一种基于Hausdorff距离的改进星图识别方法

针对基于Hausdorff距离HD(Hausdorff Distance)识别法存在识别速度慢和对星敏感器镜头旋转特别敏感的问题,提出了一种基于Hausdorff 距离进行星图识别的改进算法,它采用有向距离和绝对距离相结合的方法,利用恒星的空间结构信息,构建有向距离匹配模型;根据镜头旋转特性,建立绝对距离抗旋转模型;对两种模型测试研究确定加权因子,同时选取恰当的匹配识别门限,最终实现匹配识别的性能达到最优.仿真实验结果表明,改进后的算法不但保持了原有算法的高识别率,强抗噪性,而且还具有更快的识别速度和好的抗旋转特性.它在实际工程中已得到成功应用.      

自主近距空战中敌机的战术动作识别方法

为了识别自主近距空战中敌机的战术动作,提出一个两级识别系统.该系统由基本动作识别和组合动作识别两部分组成.其中,基本动作识别采用模糊推理方法,并模拟飞行员的思维过程,用"模式记忆"方法平滑推理结果的抖动;组合动作识别以基本动作序列为输入,采用时间自动机组成并行结构,提取各组合动作的主要几何形态,使识别系统具有良好的可扩展性和鲁棒性.通过仿真对识别系统进行验证,结果表明该系统能有效地识别敌机的战术动作.      

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.      

一种基于窄带雷达的低轨空间目标识别方法

通过分析低轨空间目标的姿态运动对窄带回波脉冲数据的调制,表明低轨空间目标窄带回波脉冲数据信号的相位比幅度包含了更多的目标特征信息。采用小波分析从实测窄带相参回波特性数据的相位中,估计低轨空间目标的整体运动趋势,判别低轨空间目标的粗略类型,并通过大量实测数据的实验结果验证了该方法判别低轨空间目标粗略类型的有效性。     

一种模拟CCD星图的方法

星识别算法在空间飞行器自主姿确定系统中是不可缺少的。同时将ＣＣＤ所拍摄的星图作为算法的输入,无论是软件调试还是地面试验,抑或是对各种算法的评估,也是必不可缺少。     

采用DSG技术实现零件模型分解

针对回转体和箱体类零件模型,应用分解性实体几何技术实现零件设计模型到制造模型的有序分解,介绍了基于特征树模型的两个关键算法:宽度优先和深度优先搜索,以完成面向特征加工过程的空间和时间域内的制造过程规划.最后用一个详细的算例进一步陈述零件模型分解技术.     

基于视频的行人再识别

行人再识别是指在无交叉区域的多摄像机视频监控系统中,匹配不同摄像机中的相同行人目标。本文提出了一种基于视频的行人再识别方法,用HOG3D来描述一组视频的时空特征,在训练集上用预训练的DenseNet来微调模型参数,利用迁移学习得到的模型来提取视频中行人的表观特征,融合两种特征来描述视频序列中的行人。最后将融合的高维特征降维,并用度量学习方法计算行人对之间的距离。本文在PRID 2011和iLIDS-VID这两个视频数据集上进行了使用,实验结果表明本文的方法取得了较高的累积匹配得分。     

基于装配约束的飞机导管几何特征建模与误差补偿

针对飞机导管实际装配过程中因装配应力大导致故障频发的问题,提出了一种基于导管装配特征的误差补偿方法.首先采用几何建模法进行了导管装配过程的几何建模,并提出了一种基于轴线矢量的导管装配模型建模方法.在此基础上,采用罗德里格旋转公式建立了基于实际装配工况下的导管空间位姿计算模型.然后基于导管装配要求进行了装配约束分析并识别...     

计算参数对数值修正载荷识别算法的影响

针对在载荷识别计算中经常遇到的累积误差问题,提出了一种在每个时间步长内迭代修正的 载荷识别算法。首先利用拟静态算法得到载荷初值,再使用数值迭代算法对其进行修正计算,仿真结果表明,该修正算法可以有效地减小由于累积误差导致的发散,得到收敛的识别结果。针对上述算法,本文以多输入多输出简支梁为模型,分别分析了区间放大系数、区间分割系数和精确度指标3个计算参数对于识别结果的影响。计算结果显示,参数的选择对算法的效率和精度影响很大,不当的参数甚至可能引起识别结果严重发散,所以选择合适的计算参数对于数值修正算法十分重要。     

基于G2DPCA的SAR目标特征提取与识别

给出了基于广义二维主分量分析（G2DPCA)的合成孔径雷达（SAR）图像目标特征提取 方法。与主分量分析（PCA）相比,在寻求最优投影方向时,它直接基于二维图像矩阵而不 是一维向量,在特征提取前不必将2维图像矩阵转换成1维向量。与二维主分量分析（2DPCA ）相比,它可以同时去除图像行和列像素间的相关性。基于美国运动和静止目标获取与识别 （MSTAR）计划录取的数据的实验结果表明,结合预处理,G2DPCA在大大降低了特征 维数的同时,又改善了识别性能,并且正确识别率在97％以上,且对目标方位变化具有较 好的鲁棒性。