一种新的星图中星的提取方法

在分析扫描法和矢量法的基础上,提出了块扫描法.首先,根据星像扩散范围和导航星间距确定扫描块的大小;其次,以扫描块为单位,获得其最大灰度值像素,若灰度大于设定背景阈值,则存储其位置信息与灰度值;再次,以存储像素为中心搜索3×3像素阵,若存在像素灰度值大于存储像素,则剔除存储像素;否则,判断像素阵中灰度大于背景阈值的像素个...     

基于区域生长法的星图中星的提取方法

针对扫描法和矢量法抗噪能力不强、提取精度不高的问题,将区域生长法引入到星提取中,提出了基于区域生长法的星图中星的提取方法.该方法根据星体目标具有较强相关性的特点,制定相似性准则,对星体目标进行生长判断、提取.仿真结果表明:提出的星提取方法具有较强的抗噪能力和较高的提取精度.     

用FPGA实现星图目标的质心提取

针对星图的具体特征,对星图目标进行识别和定位,把传统的扩展象素标记法改造成便于用硬件实现的算法,并给出了具体的实现方法.本设计将目标分割和质心计算两个步骤用FPGA合并处理,从而实现了快速的质心提取,为后续的图像匹配争取了时间.     

一种改进的快速星图识别算法

为解决传统算法在星图噪声加大、星等接近的情况下识别率和识别速度降低的问题.提出一种改进的星图识别算法;从三方面进行改进:首先采用重叠正交网格方法对星表进行均匀化,以减小导航星库容量;其次在匹配时采用哈希查找的搜索方式,以提高匹配速度;最后在识别匹配中加入星等判断环节,当星等噪声大、相对星等小时不采用星等信息,只采用角距进行匹配,同时引入了校验环节以降低冗余和误匹配;仿真实验表明,改进的算法对位置和星等误差比传统的星图识别算法具有更好的鲁棒性,且实时性得到了很大的提高.     

基于改进的SUSAN法的摄像机线性标定方法

设计并实现了一种考虑径向畸变的逐步线性摄像机标定方法。结合边缘检测，缩小了SUSAN法检测角点的范围，并利用角点的邻域特征，剔除伪角点，从而提高了SUSAN法角点检测的速度和准确度。利用此改进的SUSAN法精确提取方格模板角点的亚像素坐标，并通过预标定获得主点坐标；然后在考虑摄像机径向畸变的情况下建立摄像机模型，并求解摄像机内外参数。最后通过实验及误差分析表明，本标定方法具有较高的精度和较好的实时性。     

一种改进的快速SUSAN角点检测算法

着重分析SUSAN角点检测速度慢的缺点,提出改进的快速SUSAN角点检测算法。该算法首先比较待测点与其周围半径为R的圆周上像素的灰度,统计连续的具有非相似灰度值的像素个数,根据判定准则得到初始角点,再使用非极值抑制函数选择最优角点。实验结果表明：该改进算法有效地减少角点检测过程的计算量,使得角点检测的效率大大提高。     

一种改进的基于奇异值分解的星图识别算法

星敏感器是高精度的姿态测量部件,在各种航天、航空飞行器的姿态测量或控制系统中发挥着关键作用。作为星敏感器的核心技术,可靠、快速和高精度的星图识别算法一直是重要的研究课题。论文对星图识别算法进行研究。针对基于奇异值分解的星图识别算法可能出现的由于视轴不连续所造成的全天区覆盖率较低问题,提出了一种改进的基于奇异值分解的星图识别算法,详细阐述了各部分算法的设计思想。论文最后在JDK5.0开发环境中用JAVA语言实现了改进算法,并与传统的三角形算法的性能进行了比较详尽的对比。     

一种改进的A-W细化算法

针对一般细化算法在进行图像细化时会出现细化不彻底、过度腐蚀等问题,提出一种改进的A-W细化算法。改进算法采用高斯平滑滤波器对原始图像进行平滑,在A-W细化算法的20种细化模板基础上,增加3组细化模板进行第1次细化,并设计4种新的细化模板进行第2次细化。实验结果证明,改进算法能较好保持曲线的连通性,保留主线的细节特征,细化后的图像光滑无毛刺。     

一种改进的TextRank关键词提取算法

关键词提取在自然语言处理领域有着广泛的应用,如何准确、快速地从文本中获取关键词信息已经成为文本处理的关键性问题。现有的关键词提取方法很多,但是这些关键词提取方法的准确率和通用性有待提高。因此,提出了一种改进的TextRank关键词提取方法,该方法使用TF-IDF方法与平均信息熵方法计算文本中词语的重要性,然后根据计算结果得到词语的综合权重。利用词语的综合权重改进TextRank算法的节点初始值以及节点概率转移矩阵,通过迭代的方式计算各个节点的权重,直至收敛,从而得到词语的权重信息,选择top N个词语作为关键词输出,实现关键词的提取功能。实验结果表明,相较于传统的TF-IDF方法和TextRank方法,提出的改进后的TextRank关键词提取方法有更好的通用性,提取的关键词的准确率更高。     

