基于核光谱角余弦的高光谱图像空间邻域聚类方法

 针对高光谱图像分类精度对光谱角余弦阈值非常敏感的问题,提出了一种新的光谱相似性度量方法,即核光谱角余弦.论文给出了核光谱角余弦的定义及求解式;分析了多项式核函数参数对核光谱角余弦影响,设计了以核光谱角余弦作为相似性度量的空间邻域聚类方法.对深圳红树林高光谱图像的仿真结果表明,基于核光谱角余弦完成空间邻域聚类时,阈值取值区间大小约为现有基于光谱角余弦的阈值取值区间大小的9倍.     

旋转不变梯度直方图目标描述方法

论文为解决旋转目标图像匹配问题,提出旋转不变梯度直方图(RI-HOG)目标描述方法。RI-HOG描述方法首先将目标区域等间隔划分为多个同心圆环并统计每个圆环的梯度直方图(HoG),各圆环HoG累加的结果作为目标区域的主方向,再将各圆环HoG根据主方向旋转相应角度作主方向归一化处理,最后把旋转后的各圆环HoG按空间顺序连接后即生成RI-HOG。对实际采集图像的仿真结果表明,基于RI-HOG的目标匹配算法在目标旋转任意角度时依然能够准确检测到目标。RI-HOG具有很好的旋转不变性。     

分块压缩感知的全变差正则化重构算法

针对分块压缩感知(BCS)重建图像质量较差问题,该文提出一种最小化l₀范数的分块压缩感知全变差(TV)正则化迭代阈值图像重构算法(BCS-TVIT)。BCS-TVIT算法考虑图像的局部平滑、有界变差等性质,将最小化l₀范数与图像的全变差TV正则项结合,构建目标函数。针对目标函数中l₀范数项和分块测量约束项无法直接优化问题,采用迭代阈值法使重构图像l₀范数最小化,并通过凸集投影保证满足约束条件,完成了目标函数的优化求解。实验表明,与基于l₀范数最小化的分块压缩感知平滑投影算法(BCS-SPL)相比,BCS-TVIT算法重构图像峰值信噪比提高2 dB,能消除BCS-SPL的“亮斑”效应,且在视觉效果上明显优于BCS-SPL算法;与最小全变差算法相比,BCS-TVIT算法重构图像峰值信噪比提升1 dB,且能降低重构时间约2个数量级。     

智能弹药成像引信对地面车辆定位的算法研究

针对智能弹药对地面车辆的非合作定位问题,提出一种利用目标非合作固有几何特征的成像引信定位算法。建立了快速交会条件下的空间成像模型,结合地面车辆的特点提出了车辆轴线的概念;构建过轴线等特征直线和光心的平面,证明平面相交直线与目标轴线的平行关系,得到目标坐标系3个轴向的方向向量;以待定系数法描述车辆中轴面,通过建立点面距离关系推导实现了弹目相对位置的解算。分析弹目相对姿态对定位精度的影响,并通过仿真实验验证了误差规律。实验结果表明：智能弹药距地高度小于100 m时,定位相对误差小于5%,算法可有效地实现高精度定位。     

一种基于SOFM神经网络的高光谱图像快速分类方法

高光谱图像的快速准确分类是遥感图像处理的关键技术之一。本文提出了区域特征光谱(RFS)的概念,并采用空间邻域聚类方法提取区域特征光谱;提出了以区域特征光谱作为SOFM神经网络输入的RFS-SOFM高光谱图像快速分类方法,该方法通过区域特征光谱代替单个像元光谱实现神经网络运算量的降低和对图像噪声的抑制。对AVIRIS图像数据的仿真结果表明：RFS-SOFM分类精度高于SOFM神经网络和K-均值算法,计算量约为K-均值的163.6%,SOFM神经网络的5.9%．     

基于样本分割的快速高光谱图像异常检测支持向量数据描述方法

高光谱图像异常检测支持向量数据描述方法性能优越但存在计算量巨大的问题。提出快速高光谱图像异常检测支持向量数据描述方法,该算法通过样本分割有效降低求取支持向量的计算量。建立了求取支持向量的计算量与样本分割子集数量的数学模型,并给出样本分割子集数量的最优选取方法;提出目标窗与背景窗尺寸相同的优化分割方法,该方法目标窗每次移动只需更新50%的训练样本,有效地减少图像遍历时求取支持向量的计算量。对HYMAP图像的仿真结果表明：本文算法对不同尺寸的高光谱图像进行异常检测的计算时间均小于SVDD算法计算时间的10%.     

接口时序一致性连续定量监测技术研究

为了解决电气系统接口时序一致性的长期连续定量监测问题,设计了一种基于对比测试的时序一致性监测系统。该系统通过建立时序参数的描述模型将时序约束统一为约束矢量并通过图形化界面输入,约束矢量包含时序参数的测点及约束条件。将理想时序周期内同一事件下各信号的逻辑值编为事件码并按事件先后顺序排列,以事件码序列为码型触发的模式序列,基于设计的DEW-BM算法捕获与模式序列匹配的目标数据序列并计算其中各时序参数的测量值,通过验证测量值是否满足约束不等式给出接口时序一致性的监测结果(Pass/Fail)。测试结果表明,监测系统能够正确捕获目标信号,时序一致性分析结果与理论期望结果一致,监测系统具有一定的正确性和通用性。