边缘重叠图像拼接中的特征块选取

提出了在 2维直方图上用双门限对原始图像进行分割 ,经过标记、筛选等处理后 ,快速提取出边缘重叠图像匹配过程中所需的匹配模板 ,以实现重叠图像的正确。

非星历表法去除MODIS图像边缘重叠影响的研究

由于地球曲率的影响以及MODIS(MODerate-resolutionImagingSpectroradiometer)探测器的特点,使得MODISL1B产品中存在着图像边缘重叠影响(BowtieEffect),俗称"双眼皮"现象,即在图像的边缘部分存在有部分重叠。BowtieEffect影响了边缘数据的使用,并且几何校正之后仍无法去除,因此该现象必须在几何校正之前加以去除。使用星历表数据去除BowtieEffect计算较为复杂,同时用户必须获得当天的星历表。比较了去除BowtieEffect的两种简单方法,,并对图像了进行几何校正,结果表明方法二更为适用。

具有稀疏特征的对象—属性子空间边缘重叠区域归属算法

通过分析具有稀疏特征的对象—属性子空间的特征,发现其边缘存在交叉重叠区域现象,为此,提出了基于聚类思想的具有稀疏特征的对象—属性子空间边缘的重叠区域归属算法(OASEDA),该算法能有效解决对象—属性子空间的独立性,算法根据子空间内部紧凑度和子空间之间分离度相对大小确定子空间边缘重叠区域的归属,并基于K-means算法结合权重理论设计了重叠区域归属判断目标函数,最后通过实验证明了该方法的有效性。

基于多核支持向量机的混合扰动波形辨识算法研究

针对特征提取手段自身局限性导致的扰动典型特征间边缘重叠对混和扰动辨识的影响,提出一种基于多域特征优选的多核支持向量机辨识算法。首先,利用多种特征提取手段获取混和扰动多域典型特征。其次,为考虑高维特征与目标类别的相关性和度量尺度的规范化,利用改进的最大相关最小冗余准则优选用于辨识的关键特征子集,进而利用计及半径信息的多核SVM来辨识混合扰动波形。仿真结果表明,所提辨识算法能够克服混合扰动特征空间模糊对辨识精度的影响,受噪声影响小,稳定性好。

一种高精度的神经网络波达方向估计算法

基于区间划分的神经网络DOA (波达方向)估计算法通过建立多个网络结构来进行波达方向的估计,但是对一些特定角度的信号,识别的精确度不高。为了提高神经网络算法的精确度和适用性,本文对该算法进行了改进:首先利用波束形成技术,调整天线阵元的权值,将天线阵的波束集中在每个区间所对应的角度;在区间划分上,采用边缘重叠的区间划分方式替代原有的均匀无重叠方式。相比于之前的神经网络算法,该算法的识别精确度更高,并且对于任意角度的信号都适用,最后通过仿真验证了该算法的正确性与有效性。

基于DSM的机载相机航线设计方案

在城区和山区等测区航空摄影时,地表起伏对相片重叠度的影响很大,航线设计时必须考虑。本文首先推导了一个任何情况下都适用的地表起伏对重叠度影响公式。然后,借鉴目前已有的重叠度计算方案,提出了一种基于重叠区边缘的重叠度计算方案,并将它应用于计算相片和立体模型的实际重叠度,以此来敷设航线。最后,基于地表起伏较大的汉口地区DSM做了模拟实验,结果表明,与常规航线设计方法相比,按照基于重叠区边缘的立体模型实际重叠度来调整航线,不仅更能满足立体测图,还能减少14%航线和51%相片,计算速度也提高数倍。