基于边缘与颜色信息的车牌精确定位算法

针对现有车牌定位算法定位率不高和速度慢等问题,结合数学形态学,提出了一种基于车牌边缘检测与颜色信息的精确定位算法.首先对图像进行灰度化、平滑去噪及灰度拉伸等预处理,然后对图像进行垂直边缘检测和二值化处理;再采用线过滤算法滤去干扰边缘线信息,并利用车牌区域灰度变化次数多的特性定位出车牌上下边缘;对经过上下边缘定位后的车牌采用点密度过滤算法滤去零散点,接着采用数学形态学方法寻找连通域粗定位出车牌区域;最后对粗定位车牌在HSV空间进行颜色分割和倾斜矫正,从而精确定位出车牌.实验结果表明,该算法能够实现车牌的快速精确定位.      

基于NCCO的十字图像特征亚像素定位

利用标准互相关算子(NCCO)对机器视觉领域常用的十字图像特征进行匹配运算,发现相似函数在峰值区域的分布特征为4个互相对称的双曲面.据此提出一种基于NCCO图像匹配的双曲面拟合亚像素精密定位方法:首先进行粗定位,确定整像素级的相似函数峰值点;然后使用伪逆法对峰值区域的4个卦限分别进行最小二乘拟合;最后求解4个拟合双曲面的交点,得到图像特征的亚像素定位坐标.在微装配显微视觉系统上实现了该算法并进行了实验验证.实验表明:与常用的高斯拟合或二次曲面拟合方法相比,双曲面拟合方法在定位精度上为0.25个像素,而计算量大为减少.     

基于单幅立式标靶图像的单目深度信息提取

针对在智能车中车载单目视觉系统已经检测到路面障碍物的情况下,计算障碍物相对于本车的距离问题,提出了一种仅利用单幅标靶图像且无需相机内部参数的图像深度信息提取方法．该方法利用一种放置于相机前方的立式标靶,建立图像纵坐标像素与实际成像角度之间的映射关系,结合投影几何模型实现实时深度信息的提取．依据立式标靶图像的特点,设计了包括标靶图像感兴趣区设置、模板匹配、候选点聚类、筛选及精确定位等处理的亚像素级角点检测及定位算法．实验结果显示,该方法具有较高的测量精度及实时性．相对于在路面摆放参照物的方法,该方法无需大标定场地且规避了数据拟合引起的误差．同时该方法标定只需一幅图像,过程简单,便于实际应用．      

空间目标快速轮廓特征提取与跟踪技术

为满足空间目标交会对接任务中高精度、快速的测量要求,提出了一种空间目标快速轮廓特征提取与跟踪技术。该算法首先从初始帧图像中分割定位目标所在局部区域,作为目标连续跟踪的初始值;其次基于初始帧目标局部区域完成对初始帧目标边缘特征的检测及细化处理;最后采用Hough变换完成对初始帧目标边缘的检测及细化后的局部图像轮廓直线的提取,分别选取目标轮廓四方向最优的直线参数作为最终目标轮廓直线获取的效果,并采用梯度最大法则实现两两求交获取的轮廓特征的优化提取。在目标逼近过程中,结合相邻帧图像间目标尺度动态变化的关联性,根据初始帧提取目标轮廓特征的先验信息,确定目标在第二帧图像中的轮廓位置,并依次根据上一帧图像的轮廓位置信息定位目标在当前帧所在的区域,通过局部处理实现序列图像轮廓区域特征的连续跟踪。该算法无需遍历整个图像,所需处理的目标区域大幅减小,能够有效克服由目标图像较多边缘干扰导致的轮廓提取效果差及处理速度慢的缺点,具有速度快、准确性强、稳定性高等优点。     

昆虫翅膀图像特征的亚像素级提取方法

昆虫翅脉、翅脉交点及翅膀边缘是昆虫翅膀运动变形三维重构的主要依据.通过分析这三种特征的图像特点,对于翅脉中心,采用Hessian矩阵求出灰度极值点方向,并用二次曲线拟合该方向的灰度变化,通过确定该曲线极值点位置来提取亚象素翅脉中心;然后通过求灰度图像的梯度,在其梯度变化方向求极值点的方法提取翅膀边缘特征;此外根据翅脉方向变化的连续性提出了邻域角度约束方法确定翅脉交叉点,从而最终提取到亚像素级的翅膀边缘、翅脉及交叉点等特征.实际应用证明该方法是较为有效的.     

