序列图像自主导航系统观测能力优化方法

针对空间目标序列图像自主导航系统欠观测的问题,详细阐述了图像序列对系统性能优化的作用,设计了一种基于多步轨道机动的系统观测能力优化方法。该方法以系统观测能力量化指标和机动能量消耗为目标函数,通过约束法将能量消耗目标转化为不等式约束,进而将多目标优化问题转化为单目标优化问题,并以相对运动位置范围为约束条件,利用内点法获得使观测能力最优的服务航天器轨道机动策略,分析了能量约束对观测能力优化结果的影响,即能量上限在一定范围内时,系统观测能力随着能量上限增加而改善;当超过一定范围时,观测能力将会达到最优并不再有明显的提升。仿真结果表明该方法能够有效提升观测能力,与现有方法相比在导航精度和优化效率上具有明显优势。

基于序列图像可观测性分析的航天器自主导航方法

未来我国将开展探月工程四期、火星采样返回、小天体探测等一系列深空探测活动,软着陆过程面临环境更复杂、地形更未知、时间更紧急等全新挑战。由于光学敏感器提供的序列图像包含天体表面岩石、陨石坑等丰富陆标特征信息,是软着陆自主导航的理想信息来源。但是,深空探测器上计算资源有限,无法处理大量图像信息,必须对序列图像中的丰富陆标特征进行优选。陆标优选时通常以可观测性分析量化得到的可观测度来衡量陆标特征对导航精度的贡献程度,但传统方法只观测单一时刻局部最优陆标,在重新优选陆标前多次连续观测相同陆标时会因可观测度逐渐降低而影响导航精度。本文首先建立了行星着陆段序列图像自主导航系统模型,构建了针对多次观测的序列图像可观测度指标,证明了其为凸函数并给出了最小值点所在区间,指导优选多时刻可观测度最高的陆标。经过数学仿真验证,基于序列图像可观测度的陆标优选比传统单时刻优选方法的导航精度更高,可为深空探测着陆段的序列图像自主导航提供理论支撑。

医学CT序列图像的混合去噪算法

医学CT(computer tomography)序列图像会因为各种原因而掺杂噪声,去噪能够有效地提高图像的质量.常见的去噪算法都是针对单张图像进行,考虑到CT序列图像之间具有很高的相似性,本文提出一种基于相邻图像结构相似性的混合去噪算法.该算法首先计算序列图像的最大和最小灰度值,根据灰度值绘制直方图,设定相关阈值参数,根据筛选之后的直方图计算窗宽窗位,然后进行调窗处理.之后计算目标图像与其前后相邻图像之间的结构相似性,最后根据结构相似性对3张图片混合使用BM3D和高斯滤波2种去噪算法.通过对比实验表明,该算法在均方误差、峰值信噪比和结构相似性三方面都有所提高,能够有效地提高图像质量.

基于注意力机制无监督心脏超声序列图像配准

针对基于传统非刚性医学图像配准的心脏超声序列图像配准方法缺乏自动性及配准速度慢、准确率较低的问题,将基于深度学习的医学图像配准算法应用于心脏超声序列图像配准,通过引入通道注意力机制,构建由注意力机制模块、Unet卷积神经网络模块及空间转换模块STN构成的配准模型.实验选取不同的相似性损失函数和平滑损失函数,对比VoxelMorph配准模型,相关配准性能指标都有不同程度的改进,DICE指标提升0.42%,MI指标提升2.5%,SSIM提升3.7%,NRMSE减小9%,表明配准模型的有效性.从配准效果及配准时间分析,配准模型基本可以满足心脏超声序列图像配准的实时性需求,具有一定的临床应用价值.

自主光学相对导航中序列图像最优构建方法

针对状态估计误差的几何特性,提出了一种基于可观测度量化的自主光学相对导航序列图像最优构建方法。首先,通过分析自主光学相对导航系统可观测性来探究影响导航参数估计精度的关键因素;然后,依据状态估计误差几何特性,构建了相对导航系统可观测度指标;在此基础上建立了该指标与序列图像构建方式的映射关系,研究了序列图像最优构建方法。PRISMTA任务的数值仿真实验表明,提出的方法可有效提高自主光学相对导航精度。

