基于联合图频谱特征分析的异源图像匹配方法

针对光线强度过高或过低情况下的异源图像匹配问题,提出一种基于联合图频谱特征分析的异源图像匹配方法。首先,采用K近邻法则计算可见光图像与红外图像中角点的结构关系并构建联合图;接着,基于拉普拉斯分解计算联合图中邻接矩阵的特征值从而得到邻接矩阵的特征向量,并通过三维重构构建特征函数对;第三,提出一种基于SUSAN-MSERSURF最大稳定极值区域检测器,检测特征函数对的极值位置;最后,通过对最大稳定极值区域进行归一化后匹配,可以得到异源图像的精确匹配结果。实验结果表明,提出的基于联合图频谱特征分析的匹配方法能够解决光强过高或过低情况下的异源图像匹配问题并取得较优异的匹配率。

导航自定位辐射源衰落信号智能识别算法

针对辐射源信号传播中受到多径影响产生不同程度的衰落从而影响导航定位这一问题,设计了一种基于频谱特征图的卷积神经网络(CNN)的信号衰落程度识别算法,并将该算法应用到导航自定位中来提升定位精度。该算法采用CNN提取衰落信号频谱特征进行训练和实现分类,并将采用算法选取和随机选取的辐射源信号分别应用到自定位场景中,对比分析所提算法的定位精度。结果表明,基于频谱特征图的CNN的衰落识别算法具有较好的分类性能,识别率高达90%以上,同时采用该算法使得测向标准误差下降了约0.03°,有效地提高导航自定位精度。