一种多波段组合的孤立噪声去除方法

首次提出了一种多波段组合的孤立噪声去除方法.文章在对图像进行中值滤波处理之前,先进行门限法的孤立噪声初步定位,设定孤立噪声为候选点;然后结合多波段图像数据对候选孤立噪声进行最终定位,只有当像元判断为真实的孤立噪声时,进行中值滤波处理;最后以中国一颗传输型卫星图像为例,检验了算法的有效性.     

基于鲁棒估计的捕获段面目标图像处理

深空探测捕获段导航图像为含轮廓面目标图像,目标质心与光心并不重合,传统加权质心方法无法有效提取目标视线。文章通过最小平方中值法对提取的面目标导航图像真实边缘轮廓进行椭圆鲁棒拟合,该方法能够有效估计出目标中心视线,同时能够抑制由于目标表面坑洞等纹理特征引起的误差,对伪边缘、拍摄噪声均不敏感。最后,通过大量仿真与真实图像处理,对算法进行验证。结果表明,用文中方法估计的目标中心投影点坐标精度优于0.1个像素,视线误差优于1×10-4rad,方法具有极高的鲁棒性,对捕获段图像处理有一定的参考价值。     

跟瞄激光雷达扫描图像的实时滤波算法

为实现跟瞄激光雷达的高精度实时跟瞄,对雷达三维信息实时滤波算法进行了研究。对方位信息,用卡尔曼滤波算法滤波,在保证实时性的同时获得了较好的滤波效果;对距离信息,用去边缘点3×3小窗口中值滤波算法,实现了对距离信息的准实时性滤波。研究表明:该信息处理滤波算法既有优良的滤波性能,又能保证实时性,可提高测角和测距精度,改善整机的实时跟踪性能。     

探测器图像中值滤波算法的FPGA设计与实现

为解决上位机软件进行中值滤波算法对安检图像预处理速度有限问题,针对探测器的数据发送方式,利用现场可编程门阵列(FPGA)的并行处理能力,对中值滤波算法进行流水线设计,并通过硬件描述语言Verilog进行设计实现。实验证明,改进的算法在处理速度上比传统的冒泡算法提高了70%左右。     

复杂背景中红外弱小目标检测技术研究

对复杂背景中红外弱小目标检测识别的一种图像处理技术进行了研究。用最大中值滤波进行预处理以抑制孤立噪声影响,采用时域方差滤波抑制背景信息,对滤波后的图像根据直方图信息进行自适应二值化处理,由多帧轨迹确定目标。用实验与基于形态学算子滤波的目标检测算法进行了比较,结果表明该算法能获得较满意的目标检测结果,两种滤波方法的组合可有效提高信噪比。     

一种新的非线性干涉SAR噪声抑制方法

现有的常用于干涉SAR相位图噪声抑制的非线性滤波法主要有模糊中值滤波和模数滤波，这两种方法都会引起比较大的图像边缘模糊，从而降低后续处理的精度。邻域平均法是一种非常经典的图像降噪方法，它具有较好的边缘保持特性。论文结合干涉SAR相位图的特性，改进了邻域平均法的邻域甲均值计算公式，有选择地利用邻域平均值代替当前像素点的值，提出了一种适用于干涉SAR相位图降噪的新的非线性滤波方法一条件邻域平均法，它具有更好的边缘保持特性。在理论分析和比较条件邻域平均法与模糊中值滤波和模数滤波方法的基础上，采用ERS1／2干涉SAR数据对论文提出的方法和所作的分析进行了验证。     

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。     

SAR降斑中一种改进的结构检测算法

本文对Lopes等人提出的利用变化系数和比值算子的结构检测算法进行了详细分析，指出在滤波窗口中存在多个结构特征或者线结构的宽度大于一个象素的情况下，原算法可能产生窗口结构检测的错误。文中针对这两个问题进行了相应的改进，提出了一种改进的结构检测算法。通过将改进后的算法应用于实际的SAR（合成孔径雷达）图像数据，验证了对原算法改进的有效性。     

神经网络修正的速度约束辅助车载SINS定位算法

对于车载全球导航卫星系统(GNSS)/捷联惯性导航系统(SINS)组合导航系统,针对GNSS失效而SINS单独工作时仅使用速度约束辅助SINS其纵向位置误差逐渐发散的问题,提出一种神经网络修正的速度约束辅助车载SINS定位算法。通过径向基函数(RBF)神经网络预测SINS纵向位置误差修正系数,以提高SINS单独工作时的定位精度;此外,提出一种限定记忆指数加权实时估计量测噪声的自适应滤波算法。在人为设置GNSS失效以及真实隧道场景下进行车载试验,结果表明本文算法能够在不停车情况下在线修正SINS纵向位置误差,相比于速度约束与卡尔曼滤波相结合的常规算法,有效地提高了GNSS失效时的车载SINS定位精度。     

