小型无人机电视引导撞网回收中的电视图像测距方法

以撞网方式回收无人机是符合现代无人机发展方向的回收方式。以此方式回收无人机对近场无人机测距提出了更高要求。本文研究了双摄像机绑定跟踪测距的方法，它结合传统光学测距技术和数字图像分析技术．与传统的光学测距相比，提高了测距速度和精度。本文介绍了双摄像机测距原理，给出了空中飞机图像捕捉和目标匹配算法，并介绍了测距误差的校正。实物地面实验结果证明这种测距系统可安全引导无人机撞网回收。     

基于SIFT和仿射变换的航空器起飞图像跟踪方法

针对机场监视的需要,结合航空器起飞特征,研究了尺度不变特征变换( SIFT)算法和仿射变换模型,在对图像进行灰度图像序列处理的基础上,提出了将SIFT特征点跟踪与仿射变换相结合对航空器起飞信息识别、跟踪的方法。以滨海国际机场的一个起飞过程为例,对图像序列进行了运动目标识别和帧间特征点的匹配,验证了方法的可行性,为机场航空器的起飞跟踪方法提供参考。     

复杂干涉图象条纹抽取疑难点的自动处理

干涉条纹图象自动分析的第一个关键步骤就是条纹信息与背景信息的自动区分即条纹抽取。目前出现的条纹抽取算法能够适应一定情形的干涉图象的处理，对于复杂的干涉条纹图象如迭加三维焊点信息的激光全息干涉图象，仍需要一定的人机交互操作来补充处理所谓的疑难点——一些处理中由于噪声引起的伪条纹及条纹间断。本文探讨的就是如何实现这些疑难点的不需人工干预的计算机处理技术     

基于纹理特征多分辨双Markov-GAR模型的SAR图像分割

为了提高SAR图像分割精度,提出在以灰度共生矩阵产生的纹理统计量为特征所生成的图像上,同时考虑SAR图像像素间空间分布特征和局部灰度均值和方差等统计量给出多分辨双Markov框架下的GAR模型,采用多分辨MPM的参数估计方法及对应的无监督分割算法,对SAR图像进行纹理分割。实验结果表明该方法用于一些高分辨SAR图像,与基于灰度图像上的多分辨双Markov-GAR模型纹理分割相比,在分割精度上能降低分割时的错分率。     

星载合成孔径雷达的辐射校准

星载合成孔径雷达（ＳＡＲ）的辐射校准用于从ＳＡＲ图像演绎出雷达后向散射系数σ°。着重从端到端系统的角度阐述辐射校准原理；详细介绍内部校准和外部校准过程，并给出若干实例；还对校准误差源进行了较深入的讨论。     

基于重力梯度杆和磁铁的小卫星三轴姿态控制

运用卫星低轨道两个主要环境力矩（重力梯度矩和地磁力矩）对圆轨道卫星三轴姿态进行被动控制。利用重力梯度矩实现卫星对地指向：卫星上的永久磁铁获取所需的地磁力矩,稳定偏航姿态。给出卫星的姿态分析,并给出仿真结果。从分析和仿真结果可以看出,此卫星具有结构简单、时刻对地定向、低轨道倾角时卫星姿态稳定精度较高的优点。     

一种检测ＳＡＲ图像边缘的方法

传统算法不能很好地解决合成孔径雷达（ＳＡＲ）图像边缘检测问题，为此提出了一种改进方法：将Ｈaralick曲面拟合法和改进的广义模糊算子（ＧＦＯ）两种算法相结合，分别独立求出ＳＡＲ图像边缘，然后将分别求出的图像边缘合并，得出最终边缘，用实际ＳＡＲ图像对该算法进行检验，验证了该算法的有效性。     

彩色图像中的本征图像的抽取

光源的位置和颜色影响到景物在摄像机中的成像,高光(highlight)的出现使一般的分割算法得不到理想的分割结果。文中根据二色反射模型(Dich-romatic Reflectioa Model),将图像分解成两个本征图像(intrinsic image)——本色图像(matte image)和高光图像(highlight image)。本色图像是去掉高光后的图像,反映了景物本身的不变性,不受外部因素(如光源的位置和颜色)的影响。而高光图像是只含有高光的图像,反映了外部因素的影响,有助于确定物体的形状。文中的彩色图像是指单一颜色光照(非单一波长的光照)下的单色物体在彩色CCD 摄像机中成的像。     

卫星干涉高光谱遥感图像序列差值压缩编码

根据干涉高光谱图像的成像特点和卫星遥感图像压缩编码系统要求，提出了一种新的卫星干涉高光谱图像序列压缩算法．新算法利用干涉成像光谱仪推扫成像特点提出了一种低存储量，帧间小波域匹配的图像序列压缩方案，提高图像质量3—4dB．算法首先通过小波域匹配算法检测出相邻图像之间的推扫位移量并移位求得两帧的最佳差值图像，然后对差值图像进行静止图像EBCOT压缩编码，从而提高总体编码效率．该算法具有与单帧图像编码算法相当的复杂度，只需要对当前图像与模板的差值图像进行基于小波变换的编码，避免了目前基于三维小波变换的编码算法对系统大存储量要求以及编码延时大的缺陷．仿真结果表明，本算法针对干涉高光谱图像编码，可获得比基于三维小波变换的算法相当甚至更好的效果，并且大大降低了编码延时．     

惯性/图像组合导航中的双模态双滤波器研究

在简要介绍了飞行器视觉图像定位导航原理及模型的基础上，针对其非线性模型的推广Kalman滤波的收敛与初始条件有关的问题，将其定位导航的两种模型（线性与非线性模型）组合，提出了双模态双滤波器滤波方法。这种滤波能很好地解决非线性推广Kalman滤波的收敛问题。通过第一个线性滤波器的滤波估计给第二个非线性滤波器提供滤波初值，使这一非线性滤波收敛，并能取得较高的滤波精度。