使用深度神经网络检测Cassini ISS图像中圆盘状星体轮廓

Cassini空间探测器光学成像系统（ISS）拍摄的图像中,很多卫星呈现为面元,其轮廓检测是天体测量的重要工作.使用神经网络方法进行ISS图像中面元轮廓检测.每个ISS图像的像素分为轮廓边缘和非轮廓两类.使用神经网络框架TensorFlow,输入每个像素的9个特征,输出每个像素的分类.利用约3.6万个像素训练该网络,通过380幅ISS图像进行测试.与人工标记结果相比,轮廓像素检测的平均精确率为78.26%,平均召回率为73.32%.以检出轮廓像素作为输入,通过椭圆拟合得到面元的轮廓,所得轮廓与面元真实轮廓吻合良好.研究结果表明该方案能够有效检测出面元轮廓,进而给出假图像星的排除范围.      

基于边缘信息的灰度目标跟踪算法

提出了一种基于边缘信息的跟踪算法,其可以实现对剧烈变化的灰度目标的精确跟踪.首先,利用基于双同心圆窗口算子的非线性边缘检测算法得到高质量的边缘信息;其次,为了解决单一边缘特征空间不能充分表征目标的难题,提出了一种通过组合边缘图像构建特征空间的方法,以便为目标建模提供充分信息;再次,在构建的特征空间中使用核估计方法对目标进行建模;在目标定位阶段,利用Kalman滤波器对目标进行预估后,再由Mean Shift算法在预估位置邻近区域实现目标定位;最后,提出了一种基于形态学的动态模型更新策略,使得算法不仅可以获得精确的目标区域,还可以实现对目标尺寸和形状变化的自适应.实验结果表明,本算法不仅可以有效跟踪剧烈变化的灰度目标,而且跟踪窗口可以实现对目标尺寸和形状的自适应.      

基于相位匹配的大视场视觉检测系统

针对三维测量大量程和高精度测量问题,提出一种新型双目视觉检测系统.该系统通过向被测物投射间距可变的光栅条纹,将不同曲率的被测表面进行相位编码,由相位匹配得到被测物稠密的立体匹配点云;再由标定出的摄像机内外参数计算出被测物的精确三维坐标.为了解决传感器单元测量区域较小的问题,系统通过步进电机控制传感器移动,获取大型物体的全场三维数据点云;最后利用四元素法,实现大型物体的三维数据拼接.该系统长度测量标准差为36 μm,角度测量与坐标测量机(CMM)测量结果的相对误差0.2％.给出了某V型面三维实测的数据重建结果.对某大型特件(360 mm×300 mm)经过三维拼接正确复现了其三维形貌.该系统对于解决大型构件三维形貌的在线高精度检测问题具有较高工程应用价值.      

基于多特征融合分析的羽流烟雾区域识别

针对固体火箭发动机飞行试验中喷管排出的羽流烟雾光学信号的准确测量,应用数字图像处理技术提取羽流烟雾的静态和动态特征进行羽烟识别。为了滤除外场复杂环境对烟雾测量的干扰,设计了具有等间距的黑白条纹背景板。在黑条纹区域采用自适应的灰度阈值提取烟雾特征,在白条纹区域根据RGB和HSV颜色空间综合的方法提取烟雾特征,结合帧间差分法提取视频序列中烟雾区域的扩散边界。基于烟雾静态和动态特征综合的算法编写了烟雾处理软件,通过处理大量烟雾视频数据进行验证试验,证明羽流烟雾的识别能够有效提高光学信号测量的准确度。     

基于多特征融合分析的羽流烟雾区域识别

针对固体火箭发动机飞行试验中喷管排出的羽流烟雾光学信号的准确测量，应用数字图像处理技术提取羽流烟雾的静态和动态特征进行羽烟识别。为了滤除外场复杂环境对烟雾测量的干扰，设计了具有等间距的黑白条纹背景板。在黑条纹区域采用自适应的灰度阈值提取烟雾特征，在白条纹区域根据RGB和HSV颜色空间综合的方法提取烟雾特征，结合帧间差分法提取视频序列中烟雾区域的扩散边界。基于烟雾静态和动态特征综合的算法编写了烟雾处理软件，通过处理大量烟雾视频数据进行验证试验，证明羽流烟雾的识别能够有效提高光学信号测量的准确度。     

基于相位条纹的高精度GPS码相位测量方法

GPS接收机在测量卫星到接收机的传播距离时,通常能得到码相位和载波相位2个基本测量值。虽然载波相位测量值比码相位测量值精度高,但存在整周模糊度的问题,在实际应用中比采用码相位的技术付出的代价高很多。因此,基于相位条纹技术,提出了一种高精度的码相位测量方法。在传统码跟踪环的基础上,通过提取互功率谱相位条纹的频率,得到高精度的码相位测量值,从而组装出高精度的码伪距。仿真实验结果表明:在信噪比为-15 dB的情况下,码相位测量误差均方差约0.37 m,优于传统延迟锁定环在相同条件下约1.82 m的跟踪精度。得到了比传统码跟踪环更高的码相位测量精度的同时,不需要解算载波相位的整周模糊度,对提高GPS定位精度具有研究意义和应用价值。      