基于可观测性的序列图像自主导航观测时序规划方法

针对行星着陆自主导航中图像处理计算负担重的问题,分析了序列图像自主导航的可观测性,并提出了一种观测时序规划方法。通过可观测性分析得到了在未知环境中使状态可观测的最少观测次数,这是切换观测陆标的边界条件。在此基础上,通过优化所构建的深度估计误差模型获得最佳观测间隔时间,从而自适应地规划观测时序,减少图像处理次数。仿真结果验证了可观测性分析的正确性,以及提出的观测时序规划方法的有效性,相比每个采样时刻均观测陆标,在不明显影响导航精度的条件下减少陆标观测次数45.9%,有效降低序列图像在线处理的计算负担,大幅提升未知环境中行星着陆器基于序列图像的自主导航能力。

基于蜜獾算法的破片序列图像多阈值分割

针对静爆试验中拍摄的图像中破片目标小、背景复杂等情况,基于经典阈值分割法在破片图像分割的应用中存在不能将目标所在像素准确分离的问题,提出一种基于蜜獾算法(HBA)的多阈值图像分割方法,该方法引入HBA求解Tsallis相对熵的最小值作为目标函数值来计算最佳阈值,在分析经典阈值分割方法处理破片图像的不足后,选择合适的阈值数,将HBA与遗传算法(GA)、蝗虫优化算法(GOA)、麻雀搜索算法(SSA)三种优化算法进行性能对比,利用分离出的目标绘制破片轨迹图并确定有效破片。分析结果表明,阈值数为2时分割效果满足需求,HBA运行时间1.32 s,进行100次重复实验后其结果的标准偏差约为0,分割出的目标中有效破片达83.8%,说明该算法的实时性和稳定性强,分割效果可满足对破片群运动参数测试的需求。

水肥胁迫对基于时间序列图像的苗木表型信息的影响

【目的】构建多视角植物表型信息采集平台,以固定时间间隔获取水肥胁迫处理下苗木图像,从形态变化中提取表征簸箕柳苗木水肥胁迫的应激反应表型参数,为苗木栽培和精确水肥管理提供参考。【方法】构建一套多视角表型信息采集平台,探讨一种基于时间序列图像的苗木表型信息提取方法,采用近似拼接算法将局部植株图像有效拼接成完整植株图像,基于多视角图像提出株高、主茎直径等表型信息的提取算法及株高可视化算法。以簸箕柳为研究对象开展水肥胁迫试验,设置水分因素和氮肥因素,包括正常水分处理与干旱胁迫处理2个水平以及6个氮肥水平,对比观察时间序列下簸箕柳株高和主茎直径的变化情况。【结果】1)图像近似拼接算法相较于传统直接拼接算法和暴力拼接算法在多视角表型信息采集平台上具有更好适应性,能够很好消除拼接痕迹,实现图像无缝拼接。2)多视角下株高提取算法的决定系数(R^(2))为0.96、主茎直径提取算法的R^(2)为0.74,能够解决单视角下因植物叶片遮挡导致的株高测量不准确和主茎直径无法测量等问题。3)整个生长周期时间序列下,簸箕柳苗木平均株高和主茎直径随时间的变化受不同水分处理显著影响,正常水分处理簸箕柳苗木平均株高和主茎直径分别为33.6 cm和2.49 mm,干旱胁迫处理簸箕柳苗木平均株高和主茎直径分别为22.8 cm和2.25 mm,正常水分处理簸箕柳苗木平均株高和主茎直径相比干旱胁迫处理高47.4%和10.7%。4)整个生长周期时间序列下,簸箕柳苗木平均株高和主茎直径在6个氮肥水平呈现出显著差异性,随氮肥含量增加呈先增加后降低趋势。正常水分处理下,除T5处理组外,其他组平均株高和主茎直径均高于CK处理组,其中T2处理组生长速率最高,速率分别为1.92 cm·d^(-1)和0.075 mm·d^(-1);干旱胁迫处理下,T1、T2处理组平均株高高于CK处理组,其中T2处理组平均生长速率最高,平均株高和主茎直径生长速率分别为1.05 cm·d^(-1)和0.035 mm·d^(-1)。【结论】基于连续图像序列的分析处理方法在监测苗木表型信息中具有可靠性和实用性。当氮肥含量不足时,植物生长速度放缓,当氮肥含量过量时,会抑制植物生长速度甚至出现烧苗等情况。综合株高与主茎直径,正常水分处理下T2处理组(尿素每盆0.1 g,扦插种植第40天再施加尿素每盆0.1 g)为最佳施肥指标。

自适应调节医学CT序列图像窗宽窗位算法

调窗处理能够提高医学CT图像对灰度的识别准确率,默认窗位窗宽(127.5,255)局限性强,人工调窗不仅需要具备丰富的先验知识,而且效率低下无法广泛应用,为此提出一种自适应调窗算法.该算法首先根据序列图像最大和最小灰度值绘制直方图.其次设置相关参数,遍历直方图去除频数小于阈值T 0的部分,再次遍历直方图将相邻两组频数差值小于阈值T 1的部分合并.最后根据直方图计算窗宽窗位.通过对比实验表明,该算法在均方误差、信噪比和峰值信噪比方面都有所提高,能够有效地提高灰度识别准确率.

