一种基于层次分析法的地磁匹配制导适配性评价方法

针对基于单一地磁场特征参数进行匹配区适配性评价易出现误判的现象,提出了一种基于层次分析法的适配性评价方法。通过对大量试验数据分析,定义了可信度的概念,分析了4种常用地磁场特征参数与匹配概率之间的可信度,发现单一特征参数不能作为适配性评价的有效依据;从分析地磁场特征参数隐含的信息入手,提出一种基于层次分析法的适配性评价方法,以实现有效评价适配性的目的;基于上述方法在选定区域进行了适配性评价实验。通过数据分析发现：利用本文提出的方法进行的适配性评价结果,与匹配仿真实验所得结果具有良好的一致性,可信度较之基于单一地磁场特征参数的适配性评价效果改善明显。
     

已知最大定位误差的点特征松弛匹配

研究了在已知最大定位误差的情况下时，如何对基本点特征松弛匹配算法进行改进，以提高匹配性能。基本思想是利用已知的最大定位误差，确定两点对的最小匹配度量，从而减小虚假特征点对匹配结果的影响。采用针对模拟图像及实际卫片航片图像对的实验，比较了两种方法的性能。结果表明，在已知最大定位误差的情况下，该改进方法比基本点特征松弛匹配算法具有更好的匹配性能。     

用于飞行器导航的边缘匹配方法研究

地图匹配制导由于具有良好的自主性而成为飞行器导航的一种重要方式。本文首先从飞行器导航的应用出发，对于可用于地图匹配制导的匹配方法的特点进行了分析；然后，提出了一种基于二值边缘新的匹配度量，并给出了基于距离变换的边缘二值图像匹配方法；通过采用航片与卫片、可见光图像与合成孔径雷达图像等所进行的大量实验，结果表明本文所提出的方法比常用的平均绝对算法和归一化互相关算法速度更快、匹配定位精度更高     

基于FBM分形向量特征的图象匹配

由于自然景物图象的灰度与边缘特征不稳定，基于灰度与边缘的匹配算法对于这一类图象难以生效。本文通过分析ＦｒａｃｔａｌＢｒｏｗｎｉａｎＭｏｔｉｏｎ（ＦＢＭ）的Ｗｅｉｅｒｓｔｒａｓｓ－Ｍａｎｄｅｌｂｒｏｔ随机分形逼近函数的频谱，给出了分形向量特征的定义和快速判别图象的ＦＢＭ区域的方法。在ＦＢＭ区域内采用该特征进行匹配能克服复杂自然景物图象中灰度与边缘特征的不稳定性。实验表明采用ＦＢＭ分形向量特征的匹配方法能够获得比较传统匹配方法，例如平均绝对差算法以及特征匹配法更高的匹配定位精度和匹配概率     

复杂仿真实验结果可信度评估方法

针对复杂仿真实验结果的可信度问题,初步提出一种评估方法。首先,建立复杂仿真实验结果可信度评估指标体系;然后,提出仿真实验可信度指标的度量方法,结合加法和乘法合成法的指标综合方法;最后,结合实例对空间填充性和正交性度量方法的适用性进行说明。该方法为复杂仿真实验结果的可信度评估提供了一种新思路,同时可以丰富仿真可信度评估体系。     

基于条件生成对抗模型的遥感卫星影像重建技术研究

为了快速侦察未知区域的地貌信息，遥感卫星可对特定区域进行扫描以获取遥感卫星影像。当卫星经过国外未知区域时，部分卫星无法针对某特定区域进行长时间的驻留扫描，本文提出一种基于条件生成对抗网络模型（Conditional Generative Adversarial Network，CGAN）进行网络训练，前期将某方法获取的区域轮廓地形信息作为CGAN网络的生成网络和鉴别网络中的条件约束信息，通过网络生成器与判别器在训练过程中互相博弈产生特定的输出集，有效地实现由单张电子轮廓图像到对应卫星遥感图像的端到端的非线性映射。本文通过原真实卫星遥感图像与生成卫星遥感图像进行四种对比误差计算，平均误差、均方误差与结构相似度均高于99%，峰值信噪比高于30 dB，生成的图像与原图像之间具备高相似度，实现了在获取坐标定位轮廓信息的先验条件下，对特定区域进行遥感卫星影像内容重建技术。     

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。     

基于域适应Faster RCNN的复杂背景目标检测

本文提出的算法实现了对复杂多变环境下目标的稳定识别,通过改进模型训练算法,有效提升了深度学习模型对不同环境条件下的目标检测准确率。同时,本文在网络域适应部分设计了类别平衡多分类判别器算法应对多种环境条件下收集样本难易度不同的问题;在RPN网络分类器及输出分类器中引入Focal Loss算法,解决不同环境条件下目标检测难易度差别较大的问题;数据集制作过程中采用局部标注策略加以辅助。实验结果表明改进后的域适应Faster RCNN算法训练出的模型不仅增强了对复杂环境条件下目标检测的鲁棒性,还明显提升了对目标在不良环境条件下的检测准确率,这给遥感任务图像中复杂地理环境背景下的目标检测方法提供了一种新的思路。     

