一种基于方差的自适应火星图像阈值选取算法

在基于光学成像的深空探测自主导航中,图像边缘处理直接影响视线矢量的提取,从而对自主导航的精度产生较大影响。传统的Otsu算法更侧重同区域灰度的均匀性,适用于图像中目标区域和背景区域面积相差不大的情况,因此在自主导航初始阶段,导航精度较低。根据深空探测巡航段拍摄到的火星图像的特点,基于已有火星探测任务的实拍图像,在Otsu算法的基础上,重新设计准则函数,提出了一种基于方差的火星图像阈值自适应选取算法。该算法将灰度值高于待定阈值的区域的方差表示为待定阈值的函数,以函数一阶微分的最大值对应的灰度值作为最优阈值。该方法具有计算量小、图像分割精确的优点。仿真结果表明,相较于传统的Otsu算法,通过该算法得到的图像阈值能够实现更高的视线矢量提取精度及自主导航精度。     

复杂动态场景下目标检测与分割算法

在动态场景等复杂条件下,往往难以对序列图像目标进行准确的检测与分割。根据序列图像中目标在复杂条件下的成像特点,提出了一种基于融合尺度不变特征变换(SIFT)流特征显著模型的动态场景目标检测与分割算法。通过对SIFT流算法表示运动特征信息的优势进行分析,并结合图像国际照明协会(CIE)Lab颜色空间的颜色和亮度特征信息,建立四维特征向量空间。利用改进的多尺度中心-环绕对比方法生成各特征通道的显著图并进行线性融合,建立序列图像的动态场景目标显著模型。最后利用均值漂移聚类算法和形态学处理实现对检测目标的精确分割。实验结果表明,相比传统检测与分割算法,该算法在动态背景与航拍等复杂场景下能够分割出更为完整的目标区域,具有良好的鲁棒性和高分割精度。      

基于GCF-SB视觉注意模型的红外目标检测算法

针对复杂背景、低对比度条件下的红外目标检测,提出了一种基于灰度对比度特征 相似性贝叶斯(GCF SB)模型的红外显著性目标检测算法.建立了一种灰度对比度特征(GCF)模型,该模型利用两个通道分别提取红外图像的灰度特征和对比度特征,然后通过特征融合获得初级显著图;建立了一种基于相似性的贝叶斯(SB)模型,该模型根据初级特征图分别计算目标和背景的先验概率和似然函数,然后利用贝叶斯公式获得最终显著图,进而实现红外图像的显著性目标检测.实验结果表明,所提出算法能够有效抑制复杂背景、低对比度红外图像的噪声,增强对比度,具有较高的检测精度和鲁棒性.     

基于邻接表的分水岭变换快速区域合并算法

针对图像分水岭变换存在的过分割问题,提出了一种快速区域合并算法.该算法先对梯度图像进行Lee滤波以降低分水岭变换的过分割程度,在传统分水岭变换初步分割的基础上,利用区域邻接图(RAG, Region Adjacency Graph)的邻接表数据结构描述过分割区域之间的关系,采用分级阈值合并的方式完成区域合并,以降低合并计算的复杂度.合并过程中,将基于区域相对边界强度和边界长度的相似度度量准则与传统的区域灰度均值差异度准则相结合,构成新的区域可合并度综合评价函数,以保证区域合并准确可靠.实验结果表明,与传统的分水岭变换区域合并算法相比,该算法有效地提高了区域合并的准确性,并大幅提升了运算速度.      

遥感图像的显著-概要特征提取与目标检测

针对巨幅遥感图像的目标检测问题,提出了一种基于显著-概要特征的遥感图像自动目标检测算法.采用滑动窗口将巨幅遥感图像划分为若干个小尺度的区域,针对各个小尺度分块图像,借鉴人类视觉生理功能特性之原理,提取其显著特征和概要特征,其中的显著特征代表了图像中的显著信息及显著区域空间分布和关联信息,概要特征可从整体上反映该区域的背景/目标关联信息.通过对分块区域图像的分类鉴别以实现目标检测.实验结果表明:此方法能以高可靠性和高精确度检测出巨幅遥感图像中的目标.     

Moving object detection using color distribution motion enhancement and comparison

为检测无人机视频中的地面运动目标,提出了一种运动和颜色信息相结合的算法,采用前向运动历史图像来增强独立运动信息和抑制背景噪声,确保完整分割出候选运动区域;提出一种迭代的、基于局部颜色分布比对的方法,去除候选区域中的背景像素,以更准确地提取单个运动目标,算法不仅节约了计算量,还有效降低了误检和漏检的可能性．多组无人机视频的实验结果表明了所提算法的高效性和鲁棒性。     

基于分割途径的SAR单视图像斑点噪声抑制方法

在图像分割思想的基础上,结合合成孔径雷达(SAR)图像的区域特征,利用恒虚警率边沿检测技术将分割区域最大化,并在分割区域内根据SAR图像特性进行优化滤波,得到了一种基于图像分割的单视SAR图像降斑方法.其中,边沿检测和区域分割在多视图像中进行,保证了检测和分割的有效性.计算机仿真结果证明了该方法的优越性.      

