基于视觉显著性和卷积神经网络的机场目标快速检测

针对现有的机场目标检测算法用于大幅面遥感图像时检测速度慢、准确率低的问题,文章提出了一种基于视觉显著性和卷积神经网络相结合的高效、精确的机场目标检测方法.首先,根据机场形状特征,采用基于直线分布特征的视觉显著性检测方法提取候选区域,对机场的可能位置进行粗定位;然后,设计了一种改进的卷积神经网络分类模型判断候选区域是否为...     

应用灰度特征的行星陨石坑自主检测方法与着陆导航研究

针对陨石坑阴影不明显的行星着陆导航图像,提出了基于图像灰度值特征的陨石坑自主检测方法,通过兴趣区快速确定陨石坑边缘分布,解决了一般陨石坑检测方法对图像太阳高度角的依赖问题。利用检测出的陨石坑视线信息,采用非线性预测滤波方法估计着陆器着陆阶段的位置和姿态;鉴于视觉着陆导航对照了场景状况的高度依赖性,提出了一种利用分形理论和相邻点分级方法的天体随机地景建模方法。最后验证了所提方法的有效性。     

行星着陆动力下降段相对视觉导航方法

针对行星着陆动力下降段视觉导航自然路标匮乏的问题,提出了一种相对视觉导航方法。该方法利用相机和雷达的测量信息构建相对导航坐标系并求解随机视觉特征点在该坐标系下的位置矢量,利用求解得到的特征点为导航参考,设计相对导航系统,估计着陆器在相对导航坐标系下的位置、速度及姿态信息。同时,构建可观性矩阵,解耦分析位置和姿态的可观性。通过可观性分析可知利用相对导航坐标系下的一个随机特征点即可实现着陆器全状态可观。最后通过仿真分析着陆器状态误差,验证了可观测度理论分析及导航性能。该相对导航方法无需行星地形数据库,且可以实现着陆器全状态的高精度估计,满足行星精确软着陆的需求。     

利用瞬时频率提取雷达辐射源特征的新算法

介绍了一种新的雷达辐射源特征提取算法,该算法首先通过伪维纳分布寻找一个随时间变化的最佳窗,基于该窗精确估计信号的瞬时频率,从瞬时频率估计中,可以识别出相位编码信号,然后对于不同的编码类型,利用所估计的瞬时频率,提取瞬时频率的自相关的主瓣峰值和最大旁瓣值的比值作为识别特征.仿真实验证明该算法提取的特征值可有效识别不同体制的雷达信号.     

基于卡尔曼滤波的遥测数据野值剔除方法

为剔除遥测数据中野值并降低背景噪声干扰,文章提出了一种基于卡尔曼滤波的遥测数据野值剔除方法.该方法在对遥测数据进行卡尔曼滤波过程中,首先根据卡尔曼信息特征构建能够反映野值的判别因子,其次利用莱特准则分析判别因子特征,实现对野值的准确判别,而后利用该判别因子推导野值点处观测值,最后利用该观测值对卡尔曼滤波过程中预测值进行...     

基于预处理和后处理的高倍静止图像压缩方法

文中提出一种基于图像预处理和解压图像后处理的高倍静止图像压缩方法。该方法不改变原来的压缩算法 ,在原有压缩方法的编码前对图像进行预处理 ,通过有目的的舍弃掉一部分数据 ,来降低压缩编码的复杂度 ,提高编码效率 ,同时在很大程度上减小了硬件实现时所需的存储量。在解码端首先恢复出保留的数据 ,然后利用子带外推的方法恢复丢掉的数据 ,最后重建图像。以 L ZC编码方法为例 ,试验结果表明 ,子带外推方法的重构图像比直接进行高倍压缩恢复的图像质量在视觉上和峰值信噪比上都有一定的改善     

基于二维独立均匀分布对抗自编码的模式识别研究

标准对抗自编码模型能够以自监督方式自适应提取输入样本的特征,并通过对抗机制对提取的特征施加特定的先验分布,从该先验分布进行采样输入解码器,则可生成与输入样本近似的样本。但在实际应用中,有时需要生成指定类别的样本;对于模式识别任务,通常还需要对多类别样本的特征进行提取,并强化特征间差异,从而进行聚类分析。针对上述需求,本文提出基于二维独立均匀分布对抗自编码的分析模型。在该模型中,根据类别信息构建二维均匀分布,便于对不同类别的可视化特征进行专属约束,从而强化不同类别特征间的差异;此外,通过自监督与对抗训练,使得对应特定类别信息的均匀分布样本能够生成指定类别的样本。方法经网络公开数据MNIST数据集进行了验证,研究表明,该方法能够利用与类别信息相关的二维独立均匀分布对隐变量进行约束,提高了特征聚类性能,并能够生成指定类别的样本。     

