基于最优路径的多视场全天自主星图识别

为提高低成本小视场星敏感器在全天自主星图识别模式下的识别成功率,提出一种基于最优路径特征的多视场星敏感器星图识别方法。通过多视场观测星图的星图间识别,得到融合后的星图,设置随机分布在星图中主星邻域内各星的蚁群,以迭代的方法得到遍历各星的最优路径,以路径的几何特征作为与导航星库进行匹配的依据。与现有方法相比,该方法表现出高识别率以及针对位置和亮度噪声良好的鲁棒性。     

基于彩色图像Tetrolet变换的频数质心零水印算法

针对传统数字水印算法的透明性随嵌入强度的增加而下降的问题, 已有许多零水印算法提出。然而大多数算法或是鲁棒性和稳定性较差, 或是基于灰度图像设计的。本文提出一种基于彩色图像Tetrolet变换的频数质心零水印算法。该算法先提取彩色载体图像YCbCr空间的亮度分量, 再对亮度分量进行Tetrolet变换获得其低频系数, 再通过分块非负矩阵分解, 采用计算频数质心的方法构造特征矩阵。对水印信息依次进行Polar码编码, 二维交织构造出交织矩阵; 最后将含有水印信息的交织方阵和特征矩阵进行异或操作生成零水印。仿真结果证明, 该零水印算法可以有效抵抗非几何攻击、几何攻击以及组合攻击, 水印提取归一化相关系数值在0.9以上, 具有较强的鲁棒性和稳定性, 且具有良好的实用性。     

基于运动信息的星图中空间目标检测算法

为了对空间目标进行精确定位与跟踪,建立目标运动轨迹,对基于运动信息的星图中空间目标检测算法进行了研究。首先,基于空域目标能量累积的方法提高目标信噪比,增大弱小目标被分割出来的概率。然后,根据相邻两帧星图中恒星相对位置不变性提取星图控制点,并根据控制点坐标求取全局运动参数。然后,根据分割出的星点与控制点的位置关系,将恒星与潜在目标分类。接下来,利用3帧最近邻关联法粗检测目标,并利用多帧前后向搜索法滤除虚假目标。最后将序列星图中所有目标编号,建立起目标的轨迹针对4组实拍星图的实验结果表明：所有目标的运动轨迹全部建立,检测到目标的最小平均信噪比为2.99,目标最小平均运动速度2.47 pixel/frame,最大平均运动速度12.72 pixel/frame。本文算法基本满足星图中空间目标检测的检测概率高、虚警少和轨迹定位精度高等要求。     

全天球地面动态星模拟器算法研究

为了对星敏感器的软件开发以及自身性能进行地面测试,提出了一种动态的全天球星图模拟算法。该算法可以为星敏感器提供任一时刻,任一惯性坐标系指向下的模拟星图。提出了一种新的天区划分方法,采用分区检索的方法选取导航星,可以大大提高星模拟器星图更新频率。分析了星点成像模型,使得仿真出来的星图更接近真实情况。充分考虑了星云星团、月光、太阳光等干扰进入星敏感器视场的情况,并采用蒙特卡罗方法,让这些干扰情况随机出现在模拟星图中,可以更好的测试星敏感器软件的鲁棒性。     

全天时多视场星图仿真的设计与实现

为了对大气层内全天时短波红外三视场天文导航系统的软件开发及功能和性能测试,提出了一种全天时三视场星图仿真算法.该算法为本天文导航系统提供任一时刻、任一指向下的仿真星图.短波红外2MASS星表数据量巨大,为此,采取了分区检索视场恒星的方法.为了使仿真星图更接近真实情况,研究并分析三视场天空背景辐射及三视场恒星——背景对比度;建立了星点成像模型和系统噪声模型.充分考虑了同一时刻、不同视场间背景辐射的变化情况,采用蒙特卡罗方法随机产生平台姿态,以便更好的测试恒星检测与识别算法的鲁棒性.     

基于小区域滤波的快速星图弱小目标分割算法

时间序列帧星空图像中弱小目标的检测是天基监视地球同步轨道卫星需要解决的关键技术之一,星图中的背景杂波抑制与小目标分割对运动目标的检测与精确测量是至关重要的。针对这一问题,提出了一种基于小区域滤波的快速星图弱小目标分割算法。首先采用最小二乘拟合方法得到高斯背景均值和标准差;然后利用小区域滤波抑制背景杂波;最后利用固定阈值滤除灰度过小像素点。实验结果表明,该算法能够较好地保持恒星和运动目标的边缘,为恒星和运动目标的快速定位奠定了基础。     

