高斯模型与区域生长相结合的景物识别算法

研究景物图像特征提取,光照环境因素变化时,室外场景光学成像也随之发生很大变化,景物特征复杂,严重影响了景物识别的精度.为了解决上述问题,提出一种高斯模型与区域生长相结合的景物识别算法.先提取图像区域的底层视觉特征以及空间位置特征,并通过高斯分布为每类景物建立模型,然后根据模型测试图像中区域属于每一类景物的概率,把概率值较大的区域加入到模型中,更新模型参数,最后,把概率值较大的区域作为种子点进行区域生长得到景物识别的结果.采用Matlab 7.0软件对Pasadena 数据库中景物进行仿真识别.结果表明识别目标景物的有效性,为复杂场景下景物识别提供了一种有效的算法.     

一种新的迎角估计方法

针对迎角和侧滑角在大机动的条件下传感器不能准确测量的问题,提出了借助飞机的动力学模型,以惯导数据的姿态角及其角速率、加速度信息和大气数据的动压为量测值,利用扩展卡尔曼滤波的方法估计迎角和侧滑角,从而克服了对硬件的依赖性,实现了依靠算法代替传感器而获得飞行参数,但是该方法对系统数学模型即动力学模型的准确性有着较高的要求,通过仿真验证,该方法结构简单,易于工程实现,并且估计精度在0．4°以内,具有很好的实时性和鲁棒性。     

无位置输入的姿态航向算法研究

针对姿态航向参考系统中出现的无法装订初始位置信息,不能实时计算飞行器位置信息,引起的地球自转角分量误差无法补偿问题,提出了将速度和姿态误差方程中有关位置项进行简化的方法.简化后的姿态误差方程所造成的误差等效为陀螺漂移的思想,从理论上分析了简化算法因无法补偿位置项和地球自转角分量而造成的误差,设计了基于姿态角的内阻尼卡尔曼滤波器,估计陀螺漂移,修正姿态误差.实验结果表明,对于漂移为10 (°)/h的光纤陀螺构建的系统,修正后姿态精度优于0.3°,航向精度优于1°.     

基于SVM与颜色/纹理组合特征的景物识别算法

受多种因素影响,室外场景变换复杂,因此利用单个特征(通常多使用颜色或纹理)完成室外场景的识别,不能达到满意的效果。首先基于RGB空间的颜色直方图进行颜色特征提取,然后基于Gabor滤波器进行纹理特征提取,最后将两种特征结合,提出了基于SVM与颜色/纹理组合特征的景物识别算法。基于美国加州理工学院的Pasadena Houses2000数据库建立了室外场景中天空、道路、房子、树木和草地等5类样本训练库,进一步完成了基于SVM的单一特征和颜色/纹理组合特征的景物识别。实验结果表明,该算法对仅用一种视觉特征无法区分景物的室外场景图像能取得较好的分类结果。     

无位置输入的民机姿态航向误差修正算法

姿态更新算法与姿态误差修正算法是捷联姿态航向参考系统中一项长期研究的关键技术。研究了在无位置输入和无法计算位置项引起地球自转分量无法补偿的情况下,针对姿态航向系统仍必须提供可靠的、正确的姿态航向信息这一突出问题,提出了忽略误差方程中微小量,利用飞机航线覆盖区域的中心纬度值替代误差方程中的纬度项,将简化后的算法引入的误差等效为陀螺漂移和加速度计零位的思想。设计了基于四元数的内阻尼卡尔曼滤波器,更新姿态四元数修正误差。结果显示对于漂移为10°/h的光纤陀螺构建的系统,修正后姿态精度优于0.3°,航向精度优于1°。     

基于改进粒子群算法的空间配准

在利用多传感器观测值进行空间配准时.系统误差模型难以构建、目标运动模型确定困难.针对此问题,从误差配准的基本原则出发,构造了目标函数,进而将配准问题转化为与系统误差模型无关的非线性优化问题,提出了基于异步学习因子的粒子群算法,对该优化问题进行求解.该粒子群算法简单,易于实现,收敛速度较快.最后通过仿真验证了该算法的有效性和可行性.     

复杂环境下异构传感器自适应景象匹配

提出了在复杂环境下异构传感器自适应景象匹配算法.应用异构传感器,将基准图常用的图像适配性指标引入到实时图评价体系中.采用多项指标对异构图像分别进行适配性评价,将实时图的每个评价指标作为一个证据,并给出各证据置信指派函数,通过证据融合完成异构传感器自适应的选择,进一步实施景象匹配.复杂环境下红外,可见光传感器自适应景象匹配的实验结果表明,该算法匹配概率高,可获得更好的匹配效果.     

基于SIFT联合描述子的航拍视频图像镶嵌

针对存在明显旋转、尺度或模糊等变化的图像,文章提出了一种基于SIFT联合描述子的航拍视频图像镶嵌算法。该算法首先计算经典的SIFT特征局部描述子,然后通过引入图像的形状信息得到每个特征点的全局描述子,进而获得联合描述子;对联合描述子中的局部描述子采用欧氏距离、全局描述子采用卡方距离进行双向匹配,通过加权平均法融合得到联合描述子的匹配距离;采用RANSAC算法精确估计仿射变换模型参数。实验结果表明:该算法具有较好的鲁棒性,可获得较好的镶嵌结果。     

惯性/景象匹配组合导航系统的误差校正研究

惯性/景象匹配组合导航系统(INS/SMNS)的组合方式,实际上是一种不等间距、非实时性的有限点校正。为了提高景象匹配和惯导系统的组合精度,进一步达到子像素级的水平,完成景象匹配对惯导系统累积误差的校正,提出了多点连续校正的方法。分析了进行校正的具体前提条件,推导了不同数目匹配点时,对应的简化惯性导航系统输出误差校正方程。根据简化的误差方程和惯性导航系统的输出值,求解出位置误差和速度误差。比较了单点、两点、三点、四点以及五点校正的结果。仿真结果表明:当匹配点个数越多,求解出的位置误差、速度误差精度越高。从而得出景象匹配误差校正精度主要取决于两个因素即匹配点的个数和校正的实时性的结论。