行星际互联网中基于Raptor码的分布式存储策略

针对行星际互联网节点存储资源严重受限及存储可靠性问题,提出一种基于Raptor码的分布式存储策略(DSSR)。采用定向随机漫步机制,使得源数据包能够迅速遍历整个网络。在预编码阶段利用基于ID的估计方法进行网络全局信息估计,无需额外的全局信息估计阶段。通过设计合理的数据包选择机制使得最终编码度分布趋于理想度分布。分析和仿真结果表明,与相关文献提出的分布式存储策略相比,该方法大幅度减少了数据包传输时的随机漫步步长,同时提高了译码性能,简单易行。     

SAR图像强回波目标检测的偏态分布方差方法

对复杂背景下的SAR图像强回波目标检测问题进行了研究,提出了基于偏态分布方差的自适应检测算法。首先设计一种新的基于偏态分布模型的方差滤波器,偏态分布方差滤波器可减少相干斑噪声对检测的不良影响,提高图像方差的差异性,即强目标回波边缘灰度方差相对于强目标回波灰度方差、背景杂波灰度方差更小。其次,算法改进了根据图像复杂度自动选取阈值方法,通过自适应检测小方差像素,实现强回波目标检测。仿真结果说明该算法能够对SAR图像强回波目标较快地进行准确检测。相比方差特征法(VAR)和扩展分形特征法(EF)在检测速度与虚警率方面均具有较大的优越性。     

珠海一号高光谱影像云检测算法

珠海一号高光谱卫星具有高空间、高光谱、高时间分辨率等特点,有效推动了高光谱遥感数据在农林环境、自然资源探测等领域的广泛应用,其中高精准的云检测是遥感数据预处理的关键步骤。如何对高光谱图像有效特征提取并克服传统云检测方法特征复杂、算法参数多、计算量大、鲁棒性差等缺陷,是高光谱云检测研究的关键问题。为此,提出了一种多尺度特征融合的U型结构网络,模型首先利用残差模块进行特征编码,并将编码进行多尺度融合,在网络的跳跃连接处引入了坐标注意力机制提取有用信息,最后通过残差解码得到输出结果。实验前首先利用主成分分析降维,将高光谱数据重构为4维影像数据,然后通过数据标注与数据增强,建立珠海一号高光谱影像云检测数据集。采用了38-Cloud云数据集训练初始网络参数,随后利用构建的数据集进行迁移学习。实验结果表明,对于所建立的珠海一号高光谱云检测数据集,所提方法的像素准确率达到92.28%,可以实现高精度的高光谱遥感影像云检测。     

一种从月面图像检测陨石坑的方法

随着我国月球探测计划的开展,基于视觉的探测器月球表面软着陆的相关技术研究正在进行,陨石坑是月球表面最常见的物体.基于图像的陨石坑识别技术作为探测器自主障碍检测中的一项关键技术,引起了各航天大国的高度重视.提出了一种基于特征点的陨石坑检测算法.该方法可以分为三个部分:特征点检测、陨石坑区域初选、陨石坑拟合.首先通过特征点检测初步确定陨石坑所在区域,然后通过区域生长的方法分别提取陨石坑亮、暗两区域,最后通过椭圆拟合的方式获得陨石坑所在椭圆.实验研究表明,该算法可以有效地检测出半径小于15个像素大于5个像素,有较强明暗对比的陨石坑.在结束语中,作者提出了未来该算法改进的四个方向.     

GEO非合作目标超近距相对位姿视觉测量

提出一种基于几何特征综合匹配的双目超近距相对位姿视觉测量方法。首先,将失效卫星的矩形太阳帆板作为几何特征,采用综合匹配方法实现了双目图像的高精度匹配,随后基于几何特征指标参数判别和ROI检测方法,实现了卫星太阳帆板特征点组的识别与提取,在此基础上,进一步建立了目标坐标系,通过三维重建完成了超近距阶段失效卫星的相对位姿高精度解算。最后建立了高精度双目视觉超近距相对测量实验系统,结合所提出的综合匹配算法和相对位姿解算方法,完成了动态非合作目标的相对位姿测量实验,实验结果说明所提出的方法具有较好的实时性和较高的精度。     

基于卷积神经网络技术的直升机旋翼谱识别方法

针对直升机雷达回波在时频二维分布图上的分布特性,提出一种基于卷积神经网络技术的直升机旋翼谱识别方法,实现了直升机旋翼谱与其他类型目标的区分,从而有效识别直升机。当雷达工作在低重复频率(LPRF)时,直升机旋翼回波在时频分布图上呈现明显的扩展特征。通过仿真与实测数据分析,表明该特征与其他目标回波在频率维分布特性存在较大差异。利用卷积神经网络中的卷积核技术,将实测数据与卷积核矩阵进行二维卷积运算,依据输出矩阵实现了直升机旋翼谱的识别。利用实际采集的直升机回波数据进行验证,证明该方法是有效的,可应用于各种采用脉冲多普勒工作体制的雷达系统。     

