遥感图像中舰船检测方法综述

随着遥感成像技术的发展,遥感图像中大型移动目标的检测和识别成为可能,舰船目标检测和识别就是在这一背景下提出的.在参考大量文献的基础上,回顾了舰船检测的发展历程,分析了其研究现状,对舰船检测方法进行了综述并分类,在此基础上对各类算法进行对比,最后给出了该领域存在的问题和发展趋势.     

结合分形特征及灰度相关的快速样本图像匹配算法

样本图像的匹配广泛应用于图像的判读、情报的获取和目标识别等方面.基于图像区域和纹理特征的样本匹配算法由于不需要进行特征提取而成为研究的热点.但是这类方法计算复杂,实时性比较差.为此,本文提出了一种结合分形特征和灰度相关的由粗到精的样本图像匹配算法,并且提出了分形特征计算的快速计算方法.算法首先计算样本图像和原图像各像素点对应的分形特征值;然后利用分形特征进行样本图像的粗匹配,得到初步的配准结果;最后,利用灰度相关剔除粗匹配中错误的匹配区域,得到最后的匹配结果.大量实验表面,本文提出的算法是有效的.     

散射中心提取方法研究

散射中心提取是雷达目标特性研究中的关键内容。首先回顾了典型的散射中心模型,然后对相应的散射中心提取方法进行研究,将现有方法分为基于现代谱估计的方法、基于极大似然的估计方法和基于稀疏性的估计方法三类,并对这些方法进行了简单的评价,最后探讨了该领域存在的难点并展望了可能取得突破的研究方向。     

参数特征匹配在SAR目标识别中的应用

参数特征匹配是基于模型的雷达目标分类识别研究中的重要内容。首先回顾总结了目前典型的参数特征匹配方法,在此基础上,针对合成孔径雷达(SAR)目标识别问题,分析了测试数据参数特征集与目标散射模型参数特征集之间的匹配对应关系,进而采用确定性退火方法进行参数特征匹配,然后依据匹配点对数目信息构造合理的匹配系数,根据匹配系数判定目标所属的类别,最后通过仿真实验验证了算法的有效性。     

一种基于模型的单相机姿态估计方法

利用单幅影像测量目标在空间的位置和姿态参数(Pose)在目标定位、场景监测与更新、目标识别、自动导航等领域有着广泛的应用。目前有很多方法用于解决该问题,这些方法按照目标模型点与对应成像点的对应关系是否已知而分为两大类:一类是对应性已知条件下求解Pose;另一类是对应性未知条件下同时求解Pose与对应性问题。该文提出了一种新的采用单幅影像求解目标位置与姿态参数的方法。与已有的方法不同,该方法完全回避了与Pose问题并存的对应性问题。它利用目标模型投影与真实影像中目标区域的重合程度建立一个包含Pose参数的能量函数,将Pose求解转换为能量最优化问题,并采用了Hooke-Jeeves算法求解这个最优问题。多组仿真数据的仿真实验结果表明,该方法是正确和有效的。     

改进的从运动中恢复目标结构的因子分解法

因子分解法是从图像序列中恢复刚体目标几何结构的重要方法。介绍了传统因子分解法的基本过程,分析了该方法存在的不足,并针对该方法容易失效的缺点,提出一种改进的因子分解法。该方法避开传统方法中求解修正矩阵的复杂过程,利用旋转矩阵的特性,直接修正由传统方法SVD分解得到的每帧图像的旋转矩阵,然后根据观测矩阵和得到旋转矩阵直接利用线性最小二乘法求解目标的结构矩阵。仿真和实测数据的实验结果表明,本文方法能够有效地从序列图像中恢复目标的几何结构,相比传统的因子分解法而言,在稳定性上有较大的提升。     

基于空间信息栅格(SIG)的情报获取系统

在介绍空间信息栅格和情报获取系统概念的基础上,根据目前情报信息获取过程中存在的问题,结合SIG对情报获取系统的要求,详细地介绍了情报获取系统的设计方案,特别是详细论述了实现情报获取系统所解决的主要问题与关键技术。所有这些,在一定程度下,可以解决信息优势向决策优势的转化问题。     

基于SAR 数据的三维散射中心模型位置重构方法

该文面向目标识别应用阐述了基于SAR 数据的3 维散射中心模型位置重构的基本方法。首先阐述了如何从SAR 数据中重构出目标的3 维散射中心模型的基本框架,然后提出了基于散射中心模型2 维参数的3 维散射中心模型重构方法,最后通过仿真实验验证了该方法的正确性。      

宽带图像信号的直线提取

该文用FPGA＋DSP实现了宽带图像信号的实时直线提取,适用于通常的视频图像信号和线阵CCD成像的连续图像信号。实现的直线提取模块已经用于高传输率的快速遥感图像处理系统。算法将直线提取中的参数计算分解为一个可以累加的过程,从而简化了计算,同时保证了直线参数的准确性,在理论上证明了算法的完备性,文章的最后给出了实验结果及比较。     

结合模型限制和灰度信息的图像配准算法

由于噪声和成像条件的不同,准确得到两幅图像中提取的点特征之间的对应性是基于点特征的图像配准方法的一个难点.为此,文中提出了一种新的基于点特征的图像配准算法.该方法结合图像之间的拓扑关系和点特征之间的相似性,并利用变换模型限制求解点特征之间的对应性,然后根据对应的点特征求解变换模型参数,配准两幅图像.实验结果表明,所提出的方法对传感器相近的图像之间的配准是正确有效的.