基于DSP的漂移扫描CCD星图快速识别

为了提高漂移扫描CCD的识别速度,实现同步 卫星实时定轨,提出基于数字信号处理器(DSP,digital signal processor)的星图快速识 别算法。在嵌入式DSP数据处理 平台上优化传统的三角形识别算法,采用二次匹配识别算法,即分区间筛选子星表中参考星 参与初匹配,利用初匹配结果推算CCD底片模型,根据背景恒星与子星表参考星的对应关 系将所有恒星进行二次匹配。对分辨率为1528×1528实拍星图的实验处理结果表明,由于引 入了DSP与改进了识别算法,在很大程度上加快了漂移扫描CCD星图识别速度,所耗时间 仅为传统星图识别算法的50%,且识别成功率达到98.4%。     

基于三目视觉系统的车辆导引方法

为使车辆在非结构化地形环境中实现自动导引,提出一种基于三目立体视觉系统的自适应地形分类方法。该地形分类方法利用三目视觉系统采集地形的几何信息与颜色信息, 方法中的几何分类器通过分析采集的数据对地形进行初步分类,而颜色分类器则在几何分类器的基础上对不同地形进行颜色标注。分类过程中,为使车辆能够有效地适应变化的地形环境,需根据分类所得新数据实时更新原有分类数据。该地形分类方法最终把可行驶的地面和不可行驶的任何地形作出分类并用不同颜色标注。从实验结果可看出,该方法可对实验中三目立体视觉系统所拍摄的地形作出准确分类。     

漂移扫描相机中拖尾现象快速消除方法

对同步卫星进行观测时,由于漂移扫描CCD相机的帧转移特性,若所拍摄星空中出现亮星,则会出现贯穿星图的smear拖尾现象。通过分析smear拖尾现象的成像机理,提出一种快速smear拖尾消除方法。首先,利用多项式拟合消除背景不均匀性;然后,计算并拟合星图每列灰度平均值,通过比较拟合前后的灰度平均值判断拖尾所在列;最后,通过将拖尾像素赋拟合后的灰度平均值消除拖尾。实验结果表明,该算法不但能够有效去除拖尾,减小星图背景均值差,而且其处理时间仅为常规smear拖尾去除算法的20%,验证了算法的有效性。     

基于多向梯度法的红外弱小目标快速检测方法

针对复杂背景下红外弱小目标信噪比(SNR)低、对 比度小造成的红外目标检测率低和实时性差的问题,提出一种基于多向梯度法的红外弱小目 标快速提取算法。目标提取前, 利用多尺度拉普拉斯-高斯(LoG)算子抑制图像背景,凸显背景边缘轮廓与弱小目标;然后 引 入多向梯度目标搜索算法,选取最佳梯度数,利用最简算法快速搜索目标。实验结果表明, 本文算法处理后的红外图像有较高的SNR与对比度,检测率 为传统红外目标提取算法的1.5倍,充分保证了检测精度,且计算耗 时短,实时性强。     

漂移扫描CCD星图的smear现象快速消除方法研究

在漂移扫描天文望远镜CCD相机系统中,为了有效去除CCD星图中smear现象,通过分析其成像机理,提出一种自适应快速smear现象消除算法。该算法在背景灰度均匀分布的基础上,通过计算并拟合每列像素灰度平均值,自适应选取最佳阈值,判断并消除smear现象。通过对实时同步卫星定轨系统拍摄的大小为1 528×1 528的星图进行处理,实验结果表明,拖尾被全部去除,背景均值差明显减小,处理时间约为传统的局部直方图高斯拟合smear去除算法所耗时间的20%,验证了该算法的有效性。     

基于最简视觉显著性的红外目标快速提取方法

在红外深空目标跟踪系统中,为了能够从深空红外图像中快速提取微小目标,通过分析红外深空图像的特点,提出一种基于最简视觉显著性的红外目标快速提取方法。该方法在传统的视觉显著性的基础上,通过计算局部灰度最大值和目标像素的灰度平均值与邻域像素的灰度加权值的对比度组成特征向量,构造显著性模型,抑制背景并凸显目标,使之不但能够减少运算耗时,而且能够保证提取精度。通过对红外深空图像进行处理,实验结果表明该算法的运算时间仅为传统的视觉显著性算法的28%,且有较好的处理结果,证明了该算法的有效性。