基于运动增强和颜色分布比对的运动目标检测

为检测无人机视频中的地面运动目标,提出了一种运动和颜色信息相结合的算法.采用前向运动历史图像来增强独立运动信息和抑制背景噪声,确保完整分割出候选运动区域; 提出一种迭代的、基于局部颜色分布比对的方法,去除候选区域中的背景像素,以更准确地提取单个运动目标.算法不仅节约了计算量,还有效降低了误检和漏检的可能性.多组无人机视频的实验结果表明了所提算法的高效性和鲁棒性.     

一种新的遥感影像清晰度评价方法

针对传统清晰度评价算法很难准确评价遥感卫星影像清晰度的问题,结合工程应用及遥感影像特点提出了一种新的遥感图像清晰度评价算法--自检测灰度梯度函数清晰度评价算法。把评价过程分为目标区域检测和清晰度特征参量提取,为解决遥感影像数据量大且景物密度与分布特点各异的问题,首先通过检测算子对一幅遥感影像中各区域进行检测来得到景物丰富且边缘明显的目标区域,然后再对目标区域进行灰度预处理并提取目标区域的边缘灰度梯度来评价清晰度。通过三组不同类型影像对该算法进行验证,分别为遥感相机在轨离焦仿真影像和噪声仿真影像,以及在轨型号遥感卫星影像,对比几种传统典型清晰度评价算法和自检测灰度梯度函数的评价效能,结果表明：文中方法满足遥感影像清晰度评价的基本要求,解决了传统算法无法横向比较不同遥感相机影像及不同大小影像清晰度的问题,是一种适合卫星遥感影像清晰度评价的方法。     

？abry—Perot测风干涉仪数据处理

针对自主研制的星载法布里一珀罗干涉仪（Fabry—Perot Interferometer,FPI）样机,介绍了Fabry—Perot（F—P）的测风原理和风速反演算法,阐述了F—P测风干涉数据的自动化处理方法,包括干涉条纹图像滤波、分割、细化和特征数据的提取．滤波包括中值滤波和背景补偿,分割采用区域平均灰度值阈值法,借助数学形态学计算填充和消除二值化条纹的断裂点和毛刺．最后,按照骨架提取思想细化成干涉条纹线条,提取其特征数据．应用VC＋＋编程语言开发软件平台,对上述F—P测风仪数据自动化处理方法进行了验证,结果表明其可行性高、适应性强．     

基于目标特性的航天器太阳光压面积计算方法

太阳光压是影响深空探测航天器轨道确定与预报精度最主要的摄动力.针对实际任务需求,采用了一种基于目标特性的光压面积建模与计算方法,根据航天器形状、尺寸、表面材料以及材料光学特性等信息,实现了分析型光压模型的建立与求解,提高了计算效率和精度,可快速计算目标在光照方向上的光压面积、投影面积以及光压比例因子等参数.通过长方体光压面积理论值与仿真值的对比,验证了该方法的准确性和有效性.针对复杂结构探测器开展了光压面积计算,可为深空探测航天器精密定轨中的光压模型解算、定轨及预报提供参考.      

一种频率步进雷达目标径向速度估计方法

为补偿目标径向速度对频率步进雷达合成距离像的影响,提出了一种目标径向速度估计方法.经公式推导证明频率步进雷达相邻两个脉组回波的归一化采样序列的互相关函数是一复正弦序列,该序列的频率与目标径向速度有确定的对应关系.通过快速傅里叶变换(FFT,Fast Fourier Transform)可获得序列频率,从而估计出目标径向速度.该方法可估计的速度范围仅取决于系统带宽和脉冲重复周期,并且由于理论估计精度可通过FFT点数调整,在需要非常高估计精度的场合可以大幅降低计算量.计算机仿真结果表明该方法对目标径向速度估计准确,同时具有较好的抗噪声性能.     

一种CCD星图星点快速定位算法

大尺寸CCD星图快速处理是制约天基光学观测器件性能的关键因素之一,在星敏感器、空间监视载荷等研制中具有重要意义.通过对CCD星图图像特点的分析,提出了以最大概率实现背景噪声滤除的星图预处理准则;在此基础上,提出了通过两次投影检测实现星点位置测量的算法.与传统方法相比,该算法实现简单,节约了计算量和存储量.对分辨率为2048×2048的CCD实拍星图的实验研究表明了该算法的有效性.      

