基于兴趣点凸包的图像检索方法

提出了一种基于兴趣点确定感兴趣区域的图像检索方法。在尺度归一化图像中检测兴趣点,然后对兴趣点求取凸包确定感兴趣区域,并用颜色直方图和Zernike矩作为特征进行检索,在保证图像检索对图像旋转、平移、缩放鲁棒性的前提下,将图像检索上升到物体层,克服了传统方法的不足。对1000幅图像进行的大量实验表明,该方法与其他基于兴趣点的方法相比,平均检索准确率提高了13%,可以更准确地查找到用户所需图像。     

非合作目标局部特征识别轻量化特征融合网络设计

给出一种基于轻量化卷积神经网络的空间非合作目标局部特征检测网络,即NCDN模型。在SSD模型中引入特征融合策略以适应不同距离下的检测需求,提高模型对图像尺度变换引起局部特征分辨率降低的鲁棒性;并采用不同压缩比例对MobileNetV2内部卷积通道数量做压缩,从而得到轻量化特征提取网络;对SPEED数据集进行局部特征标注与训练以验证NCDN适用的距离范围。实验结果表明,该模型能够在45 m内距离范围保证mAP达到0.90,同时通道压缩节省75%计算量后模型精度损失仅为5%。满足在轨检测精度和计算量需求。     

基于特征点的目标检测方法

几十年来,目标检测一直是计算机机器视觉领域中非常重要的研究方向.特别在人工智能飞速发展的今天,目标检测也越来越受到人们的关注,因为很多机器视觉问题都以目标检测为前提.基于特征点的检测方法是目标检测方法中一类细节检测算法,不但可以得到目标的位置,而且可以得到目标中各个特征点的位置.除了上述特点之外,特征点检测方法很容易将特征点周围的局部纹理信息和特征点之间的空间关系信息进行融合,因此检测结果更加准确.本文就特征点检测方法的理论与发展进行总结阐述,按照功能递进的顺序详细介绍了具有平移不变性的特征点检测方法、具有旋转不变性的特征点检测方法和具有旋转尺度不变性的特征点检测方法,以期为特征点检测方法的发展提供线索与思路.     

基于航迹法的非合作目标RCS测量

针对非合作目标雷达截面（RCS）测量,提出了一种用航迹向推算出目标航向的方法,仅利用常规RCS测量作特殊处理就可实现对非合作目标各个舷向上的RCS分布特性测量。     

基于视觉的非合作空间目标三维姿态估计方法

基于视觉的非合作空间目标3维姿态估计,关键在于建立观测图像与目标模型的特征关联。当前方法往往通过采用复杂的多维特征、产生候选关联结果的方式确保特征关联的准确性,难以兼顾算法效率。为解决以上问题,该文提出一种结合深度学习技术的姿态估计方法,首先通过深度神经网络得到姿态初值,然后基于姿态初值建立图像和目标模型之间的特征关联,进而求解目标姿态。所提方法中,深度神经网络提供了稳定的姿态初值,缩小了特征关联的候选空间;在姿态初值的支撑下采取了更为高效的特征提取与匹配方法。仿真实验表明,该文方法相比于现有方法更好地兼顾了算法准确率和效率。     

基于立体视觉与特征匹配的点云目标识别算法

准确提取三维点云数据中待测目标的点云集合是三维点云目标识别技术的一个关键问题,也是近年来目标识别领域从二维向三维拓展的一个重要挑战,其主要难点在于快速寻找离散点云之间的相关函数关系。结合立体视觉与特征匹配构建了可以表征不同视场条件下的目标点云约束的机制,通过采用立体视觉作为约束条件完成了对原有特征匹配算法的优化。设计了基于立体视觉的估计算法,通过训练学习获得了不同选取比例条件下的识别规则。实验采用ARIES激光雷达采集点云,并通过MATLAB选取三种典型目标状态。当目标区分度高时,优化前后的目标识别率都在98%以上;当目标区分度低时,优化后对目标边界的限定条件可以很好地提高识别概率。采用优化的点云数据位置偏差量可达到0.55 mm,相比未优化的0.74 mm提高了0.19 mm。同时,优化后算法的收敛时间曲线要优于未优化的,3000点以上的收敛时间均值约为8.33 s,优于未优化的12.76 s。综上所述,优化后的算法具有更好的识别效率。     

