基于SIFT特征遥感影像自动配准与拼接

将SIFT特征用于遥感及航拍影像的配准和拼接,并针对RANSAC算法在SIFT特征匹配中效率低、同时还需要估计内点噪声均方差作为误差数据的门限等不足,采用一种基于投影的M估计算法,利用最优化准则和输入数据的内在联系绕开鲁棒估计对噪声均方差的依赖性。实验结果表明,对航空和航天遥感影像SIFT特征在一定程度的视点变化、光照变化、分辨率不同等情形下,该方法具有稳定、快速、可靠等特点。M估计则有效地解决了对于不同输入数据的门限选择,真正实现了无人工干预的自动配准。     

基于BP神经网络的ESM／Radar航迹关联

在分布式数据融合的框架下,研究了基于BP神经网络的ESM/Radar航迹关联问题.针对单个融合周期中因传感器采样率差异较大而导致的训练后网络泛化能力较差的问题,对航迹曲线进行拟合后重采样,增加训练样本数据量.利用欧氏距离,对关联概率进行二次估计.将神经网络得到的关联概率与二次估计关联概率进行加权求和,确定最终的关联概率.仿真结果表明,改进后的算法能够对航迹的关联问题作出准确的判决.