二维图像拼接技术研究综述

图像拼接是指将具有重叠区域的小视角、低分辨率的多张图像,经过相应的图像配准与融合算法,拼接成一张具有高分辨率、宽视角的全景图像。针对二维图像拼接方法,综述了将二维图像拼接技术应用于图像处理领域的最新研究进展,重点介绍和总结了图像配准方法和图像融合方法。其中,图像配准方法涵盖了基于SIFT、SURF和Harris点特征的提取方法。分析了各种算法的主要进展、典型算法的原理和优缺点以及国内外研究发展现状。最后,通过各种方法研究与应用情况推测,展望了未来图像拼接技术的发展趋势。     

基于SIFT子图像融合的直角坐标FBP算法

针对合成孔径雷达实测数据成像算法计算数据量大的问题,提出一种基于SIFT子图像融合的直角坐标系下的FBP算法。算法首先在直角坐标系下对SAR子孔径信号进行后向投影成像得到对应的子图像,然后对各子图像进行相位梯度自聚焦实现相位补偿,最后采用基于尺度不变特性变换(SIFT)的SAR图像配准方法对聚焦后的子图像进行融合得到全孔径图像。算法计算量比传统极坐标系下的快速后向投影算法小,并且由于基于SIFT的融合是针对复图像的融合,因此融合后图像的分辨率较传统的融合方法有所提高。机载实测数据的处理结果验证了算法的有效性。     

基于改进Faster-RCNN的机场场面小目标物体检测算法

针对目前应用于机场视频监控中的卷积神经网络方法存在小目标物体识别准确率较低的问题,本文提出了一种基于Faster-RCNN并结合多尺度特征融合与在线难例挖掘的机场场面小目标检测算法。该算法采用ResNet-101作为特征提取网络,并在该网络基础上建立了一个带有上采样的"自顶向下"的特征融合模块,以生成语义信息更加丰富的高分辨率特征图。并在网络训练过程中,采用在线难例挖掘的训练策略使模型更加鲁棒地对小目标样本进行定位。最后,手工构建了一个包含5 982张图片的机场数据集,用于检测模型的训练和测试。结果表明,本文所提出算法显著提升了机场场面小目标物体检测的准确率,且使整体平均检测准确率达到了80.8%,该结果高于其他先进的目标检测模型。     

基于EMD 模糊熵与会诊决策融合模型 的中介轴承故障诊断技术

针对航空发动机中介轴承故障信号难于识别的问题,提出了1种融合k NN、SVM、CART、RF及GBDT 5种算法的会诊决策融合模型。基于中介轴承故障模拟试验台开展某型航空发动机中介轴承故障试验验证。采用EMD算法对采集的振动故障信号进行分解,提取IMF分量的模糊熵作为故障特征。利用建立的会诊模型对中介轴承内环故障、内环-滚动体耦合故障、正常、滚棒剥落、滚棒划伤5种不同状态进行识别。试验研究表明:会诊模型的故障诊断准确率高达92.5%,并表现出良好的泛化能力。     

多源数据融合算法综述

多源数据融合作为一种特殊的数据处理手段,在目标识别领域得到了较大的重视和发展。在介绍多源数据融合的基本原理和功能模型的基础上,对目前的多源数据融合算法进行了全面介绍,从算法概念出发对其进行了分类,分别为物理模型类、基于参数类和基于认识模型类,并阐述了每类算法的特点以及相关算法的改进,列举了目前国内外一些已经发表的重要算法,为下一步多源融合的目标识别研究提供了一定的理论依据。     

多传感器数据融合方法在加力燃烧室试验中的应用研究

在航空发动机加力燃烧室试验中,为实现同一截面真实气流状态参数的多传感器精确测量,提出了1种多传感器数据融合方法。该方法运用格拉布斯准则剔除多传感器测量数据中的无效数据,运用方差自适应加权融合方法对有效数据进行融合计算并获取真实参数,并分别利用算术平均值方法和自适应加权融合方法对试验数据进行处理分析。结果表明:通过多传感器融合方法获取的数据均方差明显优于算术平均值方法获取的方差,具有更高的测试精度和可靠性。     

基于MEMS传感器的四旋翼组合测姿研究

针对四旋翼无人机机体尺寸较小、带载荷能力有限的特点,设计基于低成本MEMS惯性器件的测姿系统,以满足四旋翼无人机在系统控制方面的需求。但是低成本的MEMS惯性器件具有精度低,随机漂移大,容易受到外界环境干扰等缺点。本文充分发挥四旋翼无人机搭载的MEMS惯性器件的功能,分别利用两种方法测量载体姿态,并通过卡尔曼滤波的方法实现这两种测姿方法的数据融合。经过仿真分析,融合后组合测姿系统的测姿精度得到提高。     

基于NSST的PCNN-SR卫星遥感图像融合方法

针对卫星传感器成像的特点,提出了一种基于非下采样剪切波变换的脉冲耦合神经网络与稀疏表示相结合的卫星遥感图像融合方法。通过使用不同的融合规则对子带系数进行融合,得到信息更丰富的多光谱图像。为了验证该方法的有效性,实验过程使用了地球眼卫星数据和快鸟卫星数据,实验结果表明,该方法的实验结果无论从视觉效果还是客观评价指标上均优于对比方法得到的结果。     

基于高斯-牛顿迭代的三星时差定位融合算法

若三星时差(TDOA)定位系统可多次接收到辐射源信号并进行定位,则通过不同时刻观测的多组时差和高程信息融合可能可以提高定位精度。将先验高程信息建模为三星时差定位融合的观测量之一,并提出了一种基于高斯⁃牛顿(Gauss⁃Newton)迭代的三星时差定位融合算法。通过实验仿真比较了提出的算法与直接平均、加权平均、选取星下点最近点等位置合批方法的性能。仿真表明该算法相较于现有的位置合批方法,具有更好的融合定位精度。     

基于Swin Transformer和多尺度特征融合的红外弱小目标检测方法

红外弱小目标的检测识别是军事侦察和遥感探测领域的一项关键技术。针对现有的传统目标检测方法普遍存在的检测误报率高、环境适应性差等问题,本文设计提出了一种基于Swin Transformer和多尺度特征融合的红外弱小目标检测方法。该方法首先在基于编解码Unet网络架构的基础上,通过引入Swin Transformer的自注意力机制代替常规的卷积核来进行目标特征的分层提取,从而有助于在更大的感受野下挖掘目标在不同尺度下的潜在信息;之后,通过设计一个自底向上的跨层特征融合模块作为网络模型的解码器,可以从复杂背景中保留红外弱小目标特征,并将目标的浅层局部信息和深层语义信息进行充分融合。试验测试结果表明,所提方法在红外小目标公共测试数据集SIRST上能够实现0.747的交并比指标(IoU),以及0.752的归一化交并比指标(nIoU),其性能均优于其它典型方法,在不同复杂场景下均拥有更好的检测效果。