基于傅里叶-梅林变换的图像匹配方法研究

图像匹配是计算机视觉中的重要应用之一,相位相关算法是其中的一种常用方法。但是该算法只能准确匹配存在平移的情况,对带有旋转和缩放的情况无法正确匹配。针对这一问题,本文提出了基于傅里叶-梅林变换的匹配方法,利用图像傅里叶变换幅度谱中的包含的信息,计算出旋转角度和缩放系数,根据结果变换模板图像,进一步计算出平移量。本文设计了模拟和实际实验对算法进行验证。结果显示本文算法不仅在模拟条件下具有较好的匹配效果,在实际情况下也能准确匹配。

模板匹配的一种快速算法

图像匹配是计算机视觉中的重要应用之一,常用的算法是基于归一化相关系数的模板匹配算法;针对原有算法计算量大,匹配时间长的问题,提出了基于降采样和分块快速傅里叶变换(FFT)的方法,对原始算法进行了改进,并设计了两组对比实验进行验证;结果证明算法不仅匹配准确,对外界条件具有良好的适用性,而且匹配时间缩短为原始算法的1/5,提高了匹配速度。

快速亚像素图像配准算法研究

亚像素图像配准是图像配准技术中的研究热点。常用的亚像素配准算法是相位相关法与拟合方法的结合。针对该方法中存在的时间和精度不能同时达到最优的问题,提出了基于角度-平移信号频率估计的亚像素配准算法,利用相位相关中的交叉功率谱的角度信息构建出了角度-平移一维信号,运用DFT相位差分法准确估计出一维信号的频率,进而计算出图像间的亚像素平移量。通过在Matlab下仿真实验,验证了本文算法在时间和精度上均优于拟合法。

相机标定中角点检测与定位算法研究

平面标定法是传统相机标定方法中较为常用的方法,标定板角点的准确检测和精确定位是平面标定法的关键;针对当前标定板角点检测算法中存在的需要人工参与、适用性弱或引入伪角点的问题,提出了基于形态学处理的角点检测和定位算法,主要通过形态学处理的方法检测棋盘的角点位置,然后经过拟合得到角点的亚像素级位置;实验验证本文算法在角点检测上具有较高的成功率,并且提高了相机标定的精度。

统计模式识别在相控阵天线故障诊断中的应用研究

相控阵天线已广泛应用于雷达系统,而阵列单元的快速诊断日益成为难题。针对相控阵天线阵元故障难以检测的问题,提出了一种基于统计模式识别的方法。首先阐述了相控阵诊断原理,用矩量法构建了仿真环境,并提取了时域特征和小波特征。为增大类间平均距离,建立了故障树诊断模型以减小判别问题的规模,在时域特征空间中用投影聚类算法划分了子空间,在叶节点处用小波特征进行判别,实现了故障阵元的定位。仿真实验表明,该方法在信噪比较低时,比非层次方法优势明显,信噪比大于8时,识别率达到95%以上,且随着规模的增加,识别率并未明显下降,证明该方法理论上能够有效诊断相控阵阵元故障。实际应用中,只须对阵列的行或列逐次诊断即可获知整个阵面的故障信息。

基于多支路线性调频脉冲信号的波束成形技术研究

基于电子移相器的波束成形技术使用带宽通道会受到限制,引入真延时阵列可有效解决此问题。提出了一种新型波束成形系统,该系统由4个平行通道构成,每个通道为1个具有二阶相位特性的微波光子滤波器(MPF),其原理是基于非均匀采样的有限脉冲响应(FIR)滤波器技术,高斯信号经滤波器滤波后可获得该系统所需的多路线性调频(LFM)信号,各个通道在产生LFM信号后输入各个通道上的天线阵子,同时各路信号利用光纤色散控制延时,从而实现波束指向的调控。由于滤波器输出的信号参数具备可调谐性,因此本系统具有极高的灵活性。通过理论推导和Matlab仿真证明该方法可以实现波形的产生和宽带宽的波束成形。

基于深度残差网络的无人机航拍图像识别

为了有效提高无人机航拍图像的识别准确率,本文提出了一种基于深度残差网络的深度卷积神经网络模型。该模型在深度残差网络的基础上使用了随机化ReLU激励函数,能够使网络拥有更加快速的收敛速度,同时针对深度残差网络层数较深,且部分参数在梯度下降的传播过程中参与度不高的特点,利用随机失活有效降低整个网络训练量,进而提高网络的训练速度。经过实验验证,本文提出的图像识别算法相比几种经典深度卷积神经网络模型拥有更高的识别准确度。