基于迭代阈值分割的星载SAR洪水区域快速提取

基于星载合成孔径雷达(synthetic aperture radar, SAR)的洪水区域提取可对洪灾信息进行高效提取。然而, 传统提取方法往往时间复杂度较高, 严重影响了洪灾区域获取的时效性。基于改进迭代阈值分割原理, 本文提出了一种星载SAR图像洪水区域快速提取方法。首先, 对预处理后的SAR图像进行高斯拟合再抽样, 抑制SAR图像直方图异常点的影响。其次, 利用迭代阈值算法进行水体提取, 并基于形态学滤波对噪声进行抑制。最后, 对已识别的水体区域开展变化检测, 实现洪灾区域的提取。基于2020年7月鄱阳湖流域特大洪灾前后的哨兵-1 SAR图像, 本文开展了洪水区域提取对比试验。试验结果表明, 该方法可在保证洪水区域提取精度的同时, 显著提升处理效率。     

基于噪声圆形特性的宽带相干信号DOA估计方法

针对色噪声下基于差分去噪的宽带相干信号波达方向(direction of arrival, DOA)估计方法对相干信源数有限制的问题，提出一种基于噪声圆形特性去噪和Toeplitz矩阵重构的估计算法。首先，对接收到的信号求取协方差矩阵，利用噪声的圆形特性消除噪声。为达到对协方差矩阵进行Toeplitz矩阵重构的要求，通过协方差矩阵相乘来构造新的数据协方差矩阵。然后，通过Toeplitz矩阵重构来解相干。最后，利用旋转子空间算法准则构造聚焦矩阵，使用传播算子算法实现DOA估计。理论分析及仿真实验验证了该算法的有效性，该算法对相干信源数的奇偶没有限制，同时该算法也适用于高斯白噪声下宽带相干信号DOA估计的场景。     

基于陀螺测量信息的航天器突变参数识别方法

利用速率陀螺的测量信息研究了航天器质量特性参数突变的识别问题。基于物理学原理建立了航天器转动和速率陀螺的数学模型;对航天器的结构布局进行分析,提出了辨识策略和算法;利用条件数和奇异值分解理论对测量矩阵进行分析,观察突变参数的可辨识性及可辨识度;以某航天器为例,就其质量特性的可辨识性及可辨识度进行数值分析,并进行在轨辨识仿真。结果表明,当航天器参数突变后,按照所提的策略,其质量和质心位置可以辨识,且质心位置的可辨识度高于质量。     

散射区域加权压缩感知ISAR成像

压缩感知(compressive sensing,CS)理论为少量脉冲条件下实现高分辨逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像提供了新方法。然而由于CS的噪声敏感性,其成像易受到噪声污染;另外,少量脉冲条件下很难保证噪声参数估计精度,这进一步加剧了ISAR成像污染。针对这一问题,提出一种散射区域加权CS ISAR成像算法,利用目标散射区域信息对冗余字典中的基函数进行加权,修正CS重建算法以抑制噪声散斑。为提高噪声参数估计精度,对回波采样建立子序列矩阵,提出矩阵扰动理论噪声参数估计方法。实验结果表明,所提方法能够有效抑制噪声影响,提高低信噪比和少量脉冲条件下ISAR成像质量。     

分布式星敏感器下空间目标航迹段关联算法

针对空间目标可以断续地被分布式星敏感器观测到的特性,将不同时段空间目标在星敏感器下的观测信息关联作为基于星敏感器进行空间目标精确定轨的前提。结合空间目标运动特性,在以往双门限模糊关联的基础上,加入轨道平面法向量约束,筛选候选关联对象,简化关联运算成本,提出了分布式星敏感器下空间目标航迹段关联算法。通过仿真分析了6组噪声级别下,航迹外推误差随时间的发散情况,并且给出模糊隶属度函数中的调整系数的参考值,使长间隔下不同目标的关联相似度区别更显著。仿真表明在一定噪声下所提算法关联准确率高于最邻近关联和传统模糊关联,初定轨误差在各轴位置的标准差为6 km,各轴速度标准差为6 m/s时,可区分最小相位差为0.5°的相邻目标,间隔2 h关联准确率达98%,间隔7 h时关联准确率达90%。     

融合块显著质心描述和多级关联的多目标跟踪

提出一种融合目标分块、显著质心建模和多级关联的多目标跟踪(multi target tracking, MTT)方法,用于提高互遮挡、相似目标干扰场景中的跟踪鲁棒、准确性。利用自适应阈值背景差分检测运动区域;将目标区域分块,根据块中运动像素处背景差分值计算色彩显著度,建立运动、色彩显著质心模型;建立目标间、目标与运动检测间全局、块级数据关联,判别互遮挡目标及块,并据块遮挡矩阵更新目标模板;利用有效色彩和运动信息计算块质心转移向量及融合权值,获得目标全局质心转移向量以定位目标。实验结果表明该方法对互遮挡、相似目标干扰及外观变化的多目标均具有稳定跟踪性能。     