调频引信粗糙面目标与干扰信号识别

为有效识别调频（FM）引信地面目标回波信号和数字射频存储（DRFM）转发式干扰信号,提出了一种对地调频引信粗糙面目标与干扰信号识别方法。建立了对地调频引信粗糙面差频信号模型,利用二维距离-速度提取方法提取其差频频率和多普勒频率,采用差频频率峰值带宽和多普勒频率峰值带宽2个特征量识别地面目标回波信号和DRFM转发式干扰信号,并使用蒙特卡罗仿真和非参数假设统计检验对其进行了验证。结果表明:差频频率峰值带宽和多普勒频率峰值带宽的展宽幅度与引信天线照射范围内粗糙面的大小呈正相关,多普勒频率峰值带宽的展宽与载频成正比,利用峰值带宽特性可有效区分粗糙面目标回波信号和DRFM转发式干扰信号。      

基于Hybrid-TOPS的星载SAR运动目标监视新模式

针对传统星载合成孔径雷达(SAR)模式下运动目标测速范围有限、精度低等问题,本文提出了一种基于Hybrid-TOPS的星载SAR运动目标监视新模式。首先,利用混合度因子对星载SAR成像模式进行定量化的描述。在此基础上,通过TOPS模式与逆TOPS模式的组合提出一种运动目标监视新模式,该模式不仅能实现对同一区域的多次观测,且具有方位向连续观测的能力。然后,利用新模式所获取的不同方位向观测角度下的SAR序贯图像,再结合图像配准和基于新模式的运动目标参数反演即完成目标方位向速度信息的精确提取。最后,仿真验证了新模式的有效性与运动信息提取的精确性。      

Motion prediction of a non-cooperative space target

Capturing a non-cooperative space target is a tremendously challenging research topic. Effective acquisition of motion information of the space target is the premise to realize target capture. In this paper, motion prediction of a free-floating non-cooperative target in space is studied and a motion prediction algorithm is proposed. In order to predict the motion of the free-floating non-cooperative target, dynamic parameters of the target must be firstly identified (estimated), such as inertia, angular momentum and kinetic energy and so on; then the predicted motion of the target can be acquired by substituting these identified parameters into the Euler’s equations of the target. Accurate prediction needs precise identification. This paper presents an effective method to identify these dynamic parameters of a free-floating non-cooperative target. This method is based on two steps, (1) the rough estimation of the parameters is computed using the motion observation data to the target, and (2) the best estimation of the parameters is found by an optimization method. In the optimization problem, the objective function is based on the difference between the observed and the predicted motion, and the interior-point method (IPM) is chosen as the optimization algorithm, which starts at the rough estimate obtained in the first step and finds a global minimum to the objective function with the guidance of objective function’s gradient. So the speed of IPM searching for the global minimum is fast, and an accurate identification can be obtained in time. The numerical results show that the proposed motion prediction algorithm is able to predict the motion of the target.     

基于RS-CRITIC的空战目标威胁评估

针对不确定信息下的空战目标威胁评估问题,提出了一种基于粗糙集（RS）理论和指标重要性相关（CRITIC）法的目标威胁评估模型。首先,通过CRITIC法确定准确信息下的目标威胁值,利用数据挖掘（MD）启发式算法求解最佳分割集合,将目标威胁值离散化处理后替代粗糙集决策信息系统中的决策属性。其次,基于构建的完备粗糙集决策信息系统,通过决策矩阵实现属性约简和目标威胁评估最小决策规则提取。最后,将规则应用于不确定信息下的目标威胁评估。仿真结果表明:所提模型能够实现信息缺失下的目标威胁评估,减少了主观因素和先验知识的影响,扩展了粗糙集理论应用范围。      

OpenGL在红外辐射计算中的应用

提出一种将OpenGL应用在目标红外辐射特性计算中,从而实现目标红外辐射特性可视化计算的方法.由于OpenGL可用于构造三维模型,进行三维图形交互软件的开发;因而将其引入红外辐射特性计算中可解决复杂目标计算问题,而且图形硬件的消隐能力避免了遮挡计算并使计算以所见即所得的方式实现可视化.针对目标红外辐射特性中的自身辐射和目标对太阳光的反射部分,分别运用光照模型中发射光和漫反射的特性,以像素的颜色获取温度参数和法矢从而实现可视化计算.用一个简单标准体模型进行验证,计算结果表明了该方法的有效性和可行性.     

基于改进GRA-TOPSIS的空战威胁评估

针对在确定空战威胁评估指标权重时，未考虑指标间的耦合性以及客观赋权法不能从逻辑视角体现指标相对评价对象真正的重要程度的问题，提出了一种基于灰色关联度、灰色关联深度的极大熵模型初步确定权值，再根据指标间灰色关联度以及确定的解耦阈值修正权值的方法。为了克服灰色关联分析法（GRA）和理想点接近法（TOPSIS）的缺点，提出了一种基于GRA-TOPSIS的目标威胁评估方法。首先，通过实例对比分析了指标采用数学模型与模糊处理后，对目标威胁评估结果的影响；其次，对比分析了采用GRA、TOPSIS以及GRA-TOPSIS、数学模型得出的目标威胁评估结果；最后，考虑不同决策者的主观偏好，得出不同的目标威胁评估结果。通过仿真验证了所提方法的有效性以及科学性。