逐层筛选的SAR适配区选择方法

合成孔径雷达(Synthetic Aperture Radar,SAR)适配区的选取是弹载SAR匹配制导的关键技术之一,对SAR图像匹配性能起着至关重要的作用。结合SAR成像特性,本文提出了一种由粗到细、逐层筛选的SAR图像适配区选择方法。首先根据高程信息,在SAR可成像区域找出地形平坦的区域作为适配初选区,然后在适配初选区中根据基准图幅度信息找出散射特性丰富且稳定的区域作为适配候选区,最后在适配候选区中根据相关面特征进行景象的唯一性筛选,得到高性能SAR适配区。另外,针对SAR适配区信息量特征不稳健的问题,利用边缘特征图像中像素所处连通区域的大小对边缘强度进行加权,提出了加权边缘强度特征衡量适配初选区域的信息量和稳定性。试验表明,所提方法能够选择出适配性较好的区域。

采用多特征融合的自动适配区选择方法

局部无纹理目标跟踪是当今空地成像制导领域的一个难点和热点问题,而自动适配区选择是解决该难题的一种有效方法。介绍了一种基于多特征融合的自动适配区选择方法。首先,构造一个融合边缘密度、平均边缘强度、边缘方向离散度以及空间距离的适配性度量函数;然后,采用该函数计算图像中每一点的适配置信度;通过制定适当的适配区选择策略,分割出3个置信度相对较高的适配区,用作匹配跟踪的目标模板。实验结果表明,采用该方法分割出的适配区与通过人工经验判断的结果相近,获得了较好的结果。该方法可广泛用于空地成像制导的局部无纹理目标跟踪以及景象匹配任务规划等应用中。

基于双近邻模式和最小二乘支持向量机的SAR景象匹配区选择

通过对景象匹配过程的分析,从模式识别的角度阐述了误匹配产生的原因。从避免误匹配的角度定义了双近邻度、最小距离以反映SAR景象的独特性和匹配的准确性,并结合反映地面景物稳定性的边缘密度,构建反映SAR景象适配性的分类特征向量。基于该分类特征向量,利用最小二乘支持向量机将SAR景象基准图子图划分为匹配正确的子图和匹配错误的子图,并由匹配正确的子图类构成SAR景象适配区。试验结果表明,提出的方法能够有效地规划出所需的SAR景象匹配区。

基于地形起伏和SVM的SAR景象MSA选取

为提高合成孔径雷达(synthetic aperture radar,SAR)景象匹配区(matching-suitable areas,MSA)的匹配概率和匹配精度,提出基于支持向量机(support vector machine,SVM)的SAR景象MSA选取方法。首先结合SAR图像特性,选取基于数字高程模型、基于灰度和基于特征的3级特征参数;然后基于综合特征量,利用SVM训练样本数据,得到MSA决策函数。该方法充分考虑了SAR图像信息对MSA选取结果的影响及特征参数间的相关性,能够有效规划出高性能的匹配区。

基于遥感影像的智能景像匹配适配区选择方法

飞行器景像匹配适配区选择是飞行器实现景像匹配视觉导航的前提。近年来,人们基于层次规则提出了许多适配区选择方法,也取得了良好的效果,但这些方法缺少对深度特征的提取能力,通用性较差,且存在一定的误选现象。针对这一问题,提出了一种基于深度特征的智能景像匹配适配区选择方法。所提方法利用深度学习ResNet-50网络结构实现对景像区高维特征的提取,通过深度特征匹配方法计算匹配误差与匹配概率,实现对适配区的选取。实验结果表明,所提方法与传统的适配区选择方法相比,适配成功率平均提高40%以上,鲁棒性更强。该方法避免了繁琐的适配性能指标选择流程,可应用于不同场景下的适配区选择,改善适配区域选择的有效性和泛化性。

水下惯性/重力梯度匹配导航综述

水下惯性/重力梯度匹配导航是提高自主水下潜航器导航精度的重要手段。为深入了解水下惯性/重力梯度匹配导航技术的发展现状,综述了重力梯度仪等技术的研究进展,详细分析了惯性/重力梯度匹配导航的基准图构建、适配区选取、匹配算法以及综合校正等关键技术的难点与研究现状,总结了此领域的研究重点。预测了惯性/重力梯度匹配导航技术的发展趋势,指明了技术的耦合性、智能化及实用性是水下惯性/重力梯度匹配导航的重要研究思路,为水下自主导航技术的发展提供参考。