基于序列图像学习的巷道掘进机定位方法

煤矿综掘工作面受限于狭小空间、工艺繁杂、环境恶劣等特殊条件,导致用工多、安全性差、效率低等问题,亟需研发更加安全高效的智能化掘进技术与装备。巷道掘进机作为综掘工作面的核心设备,对其智能化进行研究具有重要的社会价值和经济意义。为实现巷道掘进机的智能化作业,首先需要解决的关键问题是为掘进机机体定位,精确、鲁棒的机体位姿检测方法是保障巷道智能掘进有效性的首要条件。因此,针对巷道掘进机机体定位问题,提出了一种基于时间序列图像学习的机体绝对六自由度位姿实时检测方法。首先,通过在掘进机机体安装一台单目相机,并在掘进机后方设置人工特征对象,设计适用于巷道狭长、非结构化环境的视觉定位方案。然后,提出用于时间序列图像融合的深度学习模型,其中,使用一种训练好的多尺度变分自编码器辅助的卷积神经网络(MSVAE-CNN)的编码器模型提取时间序列图像中每个样本的多尺度潜在空间特征,以保证图像特征提取的鲁棒性;基于双向长短期记忆(LSTM)网络构建时间序列图像特征融合模型,并同时估计所有时间步图像样本对应的机体位姿参数,当推理某个时间步图像对应的位姿参数时,其他时间步的信息都可作为先验知识,通过学习图像样本之间的特征相关性,提高位姿估计的精度和可靠性;另外,使用多头自注意力机制进一步提高特征融合性能,使用张量训练分解压缩模型,实现在轻微损失位姿估计精度的前提下大幅降低模型参数数量。最后,基于一辆履带小车进行试验研究,使用NOKOV红外动捕系统获取小车机体实际位姿。试验结果显示,所提方法对中心偏距和方向角的估计平均绝对误差分别约为25 mm和0.36°,完全能够满足巷道掘进机的定位需求,并且定位精度明显优于MSVAE-CNN模型,验证了所提出的基于序列图像学习的机体定位方法的有效性与高性能。

基于序列图像的空间目标三维重建

空间目标三维重建对空间态势感知和理论研究具有重要意义。针对空间目标图像存在的由纹理重复导致的错误重建问题,提出了一种新的基于运动信息恢复三维场景结构策略。该策略将序列目标图像的成像时间顺序作为先验信息,顺序地加入新图像进行迭代,以避免因目标结构对称、纹理重复所导致的重建错误。同时针对空间目标成像数据匮乏的问题,进行了空间目标图像仿真,并开展了空间目标地面模拟成像实验研究。结果表明:运动分析结果精确,对噪声有较强的鲁棒性,恢复出的目标三维点云能在一定程度上表达目标的结构信息。同时给出了进行空间目标三维重建时图像序列应满足的边界条件。

基于序列图像的自动目标识别算法

由于利用单幅二维图像进行三维目标识别存在识别的多义性,提出了一种基于二维序列图像的三维目标自动识别算法。首先以修正的Hu不变矩构造目标的图像识别特征,进而采用BP神经网络分类器构造关于目标融合识别的基本置信指派函数,以神经网络的训练误差构造证据理论不确定性度量,采用基于吸收法的DS证据理论实现高冲突证据的贯序式融合。对各姿态飞机图像识别的仿真表明,该算法对飞机的空间姿态变化具有很强的鲁棒性,能快速地准确识别飞机类型。此外,算法对先验性参数具有一定的鲁棒性。

灰度序列图像中基于纹理特征的移动阴影检测

实施移动目标检测时,由于移动阴影与运动目标具有相似的运动特性,常严重影响检测结果。本文假设视频序列中当前图像的阴影区域与对应的背景部分有相同的纹理特征,提出一种新的基于纹理特征的移动阴影检测方法。为了实现纹理特征的表达,在阴影检测过程中提出了几种纹理相似度测量方法,并通过计算当前图像与背景图像的纹理相似度值来区分当前图像中阴影区域和前景目标。另外,基于Ostu算法(大津算法)提出了一种自适应的阴影分割方法,并分别对室内和室外环境下采集的视频进行了阴影检测。定性和定量分析表明,在具有显著纹理结构的视频序列下,所提出的方法对于阴影检测有很好的效果,而对于图像模糊并伴有噪声的图像检测精度会有所降低。