旋转与比例不变点特征松弛匹配算法的Hopfield神经网络实现

本文在旋转与比例不变点特征松弛匹配方法的基础上，提出了用Ｈｏｐｆｉｅｌｄ神经网络实现该匹配过程的方法，通过对模拟图象进行的大量实验，得到了令人满意的结果，证实了采用Ｈｏｐｆｉｅｌｄ神经网络完成旋转与比例不变点特征松弛匹配过程的有效性和可行性。     

最佳景象匹配区选取准则研究

将几种基准图选取准则与匹配性能评价指标相结合，依据匹配性能建立基准图选取控制策略，成功地运用这种方法完成了基于相关曲面特征的最佳景象匹配区选取；通过对基准图相关曲面特征与匹配性能参数之间关系分析，建立了综合的评价准则，对不同的特征进行综合评价。实验结果表明，这是十分有效的选取方法。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

基于卷积神经网络的局部图像特征描述符算法

为提升基于图像序列三维重建的速度,解决传统局部特征描述符算法提取速度慢的问题,设计了一种基于深度学习的局部特征描述符网络。利用特征描述符网络实现对图像特征点的特征提取,结合本文采用的欧氏距离匹配准则,实现了对不同图像间特征点的匹配。算法对MVS数据集进行了验证,实验结果表明:提出的局部特征描述符算法实现了对图像特征点特征的快速准确的提取、匹配,与传统特征描述符算法相比,特征提取时间缩短了50%以上,特征点的匹配时间缩短了60%以上。相对于本算法中复杂结构的特征描述符网络,结构简单的泛化性更好,可拓展到航天领域的三维重建中。     

基于深度卷积神经网络的遥感影像目标检测

随着遥感影像数据规模的快速扩张,如何高效准确地识别遥感影像中的典型目标成为当前的研究热点。为解决传统遥感影像目标检测方法准确率低的问题,用基于深度卷积神经网络进行遥感影像目标检测,在遥感影像数据集上用基于Faster-RCNN的神经网络模型对VGG16卷积网络进行训练,对输入的遥感影像通过区域推荐网络标注出待检目标的包围框和置信度,实现对遥感影像的目标检测。以飞机和油罐为例,在TensorFlow深度学习框架下实现了数据预处理、网络训练、目标检测等功能,并在当前测试数据集上取得了较高的检测准确率和置信度。该研究成果可应用于遥感影像解译和处理等相关领域。     

一种提高景像匹配算法抗灰度畸变能力的方法

为了有效消除巡航导弹景像匹配中制导图度畸变对匹配精度的影响，在定性分析制导图灰度畸变数学误差模型的基础上，给出了图像灰度最小化的定义及实现方法，通过对制导图的灰度最小化预处理，提高了匹配算法的抗灰度畸变能力。结合经典的灰度归一化积相关景像匹配算法，分析并验证了这一处理方法的可行性及有效性。     

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Contourlet域Krawtchouk矩和改进粒子群的遥感图像匹配

为了进一步提高遥感图像匹配的精度和运算效率,提出了一种利用Contourlet变 换、Krawtchouk矩和改进粒子群的遥感图像匹配算法。在分别对参考图像和目标图像进行Co ntourlet分解的基础上,引入Krawtchouk矩来提取图像的局部特征,并利用改进的带极值扰 动的简化粒子群优化算法对低分辨率的遥感图像进行匹配操作,然后逐级上推,
最终实现全分辨率情况下遥感图像的匹配。实验结果表明,该算法与目前常用的遥感图像匹 配算法相比,不仅具有更高的匹配精度和运算效率,还有较强的鲁棒性。
     

基于地面图像和卫星图像集成的火星车定位新方法

提出了一种基于地面图像和卫星图像集成的火星车定位新方法,该方法利用由导航相机立体图像得到的火星表面的点云数据提取石块,同时对高分辨率卫星图像局部灰度统计提取石块,通过地面和卫星图像中石块分布模式的匹配,实现火星车在卫星图像中的定位,从而消除仅利用地面传感器和影像定位产生的累计误差。采用NASA勇气号火星车在多个摄站获取的地面图像以及HiRISE卫星图像进行了实验验证,结果表明这种方法在石块较多的地区能够取得很好的自动定位结果,定位误差小于HiRISE卫星图像的一个像素（0．25m）。     

基于改进Hausdorff测度和遗传算法的SAR图像与光学图像匹配

提出了一种新的基于边缘的合成孔径雷达（SAR）图像与光学图像匹配算法。在这种算法中，首先针对SAR图像低信噪比（SNR）与乘性噪声模型的固有特性提出了一种边缘特征的提取方法。在获取光学图像与SAR图像边缘图的基础上，根据Hausdorff距离具有强抗干扰能力和容错能力的特点，采用了改进的Hausdorff距离作为相似性测度。在搜索策略上，根据遗传算法的固有的并行性，采用遗传算法来加快搜索的速度。通过大量基于同一地区的光学图像与SAR图像匹配的试验结果表明，这种算法鲁棒性好，匹配精度高，计算速度快。