一种基于点对构造与星等差的近红外星图匹配识别算法

传统的三角形星图识别算法冗余匹配多,对噪声鲁棒性差,为此,为了提升获取恒星质心位置精度,提出了一种基于恒星星等差和点对距离的恒星星图匹配方法,完成了星空图像中恒星的识别与匹配。实验结果表明,获得的恒星质心位置具有较高的精度,在实际拍摄近红外星空图像恒星目标的匹配与识别过程中具有较好的应用前景。     

基于惯性比特征的三角形星图识别算法

为了提高星敏感器的星图识别性能,提出了一种基于惯性比特征的三角形星图识别算法。该算法将导航三角形的形心惯性比和导航三角形最长边的角距值作为匹配特征量,并以此构建导航特征库,采用散列函数的方式搜索导航特征库。由于将三角形特征量的维数由三维缩减至二维,该算法具有导航星数据库容量小、搜索匹配速度快的优点。仿真实验表明,在星点位置噪声标准偏差为2像素、星等噪声标准偏差为0.8等的条件下,该算法的识别率均在99%以上,平均识别时间约为1.29ms,和现有三角形算法相比均具有一定的优势。并在地面观星实验中,取得了非常好的效果。     

层叠式SOM神经网络星图识别算法及FPGA验证

为了对空间天文望远镜精细导星仪获得的星图完成识别,提出一种层叠式自组织映射(SOM)神经网络算法模型,将该模型在硬件中实现星特征矢量匹配算法。首先,针对精细导星仪的特点详细介绍了导航星库的建立、星特征矢量的构建和筛选方法;其次,建立层叠式SOM神经网络模型,对其权值进行在线训练;最后,设计算法离线运行硬件电路并将其在FPGA中实现。仿真与测试结果表明,基于层叠式自组织神经网络的星图识别算法识别率高、抗噪声能力强、识别速度快。星点位置噪声为0.648?,星等噪声为0.18视星等条件下星图识别成功率在80%以上,新算法在FPGA中运行速度是PC机上传统三角形法的100倍。对精细导星仪星图识别算法的优化设计提供了合理可行的参考依据。     

星识别的全新智能快速搜寻方法

星图识别算法的关键是识别效率高、花费时间短。过去的几十年里,人们致力于建设搜寻数据库的方法,而且确实找到了大量的搜寻方法。为了减少星图数据库的搜寻时间,提出了一种将不同恒星星等分层分类的新技术。同时,采用这种准确快速的搜寻方法提出了全新智能快速星识别算法。基于台式机的仿真结果显示这种星识别方法和数据库搜寻方法具有较高的准确性和效率。通过数据库搜寻星特征的时间复杂度为0(n)。除此以外,因为星图像的质量决定了星图识别算法准确性的改进,因此提出一种模糊边缘检测技术来解决图像的预处理问题,这种方法对于噪声消除、星特征提取、数据库建设和匹配有重要意义。     

采用混合粒子群算法的星图识别方法

为提高大视场高灵敏度星敏感器的星图识别速度和识别成功率,提出了一种基于混合粒子群算法的星图识别方法,该方法首先根据星图中星点的灰度信息确定候选识别主星集合;然后选择该集合中的一个星点为圆心,以一定角距为半径画圆,将圆内的所有星点构成特征数据集合;然后利用混合粒子群算法对圆内的星点进行快速路径寻优;最后利用最优路径长度进行索引,并利用最优路径中前三个星点间的角距以及它们的星等信息进行匹配识别;实验结果表明,与现有识别方法相比,该方法具有高的识别率,良好的实时性和鲁棒性,且所需的导航星库容量小.     

基于形心极二阶矩比特征辅助的星图识别算法

在传统的星图识别算法中，本文在三角形算法的基础上，提出一种改进算法，将待匹配三角形的形心极二阶矩比作为导航特征库中的辅助匹配特征量，以增加特征矢量维数提高识别精度，同时采用函数映射搜索方式提高识别速度。     

一种基于星点特征不变原理的快速星图识别方法

星图识别算法是星敏感器输出姿态的关键技术。根据星图从天球坐标系转换到星敏感器坐标系过程中存在特征值不变的原理,结合视场和星等需求建立了导航星表。并根据星图识别要求设计了对应的快速识别算法。针对特征表维数多的特点,采用K向量法提高搜索效率,同时采用并行计算的思想进一步提高搜索速度。采用Matlab编程实现了算法,并进行了仿真。结果表明,算法的识别效率可达97.8%,平均搜索时间可达14.4ms,能够满足准确率高、识别速度快的要求。     

基于DSP的漂移扫描CCD星图快速识别

为了提高漂移扫描CCD的识别速度,实现同步 卫星实时定轨,提出基于数字信号处理器(DSP,digital signal processor)的星图快速识 别算法。在嵌入式DSP数据处理 平台上优化传统的三角形识别算法,采用二次匹配识别算法,即分区间筛选子星表中参考星 参与初匹配,利用初匹配结果推算CCD底片模型,根据背景恒星与子星表参考星的对应关 系将所有恒星进行二次匹配。对分辨率为1528×1528实拍星图的实验处理结果表明,由于引 入了DSP与改进了识别算法,在很大程度上加快了漂移扫描CCD星图识别速度,所耗时间 仅为传统星图识别算法的50%,且识别成功率达到98.4%。     

应用相近模式向量的主星星图识别算法

在分析主星识别算法和三角形识别算法不足的基础上,提出了一种改进的主星星图识别算法.该算法在构造导航星表时,通过旋转角距的方式构造匹配向量、引入相近模式向量,同时将旋转角距向量的模、主星的邻域伴星数目及主星的最小角距作为相近模式向量的限制条件,用来减少匹配次数,提高检索效率;在星图识别过程中,首先利用向量叉乘法进行主星识...     

