多点磁场协同探测反演电离层电流密度

相对于传统的单点磁场探测,多点磁场协同探测可以同时获得各测点磁场,消除探测磁场随时间的变化,能更好地计算空间电流密度.根据由多点磁场反演计算空间电流密度的计算方法,开展数值仿真,分析卫星编队数量、卫星编队构型、卫星定位偏差、卫星姿态测量误差、磁场测量误差、外部磁场强度及外部电流密度等对电流反演误差的影响.仿真结果表明,5星编队优于4星编队.在5星编队条件下,卫星姿态测量误差、卫星编队构型和外部磁场强度是反演误差的主要来源.根据仿真结果,当卫星姿态误差为0.001°,卫星编队尺度约为100km时,赤道区域电流密度的反演相对误差约为24%.      

基于深度学习的图像匹配方法综述

图像匹配是飞行器视觉导航中的一项关键技术。基于深度学习的图像匹配方法在近几年快速发展,其特征提取网络比传统方法具有明显优势与广阔的应用前景。基于深度学习的图像匹配方法可以按照网络结构的不同分为单环节网络模型匹配方法和端到端网络模型匹配方法。首先对单环节网络模型中的特征检测模型、描述符学习模型、相似度度量模型和误差剔除模型逐一进行了深度调研及分析,然后对端到端匹配网络模型中的单网络结构方法和多网络结构组合方法进行了针对性的综述,并对经典的端到端匹配网络模型算法进行了介绍和分析。最后,结合目前基于深度学习的图像匹配方法存在的问题,指出未来可能的发展趋势和方向,为后续研究者在深度学习图像匹配的研究提供一定参考。     

移动平台上基于C/S结构的海量图像检索系统设计

随着计算机网络的快速发展,多媒体信息呈现多样化、爆炸式增长的趋势,如何组织这些庞大的信息,帮助人们便捷地从中检索到自己所需的内容逐渐成为信息行业研究的热点课题之一。图像由于其信息量丰富,在人们的生活中逐渐扮演越来越重要的角色,图像信息检索应运而生。当前的图像检索大多是基于个人电脑平台,移动平台的图像检索应用较少。随着智能技术的日益成熟和移动网络的普及,智能终端由于其便携性和易用性,使得人们获取到信息变得更加容易,移动平台的图像检索由于其满足人们多样化的搜索习惯,也将得到迅速的发展。     

一种融合MRF分割与数学形态学的道路提取算法

针对高分辨率合成孔径雷达（Synthetic Aperture Radar, SAR）图像中道路目标难以有效提取的问题,提出一种融合马尔可夫随机场（Markov Random Field, MRF）分割与数学形态学处理的高分辨率SAR图像道路提取算法。该算法首先利用直方图均衡化和增强Lee滤波对SAR图像进行预处理,实现道路的边缘增强,抑制相干斑噪声;进而利用基于条件迭代模式（Iterated Conditional Mode, ICM）的MRF对SAR图像中的道路目标进行初分割;再用数学形态学填充空洞,平滑道路边缘;最后,基于道路的几何特征,使用偏心率、矩阵度、复杂度等因子去除虚警,从而提取出道路目标。利用该文算法对两块实际高分辨率SAR图像进行道路目标提取,均可以取得90%以上的正确道路提取率,表明本文算法具有较高的道路提取精度。     

具有方向特性的X角点的亚像素检测定位

X角点被广泛应用于相机标定与可见光视觉跟踪系统,不仅具有位置信息,还可以具有方向信息.针对X角点的精确位置检测和方向检测,提出了一种利用X角点对称性的检测与定位算法——对称性计算算子(SC,Symmetry Calculation),简称SC算子.该算法主要由两部分组成.先利用对称性计算值确定X角点像素位置,然后基于二次曲线拟合及直线相交求亚像素位置.通过角点定位实验,仿真分析高斯噪声和畸变对定位精度及鲁棒性的影响,并与Harris算法及Micron Tracker系统进行比较.实验表明,本文方法能有效检测X角点,排除其他类型的角点和干扰点,具有较高的定位精度和鲁棒性.      

镜像铣削加工奇异区域刀具路径优化

在大型薄壁件镜像铣削加工中,由奇异点引起的旋转轴运动不连续会影响加工质量,降低加工效率。针对此问题,分析了镜像铣削加工奇异点存在的原因,提出了一种奇异区域内的刀具路径优化方法。首先,针对镜像铣削系统的铣削头和支撑头分别建立了其旋转轴运动学变换模型,推导旋转轴微分运动关系,据此分析奇异点存在的原因及其对加工质量和效率的影响,定义了机床行程内的奇异区域范围。分析结果表明在镜像铣削系统行程范围内,仅铣削头存在奇异区域,而支撑头不存在奇异区域。然后,在镜像铣削加工刀路约束条件下,基于刀路光顺性指标建立了刀路优化模型。通过在加工曲面参数域内对跨越铣削头奇异区域的刀路进行调整,使得优化后的刀路更加光顺,以提高加工精度和表面质量,减少奇异区域附近的加工时间。最后,通过镜像铣削加工实验验证所提方法的有效性。     

基于特征点识别的头部姿态计算

为了提升使用随机回归森林进行头部姿态分析的精度,提出了一种基于特征点识别分析头部姿态的计算框架.考虑到高误差投票的干扰,该计算框架以随机森林的特征点识别为基础从而避免异常投票干扰,将头部姿态计算问题转换为空间鼻尖特征点和朝向特征点的识别问题.在随机森林的训练中,决策函数使用了高斯曲率和平均曲率作为图形特征,根据微分熵的信息增益在随机生成的决策函数库中搜索最优化决策函数.在训练完成的随机回归森林的叶子节点中,通过分析保存的样本数据,可以得到目标特征点的高斯分布估计.根据实验测试结果,在适当的阈值设定的情况下,该方法可以实现较高的识别成功率,使用曲率后明显提高了识别精度,能够在一定程度上处理有遮挡的数据,并且该方法已经成功应用于虚拟座舱的实时头部姿态分析计算系统.