基于三维聚类的决策支持系统

根据炮兵阵地地形选取的要求,深入研究了现有的空间聚类技术和方法,构造了三维空间的结构元.提出了一个基于数学形态学的三维聚类算法,给出了空间数据挖掘过程,实现了炮阵地选取决策支持系统.该聚类算法通过闭合运算,将空间对象聚成类,一次完成三维空间聚类,可以快速处理非凸的、复杂的聚类形状.由于该算法基于数学形态学,所以易于实现其高性能并行算法.实验表明,将该算法应用于炮阵地选取决策支持系统,可以发现空间数据库中存在的潜在关系和规则,为炮兵阵地选取的计算机实现提供了一种有效的解决方案,从而可以辅助决策者做出科学的决策.      

数字化干涉仪测角技术

数字化干涉仪测角采用的是高精度数字鉴相技术，该技术与传统的模拟鉴相技术相比可以大幅度提高鉴相精度，从而满足高精度干涉仪测角的要求。基于数字干涉仪鉴相算法，通过两路正交本振信号分别与两路待测相信号相乘，使用CIC 滤波器除乘积中的高频信号，最后通过CORDIC 算法计算出相位差。经过干涉仪测角模拟器上测试结果表明，其数字鉴相误差小于0.2°。     

大尺寸交会测量系统传感器布站优化分析

为提高目标定位精度,研究了多站交会大尺寸精密测量系统中传感器布站优化方法。首先,以电子经纬仪为例创建了多站交会测量系统基于传感器误差分离的优化布站数学模型;然后,分析了测量空间内的布站约束条件并对之进行了几何近似;最后,利用郭涛算法求解带有约束的非线性规划问题,得到布站空间内传感器最佳位置组合。仿真分析结果表明,该方法能够有效提高系统测量精度,可应用于多站交会测量现场布站过程。     

BP网络实时图像自动选取算法研究

实时图像的自动选取是景像匹配自动化的关键技术.提出了一种基于神经网络的实时图像自动选取算法.仿真研究表明,引入Sobel算子的3层BP网络实时图像自动选取算法结构简单、训练时间短和分类准确性高,其并行处理能力能满足景像匹配技术的实时性要求.经最小二乘和Bayes精匹配算法检验,实时图经此网络选取、粗匹配和精匹配,可达到高于0.5像素的定位精度.     

基于同波束干涉的空间三维相对位置测量研究

针对深空探测器相对位置精确测量需求,建立了空间三维相对位置测量模型,研究了基于单基线同波束干涉测量(Same-beam VLBI,SBI)的空间三维位置最小二乘解算方法。利用"嫦娥3号"着陆器的测控天线与定向天线的SBI实测数据,验证了测量模型与解算方法的有效性。结果显示:SBI干涉时延随机误差约0.225 ps(0.07 mm);测控天线与定向天线之间距离误差约0.216 m,方向误差约30.4°。该研究结果有望应用于后续深空探测任务譬如"嫦娥5号"器间高精度相对测量中。     

基于符号化表示相似度度量的卫星多元工程参数异常检测

随着卫星系统复杂程度的日益增加,综合分析卫星多元参数之间的相关性异常对于卫星安全运行和空间任务的正确执行具有重要意义。利用某卫星工程参数数据,基于符号聚合近似算法（SAX）,研究卫星多元工程参数的异常检测问题,解决了当前异常检测方法中多元参数融合时不考虑上下文信息造成信息丢失的问题,实现多元参数有效融合,形成一种优化的基于快速动态时间规整算法（Fast-DTW）的异常检测算法。研究结果表明,模型在某卫星电源子系统的异常检测过程中,recall,precision和F1 score分别为0.947,0.9和0.923,能够实际应用于卫星异常检测,提高卫星在轨运行的安全性。     

基于混合网络的异源遥感图像变化检测

为了更加准确地进行异源遥感图像的变化检测任务,提出了一种基于混合网络的异源遥感图像变化检测算法。利用伪孪生网络提取异源遥感图像块间空间维度的变化特征,利用早期融合网络提取异源遥感图像块间光谱维度的变化特征,将2支网络提取的特征进行融合,并将融合后的变化特征输入到sigmoid层进行二分类检测。同时,在伪孪生网络中加入对比损失函数,通过优化对比损失函数,使得在特征空间中,未变化图像对的空间特征差异更小,变化图像对的空间特征差异更大,以提升网络的区分能力和收敛速度。