基于多视场星敏感器的三角形星图识别方法

为解决现有基于单星敏感器的星图识别中由于成像视角小,星图恒星数量不足而造成的星图识别率偏低的问题,提高星图识别的准确度和精确度,提出了一种基于多视场星敏感器的改进三角形星图识别方法;该方法通过将相同位置相同时间不同姿态角获得的多幅星图基于星图自身径向特征拼接成一幅多视角、不失真的星图,利用拼接后的星图进行星图识别,同时采用分块方式存储星对角距以及利用哈希查找提高星图识别效率;实验随机识别500幅星图,仿真结果表明,与传统的单视场星图匹配算法相比,该方法具有更高的星图识别率和匹配精度,当星图恒星数量达到30以上时,平均识别率能基本达到97%,且识别速度提高了11倍左右。     

一种基于星三角形的星图识别算法

提出了一种基于星三角形的星图识别算法。根据星三角形构造其对应的模式向量,按照三角形周长进行升序排列,并构造辅助索引向量,提高搜索效率;通过分析三角形算法产生误匹配或冗余匹配的主要原因,根据估计最大位置误差建立相近模式向量表,以提高识别成功率。仿真实验表明：当位置噪声在估计最大位置误差范围以内时,本算法识别成功率可达99％以上,平均识别时间为1．8ms,很好地满足了星图识别的要求：     

基于矩阵星图识别算法的卫星三轴姿态确定方法研究

针对基于星敏感器的三轴稳定卫星姿态确定系统,总结比较了目前用于姿态确定的常用姿态敏感器的性能,引出了星敏感器的核心-星图识别算法,进而分析比较了当前星敏感器星图识别相关的几种算法的优缺点,重点研究了栅格算法;并在此基础上,提出用矩阵星图识别算法,建立了基于矩阵星图识别算法进行卫星三轴姿态确定的数学模型,从而简便、快捷地求出卫星任意时刻的三轴姿态参数;最后利用Matlab分别实现了用栅格算法和矩阵法进行星图识别的仿真,验证了矩阵识别算法的优点,对于研究卫星姿态确定和提高星图识别算法的效率和精度有一定的参考价值.     

LIS模式下基于双主星集合匹配的星图识别方法

为提高折射星图中非折射星的识别成功率,提出了一种大视场星敏感器高鲁棒性星图识别方法。首先,筛选基础星表,实现导航星库均匀化,采用分组快速搜索算法,提高星对角距特征匹配速度。其次,提出一种基于双主星集合的星点匹配算法,通过匹配、验证、确认三个阶段,多次检验星点集合中的导航星序号,提高星图识别算法的鲁棒性。仿真结果表明,在星点位置噪声、星等噪声、伪星和缺失星等干扰环境下,所提算法与传统的三角形-金字塔混合算法相比,抗干扰能力更强。在含有6颗折射星的干扰条件下,所提算法的非折射星识别成功率仍高于95.6%,较传统算法识别率提升31%。     

一种改进的快速星图识别算法

为解决传统算法在星图噪声加大、星等接近的情况下识别率和识别速度降低的问题.提出一种改进的星图识别算法;从三方面进行改进:首先采用重叠正交网格方法对星表进行均匀化,以减小导航星库容量;其次在匹配时采用哈希查找的搜索方式,以提高匹配速度;最后在识别匹配中加入星等判断环节,当星等噪声大、相对星等小时不采用星等信息,只采用角距进行匹配,同时引入了校验环节以降低冗余和误匹配;仿真实验表明,改进的算法对位置和星等误差比传统的星图识别算法具有更好的鲁棒性,且实时性得到了很大的提高.     

基于几何特征的圆形区域星图识别算法

圆形区域法是星图识别算法之一,具有识别过程简单但不能排除伪匹配的特点。对圆形区域法进行改进,以右手螺旋法则构造三角形模式的几何特征;通过在最亮两颗星的内外环交集内引入第四颗亮星消除三角形的相似性,减小伪匹配发生概率。对猎户座实拍图片进行识别,并对全天随机位置产生模拟星图,在不同的星体位置噪声下进行星图识别。仿真实验表明,采用改进后的圆形区域法星图识别率达到98％,识别时间平均低于0．05s。     

基于锚定和EMD距离的星图识别方法

针对现有的识别算法存在识别速度慢,识别成功率不高,提出了一种新的星图识别算法,该算法根据恒星星等,利用锚定的方法,使待识别星图中的星落于导航星图中的星的ε邻域,对于未落于ε邻域的星,建立有向赋权二部图,进行完美匹配,根据计算星对之间EMD距离,来确定星图的匹配是否成功;仿真结果表明,该方法提高了星图识别的速度,有很高的成功率;通过与利用Hous-dorff距离进行星图识别的方法比较,该方法对于星数目多时,速度有明显提高。     

基于ITSI优选算法的星敏感器导航星库建立

为了有效提高星敏感器星图识别性能,基于ITSI导航星优选算法,合理地进行了导航星库的构建。该优选算法是在传统的导航星优选算法基础上进行的改进,通过区域分割和星密集度计算来实现优选导航星。同时,基于SAO星表,本文建立了一个星图仿真器的软件平台,可以按照实际需求输出全天球范围内不同光轴指向、视场角、轨道位置、像元敏感度等约束条件下的观测星图。在此星图的基础上,运用上述导航星优选算法,建立导航星星库。经均匀性评价准则验证,本文提出的导航星优选算法可以更好地实现导航星的均匀分布,降低星冗余度。最终基于此算法建立导航星库,可以有效降低星图匹配复杂性,提高星图匹配速率和识别成功率。     

