Detection of sub-kilometer craters in high resolution planetary images using shape and texture features

Counting craters is a paramount tool of planetary analysis because it provides relative dating of planetary surfaces. Dating surfaces with high spatial resolution requires counting a very large number of small, sub-kilometer size craters. Exhaustive manual surveys of such craters over extensive regions are impractical, sparking interest in designing crater detection algorithms (CDAs). As a part of our effort to design a CDA, which is robust and practical for planetary research analysis, we propose a crater detection approach that utilizes both shape and texture features to identify efficiently sub-kilometer craters in high resolution panchromatic images. First, a mathematical morphology-based shape analysis is used to identify regions in an image that may contain craters; only those regions - crater candidates - are the subject of further processing. Second, image texture features in combination with the boosting ensemble supervised learning algorithm are used to accurately classify previously identified candidates into craters and non-craters. The design of the proposed CDA is described and its performance is evaluated using a high resolution image of Mars for which sub-kilometer craters have been manually identified. The overall detection rate of the proposed CDA is 81%, the branching factor is 0.14, and the overall quality factor is 72%. This performance is a significant improvement over the previous CDA based exclusively on the shape features. The combination of performance level and computational efficiency offered by this CDA makes it attractive for practical application.     

基于张量子空间的信号参数估计算法

针对低信噪比条件下多通道信号特征参数估计问题,提出了两种基于张量子空间的信号参数估计算法,分别是基于矩阵堆叠的张量分解算法和基于张量矩阵因子的联合算法。通过研究参数化信号模型、信号子空间旋转不变性和张量范德蒙分解原理,分析了多通道数据的三维张量数据模型的构建;矩阵堆叠的张量分解算法验证了张量高阶奇异值分解是矩阵奇异值分解的推广,矩阵因子联合算法进一步提高了低信噪比条件下的信号参数估计精度。仿真以信号频率和初相位的估计精度为衡量指标,验证了低信噪比的条件下,张量子空间信号参数估计算法要优于传统的矩阵子空间信号参数估计算法。
     

人机协作中人的动作终点预测

为实现安全高效的人机协作（HRC）,需要机器人及时对人的动作做出预测,从而积极主动地辅助人工作。为解决在HRC装配场景中机器人对人的动作终点预测问题,提出了一种基于长短时记忆（LSTM）网络的动作终点预测方法。在训练阶段,用人的动作序列与对应的动作终点组成的样本训练LSTM网络,构建动作序列与动作终点之间的映射。在应用阶段,根据人的动作的初始部分对动作终点提前做出预测。通过在装配场景中,对人抓取工具或零件的动作终点进行预测,验证了所提方法的有效性。在观测到50%的动作片段时,预测准确率达到80%以上。      

基于朴素贝叶斯分类器的空中红外目标抗干扰识别方法研究

红外诱饵对抗技术的发展使得空战环境日益复杂化,对红外成像制导空空导弹抗干扰目标识别技术提出了更高的要求。红外诱饵的投放使得目标特征的完整性、显著性及稳定性遭到破坏,基于特征融合匹配的统计模式识别方法无法准确识别目标。提出了一种基于朴素贝叶斯分类器的抗干扰目标识别方法,该方法对空战对抗仿真图像数据集进行了特征挖掘,利用实验拟合方法构建了典型特征的概率密度函数模型,构造了朴素贝叶斯分类器,实现了飞机目标和干扰的分类识别。仿真实验结果表明,该方法在已测试的弹道图像数据集下的平均识别正确率达到了81.82%,且能够解决假目标、目标遮挡等抗干扰目标的识别难题。     

An optimization iterative algorithm based on nonnegative constraint with application to Allan variance analysis technique

It is well known that inertial integrated navigation systems can provide accurate navigation information. In these systems, inertial sensor random error often becomes the limiting factor to get a better performance. So it is imperative to have accurate characterization of the random error. Allan variance analysis technique has a good performance in analyzing inertial sensor random error, and it is always used to characterize various types of the random error terms. This paper proposes a new method named optimization iterative algorithm based on nonnegative constraint applied to Allan variance analysis technique to estimate parameters of the random error terms. The parameter estimates by this method are nonnegative and optimal, and the estimation process does not have matrix nearly singular issues. Testing with simulation data and the experimental data of a fiber optical gyro, the parameters estimated by the presented method are compared against other excellent methods with good agreement; moreover, the objective function has the minimum value.     

