一种基于高斯拟合法的激光光束中心提取方法

在激光辅助的视觉测量系统中,高斯拟合法的拟合数据选取影响激光光束中心提取精度。针对不均匀光照下激光图像难以确定高斯拟合数据数量的问题,文中提出一种基于随机抽样一致性算法的自适应高斯拟合方法。根据激光图像背景区域灰度分布的变化特性,采用随机抽样一致性算法估计背景区域灰度分布模型;将该模型的局外点作为拟合数据,从而利用高斯拟合法获得激光光束中心点的亚像素坐标。实验结果表明,该方法选取激光图像的高斯拟合数据平均拟合系数达到0.934,与固定拟合数据长度的高斯拟合法相比,提高了激光中心提取精度。     

高斯光束的偏心分布

本文人正常高斯光束的复振幅表达式出发，通过傍轴光波传输公式，得到偏心高斯光束的复振幅和光强分布表达式以及数值模拟光强分布曲线，并与正常高斯光束光强分布的对称性进行了比较。     

一种获得平顶激光光强分布的方法

从Huygens-Fresnel衍射积分出发,计算高斯光束经过初级球差透镜聚焦之后的衍射光场.数值结果表明,当透镜的球差系数为负时,在聚焦光场的两个位置,得到了平顶激光光强分布.还讨论了透镜的菲涅耳数对平顶激光光强分布及其出现位置的影响.结果表明,透镜的菲涅耳数愈小,出现平顶激光光强分布的位置愈往聚焦透镜移动.并且,当透镜的菲涅耳数较小时,平顶激光光强分布的顶部呈现光强调制.计算结果表明,负球差透镜可作为获得平顶激光光强分布的简单方法.     

高斯混合分布杂波下ARM的Wald检测方法

提出一种在高斯混合分布杂波下检测反辐射导弹(ARM)的Wald检测方法.针对基于期望最大化(EM)算法估计杂波参数时,由于初始化不当使迭代运算落入初值陷阱、导致估计错误的问题,提出基于矩-EM算法估计杂波参数的方法,导出了高斯混合分布杂波下ARM目标的Wald检测统计量.不同参数条件下的仿真表明,矩-EM算法能够更准确地估计杂波参数;基于高斯混合分布杂波假设的Wald检测性能明显优于基于高斯分布杂波假设的Wald检测性能.     

改进高斯混合模型的激光点云数据分类

激光点云数据的无序性会影响激光场景识别和三维重建,导致激光点云数据分类误差大,精度低等问题,为此提出基于改进高斯混合模型的激光点云数据分类方法。首先采集激光点云数据,利用邻域密度算法对数据中的噪声进行分析和去除,然后采用改进高斯混合模型获取数据点间距,将点云数据分类相应类别中,实现激光点云数据分类。实验结果证明,本方法可以有效去除激光点云数据中的孤立点,提高了激光点云数据分类精度,激光点云数据分类结果可满足激光三维重建要求。     

基于改进的混合高斯模型的运动目标检测方法

为了改善混合高斯模型在光照突变时容易产生大量误检的缺陷,采用了一种高斯模型与均值法相结合并为前景像素建立计数器的方法。在建立背景模型时,运用多帧图像求平均值的方法初始化混合高斯模型的背景;为每帧图像的前景像素数建立计数器,并以此消除被误判为前景的区域;对检测出的前景区运用数学形态学处理,得到图像真正的前景区域。结果表明,该算法不仅克服了初始背景中的干扰,而且消除了光照突变时的误检,提高了运动目标的检测率。     

一种计算水下高斯光束远场光强分布的方法

在平行细光束水下传输的唯像模型基础上,通过对自由空间中高斯光束光强分布规律的分析,将高斯光束分解成多条平行细光束,推导了计算水下高斯光束远场光强分布的数学模型,分析了光强随水体衰减系数、传输距离、散射角变化的规律,并进行实验验证。计算与实验结果基本吻合。     

SAR图像的Gamma混合分布建模方法

随机信号的混合概率模型比单一概率模型具有更多的灵活性,更适合复杂的分布建模。当前主要的混合概率模型有高斯混合模型、α分布混合模型和Gamma混合模型等。但高斯混合模型更适合随机变量对称分布的分布建模,而α混合模型参数多、算法复杂。SAR图像的像素值为非负值,且多为斜峰分布,更适合用Gamma混合模型建模。仿真分析及数据测试都表明,本文提出的gamma混合分布建模方法对SAR图像的像素统计分布具有更高的运算效率。      

结构光光条中心亚像素快速提取方法

为准确获得结构光光条图像的光条中心,提出了一种新的光条中心亚像素提取方法。该方法通过光条截面能量中心和光条法线方向的迭代计算,实现了光条中心的亚像素精度快速提取。仿真实验结果表明,对于768×576piexl的图像,在噪声水平σ=36时,光条提取精度达到0.12piexi像素,光条提取速度约6.5ms。     