纱线条干均匀性序列图像测量方法

为了更精确、连续地评价纱线的外观条干均匀性,提出一种基于序列图像的纱线条干均匀性测量方法。通过图像采集系统获取连续的纱线序列图像;根据模糊C-均值(FCM)聚类算法将图像进行阈值分割,得到纱线条干的二值图像;设定阈值去除图像中的孤立点、毛刺点,获得清晰的纱线条干图像,并计算图像中每行纱线直径。为验证方法的准确性,对7种线密度的紧密纺纯棉纱进行了条干测试,并将结果与USTERTester 5-S800条干测试仪的测试结果进行了对比。结果表明:序列图像方法测得的纱线条干均匀性与USTER条干仪的测试结果高度正相关,证明本文的方法是准确可行的。

基于直线特征匹配的序列图像自动配准

提出了一种运用相应直线段特征作为控制基础的序列图像自动配准方法。根据相应直线段"共线"原理建立了图像配准模型,该模型的优点是不必精确定位相应直线段的端点,突破了相应特征必须严格"同名"的限制。同时,根据图像配准对控制直线段的要求,分别设计了序列图像中直线段特征的自动提取和自动匹配算法,从而实现了概略对准条件下的序列图像的全自动配准。

基于区域特征与灰度交叉相关的序列图像拼接

针对具有平移、旋转、缩放变换的序列图像连续拼接,提出一种将基于区域特征的配准算法和基于灰度交叉相关的配准算法相结合的拼接算法。该算法用迭代阈值分割算法提取区域,利用区域特征进行配准,建立初始的同名区域对;然后以同名区域对的质心点作为特征点,基于图像的灰度信息,选择交叉相关准则作为度量;最后得到图像间的精确变换关系,实现序列图像的拼接。实验结果表明,算法配准率高,鲁棒性强。

基于等距序列图像的快速拼接技术

针对工程领域中经常需要采集多幅序列数字化图像,并将序列图像进行快速精确拼接、实时显示的需求,提出了一种基于等距序列图像快速拼接方法和数学模型。其利用图像匹配算法确定初始拼接点位置,采用精密光栅作为定位元件,准确测定拼接点位置,并获得等距序列图像,并利用所提出的数学模型可对序列图像进行一次性快速拼接。同时,在激光干涉仪上验证了数学模型,结果表明,提出的方法和模型在满足图像拼接精度的前提下,可大幅度提高拼接速度。

序列图像中弱小运动目标检测方法

通过研究利用远距离拍摄获得的飞行目标运动轨迹的图像序列,分析图像的特点,研究目标自动识别的方法。采用基于块匹配技术的配准图像,对原始图像进行配准;采用基于能量累加的背景去除技术,获得包含目标及噪声的图像序列;采用自适应阈值分割技术,得到包含目标及噪声点的二值图像;利用目标帧间相关而噪声帧间不相关的特点,根据目标的速度梯度和方向梯度,对二值图像中所有的点进行帧间相关性判断,获取目标点。实验结果表明,该方法能够有效地在飞行目标运动轨迹的图像序列中准确识别出弱小运动目标。

基于序列图像的排种器性能检测方法

通过分析序列图像的特点和种子目标的运动规律 ,提出了基于序列图像的排种器性能检测方法。包括种子的初速度确定、空间位置坐标变换、离开排种口的时间、图像采集间隔的求取、序列图像空间点的递推拼合、种子水平间距的确定 ,进而获得表征排种均匀度的各种特征量。实验证明 ,基于计算机视觉的排种器性能检测系统的结果可靠 。

目标多自由度Mean Shift序列图像跟踪算法

现有的M ean Sh ift跟踪方法使用单一半径参数来描述目标大小变化,每个目标仅有位置和尺寸两个自由度,因而不能适应复杂的目标运动情况。文中提出新的M ean Sh ift跟踪方法,该方法引入带宽矩阵来描述目标尺寸,能够在水平和垂直两个方向上独立描述目标大小变化,并加入目标倾角,使得目标旋转运动得以很好描述。实验表明,该算法能够准确跟踪序列图像中的任意复杂运动,尤其对目标的缩放、旋转运动有良好的适应性。