基于星三角形外接圆的星图识别算法

三角形外接圆半径能部分描述三角形的结构特征,在三角形两条边长及其外接圆半径已知的情况下,可以确定唯一的三角形,因此提出了一种基于三角形外接圆的星图识别算法。构建了导航星数据库,以特征三角形为匹配模板,减少了导航星三角形的数量,从而减小导航星数据库容量。为了提高搜索效率,以特征半径为搜索量,并对其进行升序排列。通过对特征半径的匹配,缩小了角距匹配的范围,提高了角距匹配的速度,同时采用的多三角形的组合有效地提高了识别率。为了保证星图识别的准确性,引入了验证识别环节。仿真结果表明:当存在2像元的位置噪声时,识别率大于97.42%,平均识别时间为38.41 ms,实时性与鲁棒性均优于传统三角形星图识别算法。     

基于神经网络的时间序列相似模式发现方法

基于无监督学习神经网络聚类原理,提出一种时间序列相似模式发现方法.通过快速离散余弦变换将序列映射到相应的特征模式空间,不但实现维数简约,而且克服传统神经网络不能处理过程序列的局限性.分析人工神经网络作为相似性度量模型的优越性,用"黑箱式"的网络权值代替传统的距离度量方法,并在此基础上实现相似模式的全部配对发现算法.对实际飞行数据仿真结果表明该方法的正确性,同时具有多尺度特性,可有效反映不同分辨率下序列间的相似程度.     

Star pattern recognition based on features invariant under rotation

A star pattern recognition algorithm is proposed on the basis of features invariant under rotation. Guidance star identification via the algorithm is performed on star images captured by star sensor and simulated images. The results indicate that the proposed method presents better robustness against position and magnitude noise than conventional ones and eliminates rotation procedure and avoids the influence caused by grid size choice. The database feature storage for each pattern consists of simply four floating point numbers.     

融合相似性检测的抗遮挡粒子滤波跟踪算法

在粒子滤波跟踪算法运行过程中,由于目标遮挡导致丢失目标,将严重地降低跟踪精度与鲁棒性。为了解决此问题,提出了目标丢失状态判定方法和基于改进序贯相似性检测的目标位置重建方法,当检测到目标丢失时,重启跟踪算法。改进序贯相似性检测使用Bhattacharyya距离代替像素累积误差,更好地适应检测目标发生旋转、形变、缩放等情况。使用OTB-100标准数据集,将该算法和传统粒子滤波跟踪算法、SCM等经典算法比较。实验结果表明,对于含遮挡特性视频序列,本文算法比传统粒子滤波跟踪算法和OTB-100抗遮挡最优算法跟踪成功率分别提高36.6%和3.2%,提升了跟踪过程的稳定性。此外,还将实验结果与最新粒子滤波跟踪研究成果作对比分析。     

模糊理论在基于特征向量的模式识别中的应用

在计算机测量与控制系统中经常会遇到基于特征向量的模式识别问题,由于特征向量提取过程所带来的误差,使得数据库中标准模式的特征向量与待识对象的特征向量都具有一定的不确定性。将模糊理论应用于识别过程中,将识别过程转换为两个模糊集的贴近度或距离问题,设计实现了基于格贴近度和距离的识别算法,并成功应用于基于手掌形状的身份识别系统中。     

掌纹识别中的尺度不变特征转换改进算法

针对在低分辨率掌纹图像中,传统尺度不变特征转换算法易产生误匹配的问题,提出一种用于掌纹识别的改进尺度不变特征转换算法。根据局部匹配的思想,结合欧氏距离及加权子区域匹配方法对图像进行匹配,计算得出的相似度能反映图像的局部与全局特征。仿真实验结果证明,改进的尺度不变特征转换算法比原算法具有更高的识别率。     

语义自编码结合关系网络的零样本图像识别算法

为了解决零样本图像识别中传统模型容易出现投影域移位问题以及提高距离相似度度量的鲁棒性,提出关系网络改进语义自编码器的零样本识别算法.基于语义自编码器构建图像视觉特征和语义向量之间的特征映射,并将重构向量与对应向量真值进行级联后送入神经网络,最终利用输出的标量给出预测类别.实验表明,相比传统距离度量方法,文中算法在AWA、CUB和ImageNet-2数据集上的识别率均有所提高,在某些数据集上语义-视觉的投影效果优于反向投影.     

一种基于局部特征的栅格地图拼接方法

栅格地图拼接是多机器人协作创建地图的必不可少的环节。提出一种基于局部特征的栅格地图拼接方法,旨在克服传统算法拼接效率低、拼接成功率低等问题。该方法先对栅格地图拼接建立数学模型,然后转化为图像匹配问题。搭建非线性金字塔,利用FAST算法定位特征点,使用PCA-SIFT算法建立描述符进行匹配,借助随机采样一致性优选匹配点,得到初始参数,并提出一种新型的栅格地图拼接规则。实验表明,该方法鲁棒性好、拼接速度快、拼接精度高。     

基于同心圆分割的大视场星图识别算法

针对星敏系统常见的三角形识别算法数据冗余量大、识别速度特别是初始识别速度低的问题,提出一种基于同心圆分割的大视场(FOV)星图识别算法。在分析星图信息以获得其主星的基础上,围绕主星以一定的半径画8个同心圆,再根据各星的坐标统计每个圆环内的星数量,从而得出主星的伴星分布向量。以同样方法基于基本星表构建相对应的导航星特征库,然后利用伴星分布向量与特征库进行模式匹配,从而得出星图识别结果。对特征库中的数据,根据各向量的第一维元素大小进行排序,以加快算法的识别过程。仿真实验结果表明,该算法所需的导航星特征库存储空间小,具有良好的实时性、抗噪性与较高的识别率,能够以95.3μs的识别时间达到88.9%以上的正确率,可与其他识别算法相结合,执行于不同的阶段,实现更高效、准确的天文导航。