Extraction of affine invariant features for shape recognition based on ant colony optimization

A new approach to extraction of affine invariant features of contour image and matching strategy is proposed for shape recognition.Firstly,the centroid distance and azimuth angle of each boundary point are computed.Then,with a prior-defined angle interval,all the points in the neighbor region of the sample point are considered to calculate the average distance for eliminating noise.After that,the centroid distance ratios(CDRs) of any two opposite contour points to the barycenter are achieved as the representation of the shape,which will be invariant to affine transformation.Since the angles of contour points will change non-linearly among affine related images,the CDRs should be resampled and combined sequentially to build one-by-one matching pairs of the corresponding points.The core issue is how to determine the angle positions for sampling,which can be regarded as an optimization problem of path planning.An ant colony optimization(ACO)-based path planning model with some constraints is presented to address this problem.Finally,the Euclidean distance is adopted to evaluate the similarity of shape features in different images.The experimental results demonstrate the efficiency of the proposed method in shape recognition with translation,scaling,rotation and distortion.     

基于矢量重构的双基地MIMO雷达相干多目标定位

提出了一种基于目标信息矢量重构的双基地多输入多输出（multiple-input multiple-output, MIMO）雷达相干信源角度估计方法。利用目标信息矢量中的元素,构造出解相干处理的通用块Hankel矩阵。证明了该矩阵的秩为总目标数时矩阵行数和列数所应满足的条件,并基于奇异值分解求解出信号和噪声子空间,然后利用ESPRIT算法获得角度的估计值。同时,给出了直接数据提取法和特征矢量提取法来获得目标的信息矢量。仿真实验表明：本文算法能够有效地估计出相干信源的收发角度,且实现自动配对;当兼顾角度估计精度和算法的复杂度时,应满足块Hankel矩阵的行数不大于列数;在低信噪比下,本文算法的估计精度优于空间平滑算法,且特征矢量提取法的估计精度优于直接数据提取法。     

基于模糊决策的快速星图识别

空间碎片问题日益严重, 需要对其进行常态化监测。光学观测作为重要的监测手段, 需要依靠快速的光学图像处理技术, 采用天文定位方法得到空间碎片的赤经-赤纬测量信息。星图识别是天文定位的关键步骤, 直接影响着图像处理的速度和结果精度。本文提出了一种改进的基于模糊决策的快速星图识别方法, 在保持快速处理的情况下提高了星表匹配的准确性。利用新疆南山站25 cm望远镜的图像对该方法进行了测试, 取得了良好的效果, 证明了算法的有效性和稳定性。     

基于信号传播修正的GNSS干扰源质心定位方法

针对广泛存在的全球卫星导航系统(global navigation satellite system, GNSS)干扰, 采用基于接收信号强度(received signal strength, RSS)的定位方法时, 存在RSS值提取难度大, 城市环境中不开阔、多径等复杂场景下定位误差大等问题, 提出一种基于载噪比加权和干扰信号传播误差修正的GNSS干扰源质心定位方法。该方法采用GNSS接收机输出的载噪比信息, 并采用神经网络的方法预测干扰信号传播影响因子, 通过质心加权实现GNSS干扰源的定位。实验结果表明, 该方法的定位精度得到显著提升。     

基于HEVC的亚像素运动估计快速算法

利用在亚像素搜索区域内误差匹配函数以单峰曲面分布的特点,提出了一种改进的亚像素的快速搜索算法。根据整像素搜索的结果建立5点的误差曲面模型,估计1/2像素最佳点的位置,并确定1/2像素点搜索范围和搜索模板;再根据1/2像素搜索结果确定1/4像素点的搜索方式,完成亚像素搜索。实验表明,算法在峰值信噪比平均下降0.043 dB的条件下,减少了亚像素搜索部分近60%的计算量,在保证重建图像的主观质量和客观质量的同时,提高了编码效率。     

基于SVM与Mean-Shift的非刚性目标跟踪框架

针对动态背景下,序列图像中的非刚性目标跟踪问题,提出了一种基于支持向量机(support vector machine,SVM)和均值移动(Mean-Shift)的序列图像目标跟踪框架。在初始图像中选择跟踪目标所处的矩形框,将目标框周围一定范围的像素作为背景。以目标和背景数据训练SVM二值分类器。运用得到的分类器对下一帧图像相同区域内的像素分类,得到二值的置信图(confidence map),在置信图范围内运用Mean-Shift算法求得当前目标位置,移动目标框和背景框的中心到目标位置,以10%的比例缩放目标框并选择最优者以适应目标尺度变化。以此时的目标像素和背景像素训练新的SVM分类器,进行下一幅图像的跟踪,直至完成整个序列图像跟踪任务。实验证明,该方法适用于动态背景及非刚性目标的跟踪,且实时性较好。