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。     

View-dependent progressive transmission and rendering for lunar model based on bicubic subdivision-surface wavelet

Given the fact that the back of the digital lunar model is invisible from any viewpoint, a view-dependent progressive transmission and rendering method for lunar model is proposed and a client-server browsing system is implemented. On the server side, the semi-regular lunar surface is partitioned into dozens of segments, and each segment is compressed independently using bicubic subdivision-surface wavelet and SPIHT. For any viewpoint, only the data of the visible segments are transmitted to the client side progressively, then decoded and locally reconstructed there. This approach not only improves the efficiency of transmission, but also reduces the reconstruction time greatly. We can browse the lunar model on the client almost in realtime.     

DOR测量自适应模型重构算法与实验验证

针对"金星快车"(Venus Express,VEX)探测器大时延、快变化的轨迹特点,提出了一种基于侧音信号相频特性的自适应模型重构算法。该方法极大增强了参考模型精度恶化情况下算法的适应性与稳定性。基于"金星快车"DOR观测实验的数据分析,通过与欧洲航天局提供的事后高精度星历轨道对比,结果表明数据处理算法时延精度优于ns量级,时延率精度优于1ps/s量级。     

Tropospheric wet refractivity tomography using multiplicative algebraic reconstruction technique

Algebraic reconstruction techniques (ART) have been successfully used to reconstruct the total electron content (TEC) of the ionosphere and in recent years be tentatively used in tropospheric wet refractivity and water vapor tomography in the ground-based GNSS technology. The previous research on ART used in tropospheric water vapor tomography focused on the convergence and relaxation parameters for various algebraic reconstruction techniques and rarely discussed the impact of Gaussian constraints and initial field on the iteration results. The existing accuracy evaluation parameters calculated from slant wet delay can only evaluate the resultant precision of the voxels penetrated by slant paths and cannot evaluate that of the voxels not penetrated by any slant path. The paper proposes two new statistical parameters Bias and RMS, calculated from wet refractivity of the total voxels, to improve the deficiencies of existing evaluation parameters and then discusses the effect of the Gaussian constraints and initial field on the convergence and tomography results in multiplicative algebraic reconstruction technique (MART) to reconstruct the 4D tropospheric wet refractivity field using simulation method.     

基于图像的经纬仪测量目标快速瞄准技术

电子经纬仪是一种高精度的测角仪器,由多台高精度电子经纬仪构成的测量系统可以实现三维坐标测量,用于对大型工业产品的几何检测。但经纬仪在测量过程中仍然需要人工瞄准目标,存在速度慢、效率低、人为因素影响大等不足。实现经纬仪自动照准目标功能将是一个新的发展方向。提出一种基于图像的自动瞄准技术,通过在经纬仪上安装一台相机获取待测目标点的图像,利用图形目标识别技术获取目标点图像坐标,依据相机与经纬仪的空间关系可以获得各目标点相对于经纬仪的初始角度,从而实现目标点的快速概略定位,理论推导及实验证明本方法能够准确有效的获得目标点的概略位置。     

基于Contourlet与HIS变换的SAR与多光谱影像融合方法

为了提高SAR影像的解译水平,本文利用Contourlet变换在影像表述上能够弥补小波变换不能有效捕捉二维空间实体的特点,提出了一种基于Contourlet与HIS变换的SAR与多光谱影像融合方法。实验选取了一组TM 多光谱影像与ERS-2 SAR影像进行融合研究,并将融合结果与基于HIS变换、DWT结合HIS变换融合方法的融合结果进行视觉比较与统计分析。结果表明,无论是目视比较还是统计分析,本文方法都很好的将SAR影像的空间细节与多光谱影像的色彩信息集成到了一起,显著地提高了SAR影像的解译水平,相对于基于HIS、DWT+HIS变换的融合方法获得了更好质量的融合影像。     

一种基于图割的稠密三维场景重建算法

立体视觉技术是自主探测机器人在未知环境中获取信息的重要手段,通过对可视场景的稠密三维重建实现导航、定位及路径规划等一系列工作。本文在候选点匹配的基础上结合图割理论,首先在世界坐标系建立代表深度信息的网格节点,接着依据区域匹配算法对候选点进行初步筛选,去除大部分相关值较低的节点,建立简化的网格图,最后通过寻找图中最小割来实现能量函数的全局最小,完成稠密的三维场景重建。实验证明,相关阈值γ设为0.6时,简化网格图的重建精度和计算效率达到相对平衡。图割算法解决了候选点测量时潜在的匹配歧义问题,且对低纹理区域有较好的匹配效果。     

联合变换相关法测量空间相机像移的抗噪性研究

为了研究使用联合变换相关器测量空间相机像移时噪声对测量精度的影响,分别对相关器加入背景噪声和图像噪声,通过仿真得到5种不同处理方法在不同噪声水平下的测量误差,并利用搭建的实验平台验证了使用联合变换相关法测量空间相机像移的有效性。结果表明,相比于其它相关器处理方法,使用功率谱相减并以0值为阈值二值化的方法得到的像移测量精度较高,即使对于SNR=1的输入图像,在含有背景噪声时,像移测量误差不大于0.12个像元,完全满足空间相机的使用要求。     

盲稀疏度信号重构的改进正交匹配追踪算法

在信号盲稀疏度条件下,现有重构算法的固定阈值选择限制了重构精度和重构速度提高,鉴于此,提出一种改进的正交匹配追踪算法。通过非线性下降的阈值快速选择原子,自动调节候选集原子个数,以便每一次迭代时更加精确地估计真正的支撑集,并利用正则化过程实现支撑集的二次筛选,最终实现了盲稀疏度信号的精确重构。仿真结果表明,在相同的测试条件下,本文算法的重构精度和速度分别提高了8.5%和9.2%。