基于亚像元坐标的像素频率误差补偿方法

详细介绍了一种星敏感器像素频率误差补偿方法并结合实际实验数据对其补偿效果进行验证。首先依据阈值分割的星点提取算法,分析了像素频率误差产生的几个主要原因。然后改进原有的星点质心定位点扩散函数,提出了一种基于亚像元坐标的像素频率误差补偿方法。最后通过星敏感器微步距实验,与正弦曲线法比较。实验结果表明:在视场中心区域,使用该方法对采样点补偿后像素频率误差减少了65.2%,优于正弦曲线法的52.7%;使用视场中心的误差补偿公式对视场边缘的采样点补偿,像素频率误差减少58.7%,优于正弦曲线法的41.9%。由实验结果可得:较之于正弦曲线法,该误差修正方法不仅具有更好的误差补偿效果,而且在视场范围内具有较强的通用性。     

光学像差对星点质心定位误差的影响分析

星点质心定位精度直接决定了星敏感器姿态测量精度的极限,其误差源之一是弥散斑模型的选取。星敏感器光学系统像差无法完全消除,必然影响弥散斑分布,研究光学像差对星点质心定位误差的影响对工程应用具有重要意义。文中以Gauss弥散斑模型为比较,研究了离焦等4种光学像差对星点质心定位的影响机理和分布规律,结合质心定位的物理过程推得光学像差影响下的误差解析式,并实现数值仿真,结果表明:光学像差形成不同的弥散斑模型,导致不同的星点质心定位误差分布;星点弥散斑边缘能量减弱趋势对质心定位误差影响较大,若控制光学像差使相应弥散斑边缘能量呈缓慢趋势减弱,则有利于定位误差的减小。光学像差影响下的星点质心定位误差分析对相应的误差补偿具有指导意义,提出的各光学像差的控制意见有利于指导星敏感器光学系统设计。     

星图像的亚像元细分定位方法研究

介绍了常用的亚像元细分定位算法,即质心法、高斯曲面拟合算法和抛物面拟合算法。理论上高斯曲面拟合算法具有最好的精度,然而通过对实际星图的实验,发现其与实际情况符合的并不好,定位误差超出了允许的范围。因此本文选用质心法计算星体的坐标,并经过仿真实验证明了质心算法达到了亚像元的精度,完全满足后续应用的要求。     

实用型亚像元定位方法的研究

针对重复曝光离线对准系统,提出一种实用型亚像元定位方法--自适应加权拟合细分算法(AWS),详细分析了算法的理论基础和基本原理,利用投影平均来提高信噪比,一维尺寸对比度滤波器单调分区,自动加权突龉丶?重建拟合曲线.仿真和硬件平台实验均表明:该算法具有较高的重复定位精度和实时处理能力.     

基于两帧图像"亚像元"技术的插值方法研究

分析了两帧图像“亚像元”法的图像数据特征、插值处理的可行性以及提高图像空间分辨率的合理性。推导出三种插值方法——双线性插值、加权插值和线性代数插值的计算公式。在Matlab下进行模拟“亚像元”技术的插值计算,计算结果表明图像分辨率确能提高到“半个探测器像元”的空间分辨率。并对三种插值方法进行了比较。     

一种改进相位相关算法的亚像元像移检测方法

稳像系统能够保证对地观测视频小卫星\     

模板图像匹配中的亚像元定位新方法

研究了模板与图像匹配中元定位的方法．分析了在亚像元定位中的重采样和曲面拟合方法,对重采样方法进行如下改进：仅对模板进行ｎ 倍重采样,产生（２ｎ－ １）个子模板,计算每个子模板与图像的归一化相关系数（ＮＣ值）,则ＮＣ最大值的子模板所对应的偏移即为要求取的亚像元偏移．并提出了一种导数求取曲面拟合系数的方法;融合重采样和曲面拟合提出了一种新的亚像元定位方法,实验结果表明了此算法的有效性．     

星敏感器的星点定位方法研究

介绍了星敏感器的基本工作原理,分析了星图的特点．并结合星图的特点对星图阈值的确定和内插细分算法进行了研究,从理论和实践两个方面对星点定位算法进行了分析,最后确定了适合星图使用的星点定位方法。并用星敏感器对该定位方法进行了试验检验,取得了较为满意的结果。     

亚像元精度的图像匹配技术

文中研究了在地图匹配制导了如何提高定位精度的问题，由于数字图像的离散性，传统匹配技术的精度以１个像素的极限，采取对其准图卫片中特征进行亚像元精度特征定位的方法，可以将匹配精度提高到１／３个橡素以内，文中给出了其方法，理论基础，可信性分析和最终的实际匹配结果。     

表面贴装元件识别的一种亚像素边缘检测方法

亚像素算法是一种高精度的边缘检测算法.分析了亚像素边缘检测的原理及现有算法的优缺点,根据现有用亚像素对表面贴装元器件图像检测的算法,提出了三次样条插值的亚像素算法进行边缘提取.通过实验比较,认为该方法提高了边缘提取的精度,满足了贴片机视觉检测的要求.     

