雷达组网的精确极大似然误差配准算法

针对最小二乘法和卡尔曼滤波方法在雷达网系统中的误差配准问题,提出一种雷达组网的精确极大似然误差配准算法。采用基于圆极投影的极大似然配准算法,利用各雷达站的几何关系,通过极大似然混合高斯一牛顿迭代方法估计出雷达网的系统误差,并进行仿真。仿真结果证明：该配准方法具有良好的一致性,可以用于多雷达组网的误差配准。     

多传感器空间配准的病态性及其稳健估计

为提高多传感器空间配准的精度和稳定性,以最小二乘空间配准算法为基础,分析多传感器空间配准病态性产生的原因,指出系统误差估计Fisher信息矩阵的病态性是影响空间配准质量的主要因素。运用条件指标对病态性程度进行评价,并根据信息矩阵的奇异值呈阶梯型分布特点,提出一种混合的奇异值修正稳健估计算法。该算法通过只对较小的条件指标进行修正,实现对系统误差观测方程中不确定成分的有效抑制和确定成分的保留,能较好解决多传感器空间配准系统误差实时估计问题;通过两种不同场景下的系统误差估计结果证明,该算法的使用可显著地提高系统误差参数估计的精度和稳定性。     

基于异步量测的多雷达方位误差配准算法

在多雷达数据处理系统中,系统误差是影响目标跟踪和数据融合质量的一个重要因素,且正北方位误差是系统中影响较大的系统误差.针对实际系统中,不同雷达对同一目标的量测大多是异步这一现状,文中提出了采用卡尔曼滤波器进行异步量测的方位误差配准,该算法可将时间对准、位置和方位误差估计同时完成,实时进行方位误差的配准处理.通过仿真验证了算法的可行性和有效性.     

一种基于改进SIFT的SAR图像配准算法

为克服SIFT (scale-invariant feature transform)描述子应用于SAR图像配准领域时配准精度低的不足,提出一种基于改进SIFT的SAR图像精确配准算法.该方法首先提取特征点的SIFT描述子和改进的旋转不变纹理化特征描述子,再利用典型相关分析特征融合算法将2种描述子融合,形成新的特征描述子,计算2幅图像中各个特征点间的改进加权距离并通过预先设定好的阈值完成粗匹配,最后通过随机抽样一致性算法去除误匹配实现精匹配,并代入仿射变换模型以求得变换参数,完成图像的配准.仿真结果表明:该方法的匹配性能明显优于SIFT及PCA-SIFT算法,能够有效处理图像在尺度变化、灰度变化、旋转角度变化的情况下SAR图像配准问题,且配准精度达到了亚像素级.     

一种傅里叶——梅林变换空间图像快速配准算法

为了实现低信噪比条件下暗弱空间碎片的探测,提出了一种基于傅里叶—梅林变频(FMT)的图像快速配准算法。首先,通过计算2幅原配准空间图像间的相关系数T并与阈值βth进行比较,快速判断图像间的旋转系数;其次,为了在保持配准精度的前提下获得较好的实时性,提出在配准算法的不同阶段采用不同方法对空间图像进行插值。通过基于FPGA+DSP硬件平台的实验验证表明,该算法能够实现0.5个像素精度的配准,与传统的基于区域和基于结构特征的配准算法相比,本文提出的算法配准速度分别提高55.319%和50.878%.基本满足了空间图像配准对实时性和高准确度的要求。     

基于点特征的图像配准方法综述

图像配准作为图像信息领域的一项重要技术,在遥感测绘、目标识别、三维重建和导航制导等方面有着广泛的应用。近些年来,基于点特征的图像配准方法取得了快速发展。相对于基于区域的图像配准算法,基于点特征的图像配准方法具有更强大的区分能力,能够在图像视角变化、存在噪声甚至一定遮挡的情况下近实时地实现配准。首先研究基于点特征的图像配准算法的基本流程,侧重介绍SIFT、SURF、FAST和BRISK几种算法。分析讨论了几项评价点特征图像配准算法性能的指标,并展望该领域研究前景。     

图像配准方法及其在目标跟踪中的应用

给出了一种基于点特征的图像配准方法,可以用于复杂背景下任意角度旋转的图像之间的配准。图像配准算法分为四个步骤:用Forstner算子分别提取参考图像与待配准图像的特征点;使用旋转不变特征向量获取特征点之间的初始匹配关系;使用投票算法剔除误匹配点对,获取正确配对的同名点对;用最小二乘方法由正确配对的同名点对获取图像之间的配准参数。给出了基于点特征的图像配准方法在目标跟踪中的应用方法,并进行了仿真实验,结果证明该图像配准算法可以对复杂背景下弱对比度静止目标进行精确跟踪,而且算法具有很好的通用性。     

雷达系统误差协同配准算法研究

雷达系统误差的配准方法受公共目标选取、目标运动预测、异步时间对齐等因素的影响，在实际应用中受到较大限制。利用数据链网络的通信功能和时间同步功能，论文提出了一种协同的配准算法，利用飞机自身构造的虚拟坐标系，获得配准的高精度基准源，实现对雷达的有效系统误差估计。算法基于Kalman滤波器实现，对存储和计算能力要求不高并具有良好的收敛性能，其估计精度较好，而且对采样周期没有要求，符合数据链和战术互联网的实际传输要求。     

基于文化粒子群的图像配准优化算法

针对图像配准中采用互信息作为配准相似度函数存在配准精度小和收敛速度慢等问题,构造了一个基于最大化互信息的配准测度函数。结合一种适用于图像自动配准的文化粒子群优化(CPSO)算法,给出了一种新的图像配准算法。该算法将搜索空间设置成群体空间和信念空间,群体空间采用自适应粒子群算法完成进化,信念空间通过更新函数来进行演化。群体空间的粒子群不仅通过跟踪个体极值和全局极值来更新自己,还通过不断与信念空间中的优秀个体交互,加快群体的收敛速度。这就克服了图像配准中计算量过大、搜索速度慢等问题。大量实验表明,与现有的粒子群优化（PSO）算法配准算法相比,文中提出的算法具有较好的鲁棒性和配准精确率。     

基于数据配准的零件精密装配最佳接触状态研究

针对零件表面几何形状误差分布对装配精度的影响与零件装配后配合表面接触状态尚不清楚的问题,提出一种基于数据配准的零件配合表面最佳接触状态确定方法。分析零件表面几何形状误差分布特性,利用数据配准技术提出配合表面接触点确定方法,并采用粒子群优化算法求解最佳接触状态;在此基础上采用小位移旋量表示零件表面的几何形状误差,提出一种基于接触状态的配合误差计算方法,从而实现零件装配精度的初步预测;通过实验验证了所提模型和方法的有效性。研究结果表明：数据配准方法可确定零件装配时的接触点位置和接触状态,预测精密高刚度零件的装配精度;从统计意义上证明,零件的形状误差分布对精密装配的影响不可忽略。