一种基于Kalman滤波的跟踪控制方法

为了降低无线电测控系统跟踪过程中随机误差分量的影响,提高伺服分系统跟踪精度,提出一种基于Kalman滤波的跟踪控制方法,将Kalman滤波器估计得到的目标角位置与天线实时角位置之间的角误差作为伺服分系统位置环路输入,驱动天线跟踪目标。对基于"当前"模型的Kalman滤波算法进行改进,利用UD因式分解和野值剔除算法防止Kalman滤波过程的不稳定。仿真和实测结果表明,改进的Kalman滤波算法具有很好的数值稳定性,基于Kalman滤波的跟踪控制方法具有较高的静态跟踪精度。     

一种对斑点目标高精度质心跟踪方法

本文介绍一种对运动的斑点目标灰度质心进行高精度跟踪的方法。通过对图象序列中目标质心位置和帧间位移量的测量误差分析，提出了改进的滤波模型，有效地抑制了图象灰度噪声和空间量化误差的影响，提高了斑点目标跟踪精度。     

基于自适应滤波的光谱畸变误差抑制方法

为降低天文光谱畸变误差对多普勒测速导航精度的影响,设计结合非线性Sage-Husa噪声估计器及抗差扩展卡尔曼滤波器(Robust Extend Kalman Filter,REKF)的自适应滤波算法。当系统模型可靠时,抗差滤波能够通过预测残差判断异常量测并降低其权重;当系统模型噪声先验信息不准确时,通过Sage-Husa噪声估计器估计系统噪声协方差阵Q阵,以保证抗差滤波的效果。此外,结合多普勒测速导航及X射线脉冲星导航进行组合导航,以提高位置估计精度。仿真结果表明,该算法能够在系统模型噪声先验信息不准确的情况下有效控制光谱畸变造成的量测误差对导航精度的影响。     

基于星敏感器四元数的卫星角速度预测滤波算法

为在无陀螺或陀螺故障时可用星敏感器估计姿态角速度，在扩展卡尔曼滤波（EKF）和非线性预测滤波的基础上提出了基于四元数的卫星角速度估计算法，并给出了相应的模型。该算法对角速度建模精度的要求较低，无需卫星动力学方程，方法简单且易于实现。仿真结果表明，算法的精度较高。虽然仍受噪声和步长的影响，但相对基于EKF和最小模型误差的角速度估计算法，其性能改善较大。     

航天测量船外测数据的滤波算法

航天测量船在航天测控中占有非常重要的地位,为提高航天测量船外测数据的光滑度,在小波滤波和样条函数滤波的基础上,通过建立分解尺度和阈值的选取原则,提出了船载外测数据的滤波算法.该算法在滤波的同时,成功地分离出随机误差和船摇修正残差,显著地改进了现有的船载外测数据修正结果.实例和仿真结果表明这是一种比较理想的船载外测数据滤波算法.     

基于Adaptive Sigma-Point滤波的智能导弹对目标协同定位方法研究

在对智能导弹协同作战过程详细描述的基础上,提出了一种利用多枚智能导弹协同对目标定位的方法。考虑目标运动模型为静止模型和运动模型两种情况,将Sigma-Point滤波方法与过程噪声的自适应估计方法相结合,融合目标运动状态和目标到达角信息,克服了常规Sigma-Point滤波性能依赖于目标运动模型的先验统计信息的缺点。通过比较目标可能存在区域面积的大小,确定了参与协同定位的智能导弹数目和编队构型。仿真研究表明,多枚智能导弹协同对目标定位可以显著提高定位精度和速度。     

基于MEP-UKF的组合导航滤波算法

针对目前应用于SINS／GPS组合导航系统中的扩展卡尔曼滤波(Extended Kalman
Filter, EKF)存在精度低、实时性差的缺点,提出一种基于模型误差预测(Model Error
Prediction, MEP)的Unscented 卡尔曼滤波(Unscented Kalman Filter,
UKF)。MEP-UKF滤波算法将惯性器件测量误差作为模型误差使用MEP进行实时预测的同时,采 用UKF估计载体的姿态、速度及位置等误差信息,并反馈给SINS系统来校正导航参数。MEP-U KF不仅克服了UKF必须假设惯性器件误差为高斯白噪声的局限性,而且降低了SINS／GPS组合 导航系统状态变量的维数,大大缩短了导航解算的时间。仿真结果表明,MEP-UKF的收敛速 度和滤波精度均明显优于EKF,更好地满足了工程应用中对导航精度和实时性的要求。     

带有触觉的空间机械臂操控未知载荷特性识别

为在线准确辨识载荷特性参数,提出一种利用关节力矩和触觉传感信息进行未知载荷特性参数辨识的方法。该方法基于牛顿-欧拉方程,采用归一化最小均方误差法进行自适应滤波,从而辨识出未知载荷的特性参数。为校验算法,利用MATLAB/Simulink和ADAMS软件搭建未知载荷特性辨识仿真平台。该平台执行机构包括多自由度机械臂和二指爪末端操作器,机械臂关节具有力矩传感,末端操作器指爪内侧具有触力传感器。仿真表明,在具有激励信号幅值1 %的白噪声情况下,辨识误差小于2 %。