质心定位中的加权坐标误差修正方法

针对IoT中需求高精度节点定位的问题,提出了一种加权坐标误差修正的质心定位算法。首先对距离无关质心定位算法进行分析,然后使用RSSI测量标记节点与待定位节点的距离,并结合信号衰减度对坐标加权,最后对节点坐标误差修正,进一步精确节点坐标。实验仿真结果表明,本文提出的加权坐标误差修正方法相对于传统定位算法,有更强的抗干扰能力和鲁棒性。     

一种Zernike矩亚像素边缘检测的优化算法

Zernike矩边缘检测算法是一种基于亚像素级的检测算法,但是传统的Zernike矩算法在阈值选取方面需要人工调试,不具有智能性,无法满足现代高效率工业检测技术的要求。本文为了克服这个不足点,从算法的阈值选取出发,对算法进行了改进,推导出了一种阈值的优化计算方法。实验结果表明这种优化算法能够有效地检测出图像的边缘,并有极高的检测精度,很大程度地提高了算法的检测效率,增强了该算法的实用性。     

基于二次质心的无线传感器网络定位算法

节点的定位是无线传感器网络中的一种重要技术。提出了一种新的无线传感器网络定位算法——基于二次质心算法的定位算法,与以往的基于三边测量的加权质心方法不同,该算法改进了对未知节点位置的估算方法,一定程度上避免了因多次估算质心而产生的累积误差,提高了定位精度。仿真表明,该算法的定位精度较之前的三边测量方法提高了约19%。     

点源目标质心探测中单个盲元线性插值补偿算法选取

自适应光学系统中应用哈特曼波前传感器对点源目标进行质心探测时,光电探测器上子孔径区域内存在的盲元会引入一定的附加质心探测误差,为了减小质心误差,需要选取合适的盲元补偿算法获得相对合理的补偿值。推导了哈特曼波前传感器子孔径内单个盲元补偿后造成的附加质心探测误差。利用仿真统计了各种利用盲元邻域正常像素进行线性插值的单个盲元补偿算法对点源目标质心探测误差的影响。提出了单个盲元邻域像素线性插值补偿算法选取的若干准则,指出选用盲元上下左右4邻域像素的均值进行补偿造成的平均质心误差最小,而选用盲元左右两个像素平均补偿算法可以在补偿误差较小的情况下简化运算。实验结果与仿真结果相符合。     

无线传感器网络节点的三维质心定位算法研究

由于无线传感器网络中的节点初始位置并不固定,所以需要利用合理的定位算法进行无线传感器网络的节点位置的确定。而利用三维质心定位算法,可以通过假设锚节点和利用三维坐标系来进行曲面三维体的确定,从而将三维体的质心当做是未知节点进行位置的计算。因此,基于对这一算法的认识,本文对无线传感器网络节点的三维质心定位算法进行了研究,并对其性能进行了分析,从而为关注这一话题的人们提供参考。     

卫星视频帧内自适应误码掩盖新算法

在易发生错误的卫星信道的传输过程中,视频会产生误码和丢包.根据视频的边缘特征,将丢失块分成平坦块、边缘块和纹理块.然后,自适应地选择双线性内插、方向内插或者新方向加权内插作为内插方法,提高重构视频质量,加速误码掩盖过程.为了减少梯度计算量,将噪声像素从候选预测像素列表中剔除.为了准确地呈现图像的方向信息以及抑制噪声,选择Prewitt算子作为梯度滤波器.另外,使用分数像素内插来提高插值精度,适应高清视频应用.客观评价结果显示,在解码时间稍微增加的情况下,峰值信噪比大约提升了3 dB.主观比较结果显示,提出的算法能够获得更高的视觉质量.     

天基监视空间目标轨迹提取算法

序列星图中弱小目标的检测与定位是可见光天基监视中的关键技术之一,星图预处理的结果直接影响检测灵敏度及虚警率。文中引入一种在轨检测轨迹提取算法,该算法适用于高斯噪声的星图,由高斯最小二乘拟合、小区域滤波及星象边缘闽值分割三步组成。可抑制噪声背景减少虚假目标的同时,较好地保持星象边缘。通过算法性能分析可知,同美国天基可见关...     

激光基准成像测量光斑图像的亚像素检测算法

在激光基准下基于CCD成像身管轴线直线度测量系统中,对激光光斑图像的高精度检测和定位是影响系统测量精度的一个重要因素.为了提高激光光斑图像的检测和定位精度,提出了一种Sobel-Guass拟合算子的激光光斑亚像素边缘检测方法,同时结合最小二乘迭代圆拟合法设计了光斑中心的高精度定位.即:首先用Sobel算子细化边缘,进而在梯度方向上进行高斯函数拟合插值,进一步提高图像边缘位置的检测精度,最后经最小二乘圆迭代拟合后得到激光光斑的亚像素级几何参数,从而使测量系统的精度提高一个数量级.实验结果表明:像素细分后对像素点的定位精度可以达到0.1个像素,亚像素边缘对标志中心的定位精度优于0.03像素.     

Nonlinear blind source separation algorithm based on spline interpolation and artificial bee colony optimization

A post-nonlinear blind source separation algorithm based on spline interpolation fitting and artificial bee colony optimization was proposed for the more complicated nonlinear mixture situations.The separation model was constructed by using the spline interpolation to fit the inverse nonlinear distortion function and using entropy as the separation criterion.The spline interpolation node parameters were solved by the modified artificial bee colony optimization algorithm.The correlation constraint was added into the objective function for limiting the solution space and the outliers wuld be restricted in the separation process.The results of speech sounds separation experiment show that the proposed algorithm can effectively realize the signal separation for the nonlinear mixture.Compared with the traditional separation algorithm based on odd polynomial fitting,the proposed algorithm has higher separation accuracy.