图形文法在三维角点检测中的应用(英文)

许多局部特征描述都假设场景是平面的,而在真实场景中捕捉到的图片都是来自三维世界。在图像匹配和目标检测中,三维角点作为一种包含三维信息的形状特征,是一种新的重要不变特征,但从普通角点中自动鉴选出三维角点比较困难。基于图像的图形文法提出一种新的三维角点检测方法。该方法在一定程度上能够检测出角点的三维特性。实验结果表明三维角点特征在图像匹配中是适用的,证明了所提出的方法的有效性。     

小波变换在雷达信号检测中的应用

小波分析已经成为目前雷达信号去噪的主要方法之一。通过对小波去噪问题的描述,揭示了小波去噪的滤波特性;分别阐述了目前雷达信号检测中常用的4类小波去噪方法并进行性能分析;对雷达信号的小波检测方法提出了展望。     

雷达散射截面面积对发现概率的影响

在深入分析了影响飞机生存力的几种因素的基础上,通过理论推导,建立了雷达输入端信噪比与发现概率及雷达散射截面面积与信噪比之间的关系,计算了雷达散射截面面积对发现概率影响.并在Matlab的环境下进行了数学仿真,仿真结果表明:当信噪比落在区间[5.6,12.5]内,发现概率随着信噪比的降低而陡降.在没有完全掌握敌方预警雷达参数的情况下,通过假设定量的给出调整雷达散射截面面积的最佳范围.     

无人机自动着陆中的机器视觉辅助技术

设计了一套辅助无人机自动着陆的机器视觉系统。该系统由机载硬件设备和用户开发软件共同组成,用以完成数字图像处理任务和无人机运动参数估计任务。系统传感器包括一个单目摄像机和机载惯性陀螺;数字图像处理使用的主要算法有图像的轮廓提取、角点检测和模版匹配。基于角点处各个方向上灰度差变化较大的特征,依据最小核值相似(SUSAN)算法和角点几何结构分析,提出一种改进的角点特征提取算法;根据任务开发的位置参数估计算法依据摄像机透视投影理论,运用摄像机成像标定方法导出了一种高精度的位置测量模型。通过计算机仿真表明,所提出的计算机视觉位置参数估计算法可以达到无人机着陆过程的精度要求。     

基于SPSO-SVR的融合航空发动机传感器故障诊断

针对航空发动机常见的传感器故障问题, 提出了一种利用改进的粒子群算法训练支持向量回归机, 并利用融合机制将其应用于传感器故障诊断.论述了用一簇支持向量回归机(SVR)预测器对传感器进行实时检测, 通过逻辑判断机制隔离故障传感器, 并且依据剩余的无故障传感器信息实现信号重构.以某型航空发动机传感器在其整个工作范围内受到的冲击、偏置和漂移故障为例, 验证了基于自协调粒子群优化支持向量回归机(SPSO-SVR)算法的融合诊断机制对传感器单一故障和多重故障具有较高的精度和计算效率.      

基于鸟类目标散射特性分析的雷达探鸟实验

 鸟类目标散射特性研究是雷达探鸟系统探测性能分析的理论基础。基于此,首先进行了鸟类目标散射特性分析,采用实验数据构造的理论统计模型,估计出单只鸟和鸟群的雷达散射截面（RCS）量级范围。然后,详细介绍了雷达探鸟实验系统的系统结构、探测性能和飞鸟目标识别算法。最后,基于外场实验获取的雷达探鸟图像序列提取出飞鸟目标轨迹与相关信息,验证了雷达探鸟的可行性,并通过对不同实验结果的分析提出了抑制虚警和漏警的算法改进方向。     

参数化小波构造研究及其在边缘检测中的应用

为了解决双正交小波构造过程中存在的局限性和不灵活性,以小波滤波器代数构造理论为基础,提出一种支集定长条件下双正交小波滤波器组的参数化构造方法,推导出高通分解滤波器支集长度为奇数或偶数情况下双正交小波滤波器组的构造限定条件,给出具体的参数化构造实例,并分析了参数变化对构造小波特性的影响。从小波特性出发分析了用于图像边缘检测的双正交小波的构造必要条件,结合参数化小波构造方法构建了用于图像边缘检测的小波滤波器组。仿真实例验证了双正交小波滤波器参数化构造方法的灵活性和可行性以及构造小波对图像边缘检测的有效性。     

基于遍历性的组合导航系统故障检测方法研究

理想情况下,基于卡尔曼滤波的组合导航系统在无故障时的滤波残差为白噪声,故障时通常用2χ法来检测,但用这种方法检测往往具有较大的虚警。因此,针对无故障时卡尔曼滤波器的滤波残差是白噪声这一特点,提出了一种新的故障检测方法来判断系统是否发生了故障,在应用时大大降低了虚警,取得了较好的效果。     

国外机载海面监视雷达发展现状与趋势

首先对目前西方国家装备的较先进的机载海面监视雷达进行了介绍,总结了它们的技术特点。现役机载海面监视雷达具有多功能和多工作模式的特点,除增强了对高海况下的小目标检测能力外,还新增了气象探测、SAR/ISAR和HRRP等先进功能。最后指出了机载海面监视雷达未来发展趋势。     

基于MAP估计和广义高斯分布的SAR图像边缘比率检测方法

 合成孔径雷达(SAR)图像的低信噪比和乘性相干斑噪声给SAR图像的边缘检测带来了极大的困难.通过引入广义高斯(GG)分布作为局部均值功率的先验分布模型,给出了局部均值功率在最大后验概率(MAP)意义下的最优估计,进而提出一种新的SAR图像边缘比率检测算子.利用以梅林变换为基础的对数累积量(MoLC)方法估计GG分布的参数,在此基础上给出一种局部均值功率MAP估计和GG分布参数估计的联合迭代求解方法.利用SAR实测数据对本文提出的边缘检测算子进行仿真验证,并将其与平均比率(RoA)算子和指数加权均值比(ROEWA)算子进行了对比,结果表明该算子可以有效克服相干斑噪声的影响,边缘定位准确且虚假边缘明显减少.