Gaussian-Hermite矩旋转不变矩的构建

矩及矩的方程因其较强的表述图像特征的能力在图像处理与模式识别中有着广泛的应用,但目前基于具有正交性质的Gaussian-Hermite矩的研究还比较有限.针对Gaussian-Hermite矩进行深入的研究,将其推广到极坐标下复数空间中,提出Polar-Gaussian-Hermite矩;给出利用升降算符计算矩的方程的方法;并利用极坐标下复数空间中的优势,以及它们之间的一一对应关系,推导Gaussian-Hermite矩的旋转不变矩,并给出其旋转不变矩的独立与完备集.实验结果验证所提出的旋转不变矩的正确性,以及良好的数字稳健性.     

中段目标高分辨距离像姿态敏感性影响度量方法

高分辨距离像（HRRP）存在散射中心模型改变、越距离单元走动、闪烁现象三个方面的姿态敏感性,同时影响距离像预处理、特征选择、模板生成等方面。为了区分不同姿态敏感性对距离像识别的影响,从而研究针对性的解决办法,首先在识别理论框架下,建立了“HRRP姿态敏感性影响水平统计模型”作为姿态敏感性对目标识别性能影响的定量分析工具。其次,针对弹道中段目标识别问题,定量分析了中段目标HRRP的姿态敏感性。暗室实测数据表明,闪烁现象与越距离单元走动对HRRP识别的影响程度相近。最后,通过比较聚类模板生成算法和邻近姿态角模板生成算法,验证了基于姿态敏感性影响水平分析方法的有效性。此分析方法对于弹道中段目标识别具有一定的参考价值。     

载荷—火箭分离导向机构参数设计及动力学分析

针对载荷—火箭分离中易碰撞以及载荷部姿态的问题,以多体系统动力学理论为基础,在ADAMS中建立了针对一种新型分离导向机构的载荷—火箭分离虚拟样机模型,分别就分离导向机构支柱刚度、高度、滚轮与载荷部之间预载对分离结果的影响进行了计算分析。结果表明：刚度与高度的取值越大,分离过程中的分离最小间隙就越大,越有利于火箭与载荷部的成功分离;预载主要影响载荷部的姿态。基于此结果,设计了一套分离导向机构的匹配参数,并结合姿态控制律,利用ADAMS与Simulink软件包进行联合仿真,校验了这套设计参数可以保证火箭与载荷部的正常分离,姿控系统可以纠正载荷部的姿态偏差。本文采用的研究方法以及所获得的结论对采用该形式分离导向装置的载荷—火箭分离问题具有普适性。     

利用数字高程模型自动检测火星表面陨石坑

为了克服利用影像识别陨石坑的诸多限制因素,利用"火星全球勘探者"(MGS)火星激光高度计(MOLA)得到的火星三维DEM数据,转换获得地形曲率,然后利用设定阈值将曲率图转换为二值图像,结合图像分割floodin算法可以得到待检测陨石坑,最后利用Hough变换可以检测出陨石坑。其成功率达到73.4%,可以有效地从DEM中识别陨石坑。利用DEM识别陨石坑的方法可以识别更多新的陨石坑,为现存的陨石坑目录提供新的数据信息。     

高超声速远程导弹弹道解析估算与特性分析

对于高超声速远程导弹助推-滑翔弹道,提出一种弹道参数的解析估算方法,该方法从能量的角度出发,利用准平衡滑翔条件建立滑翔射程和飞行时间的解析估算公式;在此基础上定量地分析研究升阻比、初始速度等弹道参数对滑翔射程和时间的影响规律;同时在理论上分析了最小能量椭圆弹道的射程和飞行时间特性。基于推导得到的解析估算公式,对比研究滑翔弹道和椭圆弹道的在不同条件下的射程和时间特性,并提出这两种弹道最佳适用范围的确定准则。最后,通过仿真分析表明,解析估算结果与数值仿真结果的误差小于2%,具有较高的精度,能够可靠、有效地分析出滑翔弹道的性能,可为弹道方案的初步选取提供参考。