一种实现图像感兴趣区域嵌入式编码的改进算法

对图像感兴趣区域ROI(Region of Interest)的支持是新一代静止图像压缩标准JPEG2000的一项重要功能。文章利用嵌入式编码理论,针对零树小波编码EZW(Embed-ded Zerotree Wavelet Coding)算法的效率不足提出了一种改进方法。通过基于对EZW方法的适当改进并用于ROI编码,实现了图像感兴趣区域的高品质重建,进一步降低了编、解码复杂度和存储的空间,并提高了编码的效率。     

基于多结构元素的遥感图像去噪及边缘检测方法

边缘检测是遥感图像处理的一个重要方面。利用数学形态学原理，提出了一种基于多结构元素的遥感图像边缘检测方法。首先采用基于视觉模型的边缘阈值得到灰度突变像素点，然后利用几种具有代表性的结构元素对这些像素点进行形态学腐蚀操作以区分真实像点和噪声点，将噪声点去除并通过伪中值滤波填补像素值，最后得到图像边缘。实验结果表明，该算法能够在保持图像边缘细节的前提下，很好地滤除图像中的孤立噪声点，在检测精度和抗噪声性能方面都优于传统的形态学算法。     

基于深度学习的空间站舱内服务机器人视觉跟踪

为提升舱内跟随服务机器人的任务辅助能力,解决机器人对航天员的视觉跟踪问题,提出了一种基于深度学习和概率模型的人体视觉跟踪算法。利用深度卷积神经网络实现了对穿着多样、姿态任意人体的稳定检测。结合人体检测结果,设计了运动预测概率模型,实现了对指定人员准确、连续的跟踪。算法对包含大多数航天员活动的多个数据集进行了验证。实验结果表明:提出的跟踪算法实现了对穿着多样、姿态任意人体的稳定跟踪,并有效避免了由于穿着相似、遮挡可能造成的误跟踪问题。该算法为空间站舱内跟随服务机器人对航天员的视觉跟踪提供了有效的解决方法。算法基于融合的RGB-D图像,工程上易于构建和实现,也可拓展到其他跟随服务机器人视觉跟踪任务中。     

双目视觉导航信息的可观测性分析

本文针对飞行器相对导航中双目视觉测量系统的可观测性问题进行了研究。推导了系统估计的Fisher信息矩阵,提出利用Fisher信息矩阵的秩分析来判断双目视觉导航信息观测性的方法,研究了特征点个数及分布与Fisher信息矩阵秩及相应系统可观测性的关系,得出至少2个特征点能满足双目视觉测量系统完全可观测的结论。结合测量方程的不同,分析比较了在相同特征点个数情况下单目视觉与双目视觉测量系统可观测性的优劣,最后,通过单幅图片位置和姿态确定数值仿真,验证了基于Fisher信息矩阵的双目视觉系统可观测性分析结论的正确性。     

基于人工标识点的姿态测量

姿态测量在众多领域中都有重要应用。本文提出一种基于单目视觉系统测量目标姿态的方法。利用红外LED作为目标特征点,解算特征点在物体坐标系下和摄像机坐标系下的坐标,通过POSIT算法,求得目标物体的姿态。该方法原理正确,操作简单,能得到精度较高的测量结果。     

航天器交会对接中测量靶标的两种设计方法

根据旋转、平移和缩放不变性、易于探测与高精度定位等原则设计出了两种用于航天器交会对接视觉测量的编码靶标。一种为圆形编码靶标,使用二进制相对编码的方法对靶标进行编码和解码。另一种为圆环形编码靶标,是一种具有坐标系的绝对编码,通过模版匹配实现解码。在不同条件下进行了实验,两种编码靶标都能被准确地识别。实验结果证明两种靶标具有很好的抗干扰性和稳定性,能够适应交会对接视觉测量的要求。     

基于贝叶斯估计的特征事件判别方法研究

针对利用遥测指令参数进行特征事件自动判别时,现有方法忽略了数据源之间相互印证的条件,仅依据测量值相同来判别特征事件的发生时间,存在一定的误判概率,提出了一种基于贝叶斯估计的特征事件判别方法。方法不仅利用了当前数据源的测量值,同时还兼顾特征事件固有的先验分布信息,能够有效提高自动判别的准确率。首先,通过对特征事件数据源的内涵进行分析,得出了不同数据源相互印证的条件;其次,通过对历史数据进行统计分析,建立了特征事件发生时间的正态分布概率模型,并以此为基础提出了基于贝叶斯最大后验估计算法,设计了完整的特征事件判别方法;最后,通过工程数据的仿真计算和结果分析,验证了方法在特征事件判别中的实用性和有效性。