基于杂波特征评估的雷达目标点迹过滤方法

雷达在目标检测和跟踪时常面临地杂波、海杂波、气象杂波等复杂强杂波的干扰,而雷达回波信号经过传统的动目标显示(MTI)和恒虚警(CFAR)检测处理后的剩余杂波,在距离-时间(脉冲)上的二维分布与目标非常相似,无法区分。对此,提出一种基于杂波综合特征评估的雷达目标点迹过滤方法,综合考虑目标与杂波在幅度起伏、距离/俯仰/方位相关性、相位变化等多维特征的不同,利用综合特征因子评估区分目标和杂波。最后,利用雷达实测数据对所提方法进行验证。结果表明,杂波有效抑制率较传统方法有显著提升。     

高维多目标优化中基于稀疏特征选择的目标降维方法

目标降维算法通过去除冗余的目标达到简化问题规模的目的,为求解高维多目标优化问题提供了一种新的思路和方法.近似解集的几何结构特征和Pareto占优关系从不同侧面反映了多目标优化问题的内在结构特性,而现有算法仅利用其中一种特征分析目标之间的关系,具有较大局限性.本文提出基于稀疏特征选择的目标降维方法,该方法利用近似解集的几何结构特征构建稀疏回归模型,求解高维目标空间映射为低维目标子空间的稀疏投影矩阵,依据此矩阵度量目标的重要性,并利用Pareto占优关系改变程度选择满足误差阈值的目标子集,实现目标降维.通过与其他已有目标降维算法比较,实验结果表明本文提出的降维算法具有较高的准确性,并且受近似解集质量的影响较小.     

基于特征数不变量的插针特征点匹配算法研究

针对电连接器插针匹配过程中特征点存在的近似对称以及在不同图像间存在大角度旋转变换的问题,提出了一种基于六点特征数不变量的特征点匹配算法。将特征点分为凸包与内点两部分,利用凸包上的点在射影变换中排列顺序的不变性实现了凸包匹配,利用以凸包特征点为基准的内点特征向量的相似性实现了内点匹配。实验结果证明,提出的算法能够很好地实现对插针特征点的匹配,具有一定的鲁棒性。     

基于步进调频的非合作目标ISAR成像

作为典型的高分辨率雷达,逆合成孔径雷达(ISAR)能够对观测目标进行全天候、全天时、远距离的成像。采用非合作目标ISAR成像模型及步进调频信号的ISAR成像技术,阐述了平动补偿、最优成像时间段的选取、横向距离高分辨率,进行了非合作目标的二维ISAR成像设计。     

基于激光成像雷达的空间非合作目标相对导航技术

激光成像雷达具有工作距离长、工作频率高、波束窄,距离和角度测量精度高,受光照条件影响小等诸多优势,在空间应用上的需求越来越迫切。主要介绍了国内外激光成像雷达在轨应用现状,并介绍了基于激光成像雷达的空间非合作目标相对导航的主要关键技术,包括应用激光成像雷达的相对位姿测量技术和相对导航滤波技术,最后给出了应用激光成像雷达的相对位姿测量仿真结果。仿真实验结果表明:基于激光成像雷达的非合作目标相对导航技术具有受空间环境影响小、测量精度高的优势,方案合理可行,满足空间非合作目标相对导航任务需求,可应用于近距离空间目标的在轨维护与服务和空间操控,为我国后续开展相关工程应用提供技术参考。     

用于特征筛选的基于目标值的最近邻法

用传统的最近邻（KNN）法找出最近邻点后,利用曲面平滑化原理,按照这些点的目标值分布情况进行模式识别识别的特征筛选,与基于分类的最近邻法比,减少了人为的分类过程。     

