基于DR-CNN方法的图像质量评价

传统卷积神经网络的图像质量评价方式是通过对图像特征分析进行评价,但是传统手段不仅受到周围噪声限制而且评价出的结果与主观图像评价有一定的差距。对原有卷积神经网络技术进行改进,提出DR-CNN方法,即在图像进入卷积层前加入降维层,从而减小客观图像质量评价与主观图像质量评价之间的差距,同时有效地提高图像处理的计算速度。

月球车DR/CNS组合导航研究

(北京工业大学电子信息与控制工程学院,北京100124)摘要:针对月面环境弱地磁、高粉尘、慢自旋、无卫星及月球车超低速,大多传统导航方法失效的问题,设计了以航位推算确定位移、太阳罗盘确定航向角的月球车DR/CNS组合导航方案;分别从航位推算的系统误差和非系统误差来源研究,并建立了里程计误差模型;在充分考虑到月面环境特殊性的基础上,自主研制了太阳罗盘;实验证明了该组合导航方案的可行性和有效性。