莱变换的快速图像模板匹配算法

去均值归一化模板互相关(ZNCC)是工程中应用最多的图像匹配算法,但过高的计算复杂度严重限制了其在实时系统中的应用.针对这一问题,提出了基于快速哈特莱变换的快速模板图像匹配算法,首先推导了该算法在哈特莱域的表达式,利用可分离的快速哈特莱变换对相关面进行高效率整体计算,然后在空间域对获取的相关面进行快速归一化处理和极值搜索,并通过空间换取时间和积分图的策略进一步加快算法的计算速度.对算法计算量的定量分析和仿真实验结果表明,算法计算效率高,并且可以完全重构,加速比与图像内容无关,综合性能全面优于现有算法,具有良好的工程应用前景.     

基于边缘信息的SAR与可见光景像匹配算法

SAR(合成孔径雷达 )与可见光图像由于成像机理的不同 ,直接进行基于图像灰度信息的匹配定位很难达到实际应用的要求。边缘是图像最基本的特征之一 ,文中提出一种基于边缘信息的 SAR与可见光景象匹配算法。该算法针对 SAR与可见光图像的特点 ,利用小波变换结合模糊中值加权滤波 ,取得有效的边缘信息 ,利用图像的边缘特征结合相关峰值特性分析的后处理方法进行匹配 ,并采用多分辨率分级搜索技术减少计算量。实验证明本算法匹配精度高 ,稳定性好     

基于条带的小波变换遥感图像压缩编码算法的改进

星载遥感图像压缩传输技术是星载系统的关键之一。文中介绍空间数据咨询委员会 CCSDS提出的基于条带的遥感压缩建议算法原理 (CNES) ,分析该算法的特点和压缩性能 ,对该算法中量化和熵编码部分的缺陷进行了简单的改进。实验表明 ,改进后的算法性能优于原有算法。     

基于离散分数布朗随机场模型的景象适配性分析方法

首先阐述了在自然景象的齐次平稳高斯随机场模型下进行景象适配性分析的不足；然后建立了景象的离散分数布朗随机场模型，在小波多分辨率分析的基础上提取了分形特征；接着推导了景象的分形特征与基准子图的二维相关性之间的关系，并提出了基于分形特征的景象适配性分析方法；最后通过大量仿真试验验证了分形特征和基准图的正确匹配概率之间的关系，对于景象匹配区的选择具有一定的实用价值。     

基于小波矩特征和神经网络的灰度图像识别算法研究

小波矩结合了矩特征和小波特征,既反映了图像的全局性信息,又反映了图像的局域性信息,并且具有旋转、平移和缩放不变性。文章研究了基于小波矩的灰度图像特征提取算法,并将其与BP神经网络组合,利用神经网络的强学习能力和容错性,形成一个灰度图像识别系统。仿真实验表明,在图像失真较小的情况下识别率可达到100％,较之未提取特征的神经网络识别方法而言,网络收敛速度与识别精度都有较大的提高。     

基于射线追踪的快速雷达图像仿真方法

为了解决目标识别、隐身目标设计等研究领域对雷达图像需求日益增加的问题,提出了一种基于射线追踪的快速雷达图像仿真方法。该方法利用射线追踪计算每一个射线管的散射电场及其在雷达成像平面的投影坐标,通过将所有射线管的贡献在像域进行累加得到1幅二维雷达图像。通过对不同路径射线的聚类,可实现对散射贡献的分离,从而建立目标部件与强散射源的对应关系,并对复杂目标雷达图像进行解释。给出了Slicy目标的快速雷达图像仿真与算例分析,分析结果表明:基于射线追踪的快速雷达图像仿真方法可对复杂雷达图像进行有效预测,并能对强散射源进行成因分析。     

一种基于多模分布的SAR图像分割算法

SAR图像目标、背景、阴影的不同散射机理使得这三部分具有不同的统计特性.分析SAR图像三部分统计性质分别建立统计模型,并给出了一种基于这三种模型组合的多模分布的SAR图像分割算法,对于目标分割和阴影分割分别采用不同的预处理方法,分别提出了快速Otsu分割算法分割目标和基于背景均值保留的冲击滤波算法分割阴影.分割结果表明,这种基于多模分布的SAR图像分割算法与传统的基于单模分割算法相比,能最佳地利用各部分统计特性的差异,得到准确的分割结果.