提高星图正确匹配率的新方法

在CCD星敏感器中,快速而可靠的星图识别算法成为星敏感器确定姿态的最关键部分。针对星图识别中误匹配点的存在,提出了一种新的剔除误匹配点的方法—累积偏差法,选取合适的判定阈值对实验数据进行筛选,并结合最小二乘曲面拟合法对实验数据进行误差分析,实验结果表明,采用此方法,可以很好地剔除星图识别中的误匹配点,在赤经(α)和赤纬(δ)方向拟合偏差平均值可达到5.267 2,″星图正确匹配概率大大提高。     

一种星辐射模式下全天区星图识别算法及FPGA实现

针对在DSP中实现全天区星图识别算法耗时长导致实时性差,提出并实现了一种基于FPGA的星辐射模式下的全天区星图识别算法。该方法利用FPGA并行性、高主频等特性,在保证算法高精度、高准确度的前提下,解决了全天区星图识别耗时长的问题。首先,根据星点信息构建星辐射模式；其次,基于FPGA实现了星辐射模式下对应特征向量的计算；最后,提出了一种可预读、流水化的星辐射模式匹配算法,极大地缩短了星辐射模式匹配的时间。在Xilinx公司的Xc7a75tfgg484-2平台上进行实验验证,结果表明,在相同时钟主频下,基于FPGA的星图识别算法速度比基于DSP的算法速度快10.95倍以上,而且在使用三组特征向量同时进行匹配时,识别率超过99%。     

一种基于BP神经网络算法PID控制器的研究与仿真

文中将BP神经网络的原理应用于参数辨识过程,结合传统的PID控制算法,形成一种改进型BP神经网络PID控制算法。该算法利用BP神经网络建立系统参数模型,能够跟踪被控对象的变化,取得较高的辨识精度。针对BP神经网络对权系初始值敏感的缺点,优化BP神经网络的初始权系数。通过BP算法修正BP网络自身权系数,实现PID参数的在线调整。仿真结果显示了该算法收敛速度快、精度高、鲁棒性强、稳定性好,表明了该算法的可行性与有效性。     

改进的指纹识别算法嵌入式应用研究

研究了一种新的指纹识别算法并在电控锁中的应用问题.针对传统的指纹识别算法对指纹的细节匹配精确度较低,难易对细节信息进行准确的提取,为了克服这一问题,对点模式指纹识别匹配算法进行了改进,主要创新点在于改进的算法在模式匹配算法的基础上加入了匹配权重系数,有效地提高了指纹识别的精确度,同时给出了指纹识别硬件系统结构,将提出的改进的算法成功应用在嵌入式应用中,实例结果表明,提出的算法能够有效地提高安全加密度,具有一定的实际应用价值.     

多模式匹配及其改进算法在协议识别中的应用

随着网络的高速发展,使得信息安全问题日益严峻,传统的很多协议识别技术已经无法应对不断出现的网络威胁,作为内容过滤和检测的关键技术之一,同时也是传统的字符串算法中被重点研究的对象之一,模式匹配算法成为当今研究热点。首先介绍了多种单模匹配算法及其存在的缺陷,然后在Aho-Corasick多模式匹配算法基础之上进行了改进,并将该算法应用于协议识别中,最后简单分析了协议识别中模式匹配算法未来的研究方向。     

通信信号调制识别方法研究

将小波特征提取和BP神经网络理论相结合,设计一种新的调制识别方法。针对非稳定、大信噪比(SNR)变化的通信信号进行了有效的特征提取和分类,实现了通信信号调制方式的识别。收敛速度慢是传统BP算法存在的主要问题,为此提出Levenberg-Marquart算法对其进行改进。实验结果表明,收敛速度及识别正确率得到明显改善。     

一种机器人室内场景图像识别方法

为了对现有机器人的物体识别进行优化和改进,提出了一种新的权重计算方法进行室内场景图像识别.该方法通过对输入场景的转换获取无向带权图,在表面法方向的基础上,使用表面凹凸度这一指标来进行表面粗糙度综合判定,取代了传统的布尔判定,大大提升了抗噪性能,避免出现错误传递放大的情况.基于快速图像分割算法及时识别未知物体.实验结果表明:提出方法的鲁棒性及抗噪能力均较强,优于单纯基于法方向的方法.与基于深度学习与推测的同类方法相比,所提方法性能更好,更适用于实际识别.     

基于视觉模糊的LBP鲁棒特征提取与匹配

目的针对目前模糊图像特征提取与匹配方面, 存在特征提取困难、匹配率低、抗噪以及抗尺度变 化能力弱的缺陷。方法提出一种基于SIFT算法与改进的中心对称局部二值模式相结合的精准 、特征识别 率高的匹配算法。首先采用SIFT进行特征的提取,生成多维的描述子,其次采用本文改进的 中心对称局 部二值模式对高维特征描述子进行降维处理,并采用局部特征区域对降维后的描述子进行特 征检测,并生 成纹理特征图像以及信息分布直方图,对特征区域的特征点进行信息量统计,并设置检测阈 值。提取符合 特征信息要求的特征点,并依据Hausdorff距离算法实现图像粗匹配,最后采用RANSAC算法 进行误差匹 配的剔除来改善匹配的精度和鲁棒性。结果测试结果表明,本文所建议的算法是有效的,它 不仅具有良 好的模糊图像分辨能力和抗尺度变化特性,而且具有较强的噪声抑制能力和抗光照变化能力 。结论本文 提出的基于视觉模糊的鲁棒特征匹配算法,不仅考虑到传统特征匹配算法的优缺点,也提出 了算法改进的 新思路,而且较SIFT算法以及LBP算法稳定性和准确度有了明显的提高。