1 中国人民解放军95899部队, 北京 100085
2 空军装备部航材部, 北京 100036
提出了一种新的红外弱小目标检测方法,在对红外图像进行背景预测的基础上,对残差图像采用小波变换方法增加对弱小目标的检测率,有效地提高了检测算法对低信噪比红外图像中弱小目标的检测性能。通过实测的星图数据与传统方法进行了对比和分析,证明了该方法适用于非平稳背景中低信噪比目标的检测。
红外星图 目标检测 信噪比 背景预测 小波变换 infrared star image target detection low SNR background prediction wavelet transformation
1 空军装备研究院通信导航与指挥自动化研究所, 北京 100085
2 空军装备部航材部, 北京 100036
研究了影响航空天文导航系统定位精度的四个因素,包括轴系制造装调与标校精度、导航星视位置精度、蒙气差修正精度和CCD光电测量精度。首先分别对这四个因素进行了理论分析,在论述轴系制造装调与标校精度的过程中,首次考虑了天文导航设备与外部设备之间的坐标轴系标定问题,并提出了利用对角位移敏感的光学测量技术来完成天文导航设备与外部设备之间的坐标轴系标定,对工程实践具有指导意义。
天文导航系统 定位 精度 标校 视位置 蒙气差 celestial navigation system position accuracy calibration apparent place rafractive angle
1 清华大学,自动化系,北京,100084
2 空军装备研究院,北京,100085
以尺度类似于时间,对具有不同分辨率的多幅图像建立起状态方程和观测方程;以标准Kalman滤波为工具,将具有不同性能与特点的图像进行融合,并给出了分块快速算法.利用估计误差绝对值均值对融合的性能进行了评估.多组实验与分析表明:所提出的图像融合算法不仅能有效的去除噪声和提高图像分辨率,而且通过图像融合,能够大大改善存在部分遮挡和恶劣天气等影响下获取的存在灰度、对比度变化的图像的性能.
图像融合 Kalman滤波 灰度 对比度
1 清华大学,自动化系,北京,100084
2 空军装备研究院,北京,100085
为了解决强噪声干扰、部分遮挡等复杂环境下的图像匹配问题,给出了一种鲁棒的图像匹配算法.在引进圆约束的条件下,对点点间距离给出了一种新的定义.在此基础上,对经典Hausdorff距离进行改进,提出了一种新的度量,即最小最大圆度量.以此度量作为景象匹配的相似性度量,并在搜索的过程中采用圆形窗,获得了一种鲁棒的图像匹配方法,即基于最小最大圆度量的鲁棒模板匹配方法.多组实验与分析表明,该算法可以有效地解决存在旋转、灰度对比度变化、噪声干扰、部分遮挡与强光饱和等变换与干扰存在下的景象匹配定位问题.
景象匹配 模板 旋转 Hausdorff距离 最小最大圆度量 部分遮挡
1 清华大学,自动化系,北京,100084
2 空军装备研究院,北京,100085
结合小波变换和增量符号相关提出了一种有效的鲁棒图像匹配方法.将实时图和基准图做小波分解以获得粗尺度的平滑图像;利用相邻像素间灰度的升降对所获得的平滑图像进行二值化重新编码;匹配二值化后的实时图和基准图,找出前者在后者中的坐标,进而确定实时图在基准图中的位置,以完成匹配.小波分解能有效的去除噪声并能大大提高匹配算法的实时性.增量符号相关方法对图像灰度值的变化不敏感.因此,二者相结合不仅有效的解决了存在噪声干扰、阴影混入(块误差)和部分遮挡等影响下的图像匹配问题,且与传统匹配方法相比,匹配速度提高了约10倍以上.理论分析说明了方法的可行性,多组实验显示了其有效性.
图像匹配 小波分解 增量符号相关 鲁棒性
