一种应用峰值特征匹配的SAR图象自动目标识别方法

针对合成孔径雷达 (SAR)图象自动目标识别问题 ,在对SAR图象的特征提取问题进行分析的基础上 ,提出了一种特征点匹配算法 .该算法根据Birkhoff vonNeumann定理 ,首先将广义置换矩阵约束松弛为广义双随机矩阵约束 ;然后利用拉格朗日乘子和障碍函数法 ,把约束加到目标函数中 ,从而将点集匹配问题转化为非线性最优化问题 ;最后利用确定性退火和软分配技术求解该问题 ,将得到的匹配代价用特征点数目的比值进行修正后 ,用于目标的识别 .实验结果表明 ,该算法非常有效 .

框标与影像叠置时的自适应内定向算法

虽然自动内定向在过去的几年是研究的热点问题,但是针对P31这类近景相机的影像进行自动内定向还存在一些问题,主要原因在于P31影像的框标叠置在景物上。认为自动内定向可以看做一个全局影像匹配问题,分两步进行。首先,用模板匹配和Hough变换在影像上提取可能的框标点,然后用软对应和确定性退火结合仿射变换得到惟一的框标位置。试验和结果分析说明,利用本文方法,可以惟一确定框标,并发现严重的粗差。同时提出自动确定最小的框标搜索区域的方法。

轻量化的端到端非合作目标位姿估计方法

针对空间非合作目标六自由度位姿估计问题,基于卷积神经网络设计一种轻量化网络LSPENet,无须手动设计特征便可实现端到端的位姿估计。使用深度可分离卷积、高效通道注意力(ECA)机制构成基本模块,兼顾了网络的复杂度和准确度。设计两个分支分别用于估计位置和姿态,位置估计使用直接回归法,姿态估计引入软分配编码。在URSO数据集的实验结果表明:姿态软分配编码相比直接回归姿态能够显著减小姿态误差;相比其他端到端位姿估计网络,所提网络的参数量减少76.7%,单幅推理时间降低13.3%,同时位置估计精度提高54.6%,姿态估计精度提高57.8%。实现的轻量化端到端位姿估计网络为星载单目视觉位姿估计提供了新思路。