高斯噪声中的参数盲估计

盲信号处理方法中常忽略噪声的影响,而实际问题中噪声的影响是存在的.本文主要讨论了在协方差矩阵未知的加性高斯噪声中混合系数的盲估计问题.本文以最大似然估计为基础,提出一种求解参数的最优化算法,给出了混合矩阵和协方差矩阵的计算式.采用高斯混合模型(GMM)来逼近源信号的概率密度函数,简化了算法中的积分,导出了一种基于EM算法的迭代式.仿真表明,算法不仅能稳定收敛,而且在低信噪比下也能获得良好性能.     

基于贝叶斯模型和数字图像相关的视觉测量

为了能够快速准确地实现3维测量,提出了一种基于贝叶斯模型和数字图像相关的视觉测量方法。该方法采用数字图像相关法对校正后的图像进行立体匹配,克服了传统立体匹配方法精度不高的问题;采用贝叶斯模型估计图像视差,并将其作为数字图像相关法非线性迭代优化的视差初值,克服粗搜索方法寻找视差初值计算量大、精度低的缺点;基于校正后图像与原图像之间的投影关系,由最小二乘法计算出匹配点的3维坐标。结果表明,基于贝叶斯模型和数字图像相关的视觉测量算法,能够快速准确地实现3维视觉测量。     

面向三维测量的光刀图像质量评价研究

基于光刀法的三维测量具有精度高、速度快的优势,而光刀中心的精确提取是该方法的关键,针对普遍提取算法的局限性,率先提出引入光刀图像质量评价以提高提取算法的适应性,改进后期三维重建效果。基于光刀图像的特征以及噪声影响的分析,分别提出对比度、亮度、清晰度以及信息量等指标评价方法,进而提出总体评价方法,为提取算法进行适应性修正提供可靠地依据。     

混合高斯自回归模型参数估计方法之ML-DC

混合高斯自回归模型可以对有色非高斯数据的概率密度和功率谱密度进行有效的拟合.而ML-DC算法则可解决这一模型的参数估计问题。描述了混合高斯自回归模型及其参数估计问题之后,分别导出了功率谱密度参数的最大似然估计和概率密度参数估计的动态簇算法,并由此组成了参数耦合估计的ML-DC算法。最后结合一组仿真实例对其估计性能进行了详细探讨,指出并解释了算法的适用范围。     

一种改进的激光光斑中心亚像素定位方法

为了满足平台漂移测量系统中平台漂移角速度高精度测量的要求,基于傅里叶级数,提出了一种改进的激光光斑中心高斯拟合定位方法。该方法在简化高斯拟合模型的同时保证了相对较高的激光光斑中心定位精度。结果表明,改进的高斯定位算法中心定位精度为0.01pixel,明显优于传统质心法和带阈值质心法的0.1pixel。改进后的算法具有较好的算法稳定性。     

基于高斯分布的基站天线最佳方向角定位算法

为提高天馈问题被发现的准确性和维护效率,提出了基于高斯分布的最佳方向角解决方案来诊断运营商天馈覆盖问题。首先计算 UE 上报的具有定位信息的每个 MR 采样点与基站之间的位置方向信息,然后按照位置方向的一定角度间隔逐个统计各区间的MR采样点占比,取MR采样点占比最大的角度区间为该扇区的、基于用户热点分布的最佳天线方向角,最后将该最佳方向角与后台天线基础数据库中基站方向角进行比对,发现天馈系统接反、天线覆盖方向不合理、后台天线数据库错误等一系列天馈相关问题。经验证,采用该算法发现天馈问题的成本、准确率和效率较现有方法有明显改善?。     

中波红外激光器的近场远场测试方法及应用

高重频3~5 m中波红外固体激光器由于其多方面的潜在应用而受到了广泛的重视。但该波段激光器输出具有较大的技术难度并且人眼不可见,因此对于此种激光器的近远场测试方法的报道很少。文中首先简要介绍此类激光器的产生原理,然后对激光器近场参数进行了详细测试。最后,在室外180 m距离上通过单点探测器采样进行了中波红外激光器的远场绝对功率密度测量,并与Fresnel衍射积分的理论结果进行了对比。理论和实验结果表明,此激光器波长为3.9 m,具有高平均功率和高重频的特点,功率不稳定度为10%。远场测试结果和理论计算都表明此激光器在远场具有准高斯的光强分布。考虑大气影响,测试得到远场平均能量密度为6.367 nJ/cm2,比大气经验模型计算的结果大1.3倍。该研究将对测试中波红外激光器的参数提供有益的参考,并对此激光器圆场探测器干扰阈值评估具有一定的借鉴作用。