网球运动视频目标丢失点特征补偿方法研究

对于网球运动视频目标丢失点的特征补偿,传统方法有效性不足的缺陷,提出基于帧间差分消除的网球运动视频目标丢失点特征补偿方法。首先构建三维检测目标模型,利用帧间差分消除算法从运动视频图像中提取背景,预测目标运动轨迹,通过希尔伯特变换分析图像前景的轨迹相位差值特性,检测出目标丢失点。通过观察目标丢失点顶点结构,给出目标丢失点补偿措施。实验实测数据表明,所提方法对网球运动视频目标丢失点的分辨能力得到了大幅度提升,对丢失点的特征补偿精度更高,并且反应时间有效缩短。     

雷达点迹的目标智能特征提取方法研究

雷达数据处理中,目标点迹的输出质量直接影响后续航迹处理的效果,是保证航迹处理成功建航的关键。通过从信号处理给出的目标视频幅度、距离、方位信息中,采用特定的滑窗检测和终了判定准则进行目标点迹的检测,从而得到目标点迹的回波数特征信息;然后从目标回波包络幅度信息中提取目标距离单元上的峰值,智能完成距离凝聚,解决了目标距离分裂现象,并且得到目标点迹的幅度包络特征信息。最后,采用质心法对方位凝聚,完成点迹的凝聚,输出带有目标智能特征信息的点迹给后绪的航迹处理。同时,对点迹的目标智能特征提取这一过程进行了硬件实现。通过某型雷达的实测数据分析,验证该方法的可行性和工程实用性。     

采用稀疏特征选择的红外运动目标跟踪方法

复杂场景下的红外运动目标对比度低且缺乏细节信息,难以实现稳定持续跟踪.分析了典型红外运动目标的特性,提出一种稀疏编码与特征选择的改进跟踪算法.采用Logistic回归模型,通过对正负样本的监督学习,计算得到最佳权重特征矢量,并将原始特征模板和粒子采样对象均向该特征矢量投影,削弱了背景成分对运动目标跟踪的影响并降低了运算量.在模板更新策略上采用了每帧更新的方法以适应运动目标的机动性.文中给出的方法与其他两种经典方法的实验比较,证明了本方法对运动目标跟踪的有效性.     

基于特征匹配的着陆导航敏感器相对校准算法

在光学辅助惯性导航系统中,观测信息的最优融合依赖于相机与惯性测量单元六自由度转换的精确校准。针对火星软着陆自主导航中的测量信息最优融合问题,提出了基于扩展卡尔曼滤波的导航敏感器相对位姿校准算法。该算法仅利用火星表面可获取的路标特征点信息,不借助额外的测量设备,对相机与惯性测量单元相对位姿进行精确的校准,同时,能够估计着陆器的位置、速度和姿态。考虑到着陆器机动和火星自旋的影响,建立了宽视场相机及惯性测量单元的高精度测量模型。最后通过数学仿真对所提出的校准算法的可行性和有效性进行了验证。     

空间非合作目标点云聚类配准方法

空间非合作目标的相对位姿测量问题成为空间在轨操作任务的重难点,通过对激光雷达获取的目标三维点云进行聚类,得到小规模、特征明显的聚类点云,有效提高了配准效率和精度。针对基于区域生长的聚类算法在对可视点云进行聚类时,特征相似部分无法聚类识别的问题,提出了二维图像优化三维点云聚类的方法。该方法将深度值信息和RGB颜色值建立数学映射关系,点云降维后,利用颜色梯度突变进行边界提取,将边界内的点逆向恢复到原始点云,最后将各个类的点云进行合并,得到易于识别的显著特征点云。实验结果表明,在配准角度误差为±5°的条件下,可有效地缩减点云规模并保留了显著特征,提高ICP配准算法的计算效率,为解决空间非合作目标相对位姿实时测量提供技术支持和解决思路。     

基于点目标特征参数提取的红外多光谱设计

为了提高等效温度、等效面积的稳定性和分辨率,提出一种基于点目标特征参数提取的红外多光谱设计方法。首先,通过多光谱设计准则模拟仿真了多波段的抗误差能力,确定了光谱设计的影响因素。然后,根据红外辐射测量系统噪声分析,确定了光电导中波和长波探测器都达到最佳工作性能的条件。最后,根据波段信噪比估计和红外大气窗口确定了光谱的具体分布。性能分析结果表明,设计的光谱能在目标各种变化的情况下,使中波和长波协同工作,大大提高了等效温度、等效面积的稳定性和分辨率。