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.     

在流场匹配方面进气道反旋流措施的工程应用研究

根据进气道旋流产生的机理，从进气道设计方面，较为全面地研究了现存飞机进气道旋流的一些防止和抑制措施，将有益于解决工程上由于旋流而造成的进气道与发动机的流场匹配方面的问题。     

一种基于贝叶斯估计的地形辅助导航

采用基于蒙特卡罗近似的贝叶斯估计算法处理地形辅助导航系统中的估计问题 ,避免了对复杂地形的线性化过程。数字仿真结果表明该方法比传统的基于扩展卡尔曼滤波的SITAN算法有更高的估计精度 ,并能有效克服初始位置误差较大时 ,基于地形线性化方法易出现的滤波发散问题。     

一种实用的归一化互相关景象匹配算法

相关匹配算法是景象匹配定位系统的核心。本文提出一种用于景象匹配定位系统的相关匹配算法，称之为归一化互相关景象匹配算法，并进行了理论分析和用真实的景象数字地图进行了大量的计算机仿真试验。试验结果表明，该算法在信噪比不小于１并且实时图大小不小于１０×１０个网格的条件下，其正确匹配概率大于９７％，圆概率误差在一个景象数字地图的网格以内，满足景象匹配定位系统的要求     

一种基于距离变换的图象匹配方法

如何对于不同成像条件下的图象进行匹配是采用传统方法难以解决的一个难题。本文将距离变换引入图象匹配中，提出抗几何失真和边缘变化的边缘特征匹配准则，推导出它的快速匹配算法。大量实验表明，这种方法有效地克服了几何失真、边缘变化的影响，而且具有抗灰度反转的能力，可以广泛应用于不同成像条件下获取图象间的匹配     

基于边缘信息的SAR与可见光景像匹配算法

SAR(合成孔径雷达 )与可见光图像由于成像机理的不同 ,直接进行基于图像灰度信息的匹配定位很难达到实际应用的要求。边缘是图像最基本的特征之一 ,文中提出一种基于边缘信息的 SAR与可见光景象匹配算法。该算法针对 SAR与可见光图像的特点 ,利用小波变换结合模糊中值加权滤波 ,取得有效的边缘信息 ,利用图像的边缘特征结合相关峰值特性分析的后处理方法进行匹配 ,并采用多分辨率分级搜索技术减少计算量。实验证明本算法匹配精度高 ,稳定性好     

用于地图匹配的多谷快速寻优方法

当失配度量函数定义之后,地图匹配问题就变为了二维随机多谷函数的寻优问题。多谷快速寻优方法是作者提出的解决失配度量寻优的一种新方法。本文应用这种方法,变地图匹配中的穷举搜索为定向局部搜索,从而节省了计算,保证了匹配定位精度。本文还针对平均绝对差算法推导了门限与漏警概率的关系,给出了保证一定漏警概率的门限系数分布区间。最后,使用本文的方法在三幅航空照片上进行了大量的匹配实验,并与序贯相似性检测算法进行了比较,验证了方法的正确性,同时表明多谷快速寻优方法用于地图匹配具有定位精度高,计算量小,参数易于选择等优点。     

波导双工器的快速精确设计

文章结合模式匹配法和多模导纳矩阵理论，对波导型双工器进行分析设计，开发了一种快速精确的波导型双工器的设计程序，给出双工器设计中需要注意的关键技术问题。设计制作了含有弯波导结构的Ku波段双工器，理论与实测曲线吻合良好，为设计波导双工器提供了一种思路。     

风洞试验模型表面的荧光油膜路径运动速度测量

风洞试验模型在气流脉动作用下小幅振动，导致光流法从荧光油膜时序图像中解得的荧光油膜路径运动速度含有模型运动速度，降低了荧光油膜全局摩阻测量准度。为此，提出试验模型表面的荧光油膜路径运动速度测量方法，将模型表面的背景纹理（如人工网格线或其他典型特征）作为基准，利用图像相关法离散匹配，获得相邻时序图像中背景纹理的（几何位姿）映射矩阵；基于模型运动的连续性，推导了映射矩阵的全局优化方程，并结合光流法，实现了模型振动与其表面荧光油膜路径运动的解耦。Oseen涡对的荧光油膜路径运动速度场仿真试验结果表明：在给定的平移旋转条件下，本文方法的计算结果（沿Oseen涡核连线分布的测量速度）与理论值的最大相对误差为4.1%，较无平移旋转条件下的光流计算结果最大相对误差仅增加0.6%。2 m量级高速风洞某空腔试验与机翼试验的荧光油膜路径运动速度测量结果进一步显示：本文方法测得的流动现象正确，能得到定量、清晰的表面摩擦应力线图谱与油膜路径运动速度场，较传统方法优势明显，工程应用价值大。     

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。