一种改进的数字图像置乱方法

图像置乱技术利于图像的保护,有效地保护数字图像内容为目的,结合Rijndael算法理论,提出了一种新的图像置乱算法.算法在原Rijndael算法的密钥扩展方案上进行了改进,综合运用了像素值置乱、像素位置乱、块置乱等技术,增强了图像置乱的效果.同时,算法改进了种子密钥的长度策略,使其与待加密图像的像素个数相等,以便适应于各种尺寸的数字图像,并有效提高了算法执行效率.采用图像相似度和图像直方图的评价方法对置乱的效果进行仿真计算.计算机仿真结果表明,与传统方法相比,算法对图像置乱简单高效,达到了很好的效果.     

改进的RL模糊星图复原算法

研究了复杂工作环境对星敏感器成像的影响,总结了模糊图像退化与复原模型,并对经典RL模糊图像复原算法进行了分析.针对RL复原算法存在振铃效应的不足,提出了一种基于超拉普拉斯约束因子的RL复原算法.仿真结果表明:改进后的RL复原算法减弱了复原星图中的振铃效应,提高了复原星图的质量,为在复杂环境影响下星敏感器实现高精度星提取性能奠定了基础.     

基于RANSAC的激光网格标记图像特征提取

在三维立体视觉中,工件表面的特征提取是三维重构的前提和关键。但是,工件表面的自然特征往往表现得不够明显,使得特征的提取非常困难。因此,经常使用激光网格投影到待检测的工件表面,使工件表面具备确定的可识别特征。针对激光网格标记图像的特点,在随机抽样一致性RANSAC算法的基础上,提出了像素权重化和假设模型预检验的方法,用于激光网格标记的直线特征提取。实验结果表明,该方法不仅克服了RANSAC算法计算量大和参数敏感的缺点,在实际图像的激光网格直线特征提取过程中也具有很好的准确性和鲁棒性。     

一种改进的心脏磁共振图像亚像素匹配方法

心肌灌注磁共振图像系列的配准是心脏分析诊断的重要辅助手段。针对心脏磁共振时间序列图像,提出了一种结合力矩主轴法与互信息法的序列图像亚像素配准新方法。给出了一种由粗配准到精配准的混合配准策略。采用力矩主轴法进行粗配准,避免那些远离全局最优点的局部极值;采用Powell算法和模拟退火算法相结合的搜索策略,以互信息的值作为目标函数,对结果进行优化。使得图像配准精度和速度有极大的提高。     

基于卡方统计的文本分类特征选择方法的研究

特征提取是文本分类过程中的一个重要环节,它的好坏将直接影响文本分类的准确率。在全面研究文本分类特征提取方法的基础上,分析了卡方统计的不足并提出了将频度、集中度、分散度应用到卡方统计方法上,对卡方统计进行改进,并通过实验对比改进前后的方法对文本分类效果的影响。在实验中,改进方法的分类效果要好于传统的方法,从而验证了改进方法的有效性和可行性。     

基于形状的高分辨率遥感图像特征提取方法

基于内容的图像检索的关键在于对图像进行特征提取。提出一种基于形状的高分辨率遥感图像特征提取方法。首先使用最小吸收同值核区SUSAN（Smallest Univalue Segment Assimilating Nucleus）算子对高分辨率遥感图像进行边缘检测,生成边缘图像。之后,对边缘图像计算其不变矩,作为该遥感图像形状特征的描述向量。试验结果说明,所使用的方法计算简便,速度快,而且该描述向量能够很好地代表图像的特征,具有较高的应用价值。     

A differential-processing extraction approach to text and image segmentation

To efficiently store the information found in paper documents, text and non-text regions need to be separated. Non-text regions include half-tone photographs and line diagrams. The text regions can be converted (via an optical character reader) to a computer-searchable form, and the non-text regions can be extracted and preserved in compressed form using image-compression algorithms. In this paper, an effective system for automatically segmenting a document image into regions of text and non-text is proposed. The system first performs an adaptive thresholding to obtain a binarized image. Subsequently the binarized image is smeared using a run-length differential algorithm. The smeared image is then subjected to a text characteristic filter to remove error smearing of non-text regions. Next, baseline cumulative blocking is used to rectangularize the smeared region. Finally, a text block growing algorithm is used to block out a text sentence. The recognition of text is carried out on a text sentence basis.