排序方式: 共有196条查询结果,搜索用时 31 毫秒
41.
针对现有的识别算法存在识别速度慢,识别成功率不高,提出了一种新的星图识别算法,该算法根据恒星星等,利用锚定的方法,使待识别星图中的星落于导航星图中的星的ε邻域,对于未落于ε邻域的星,建立有向赋权二部图,进行完美匹配,根据计算星对之间EMD距离,来确定星图的匹配是否成功;仿真结果表明,该方法提高了星图识别的速度,有很高的成功率;通过与利用Hous-dorff距离进行星图识别的方法比较,该方法对于星数目多时,速度有明显提高。 相似文献
42.
针对红外图像处理中的去噪问题,提出了一种基于多尺度几何分析的去噪方法;首先给出了一种改进的模糊阈值选取方法,然后对图像进行bandelets变换,在此过程中对系数进行改进的模糊阈值处理,最终实现图像去噪,同时针对去噪问题给出了bandelets变换过程中压缩率阈值的选取方法;仿真结果表明,对于被加性高斯白噪声污染的图像,该方法的去噪性能要好于正交小波硬阈值去噪方法,并且能够获得很好的边缘保持效果。 相似文献
43.
基于时频分析的雷达信号滤波方法 总被引:2,自引:2,他引:0
深空目标的雷达回波信号较弱而且受噪声干扰严重,给检测识别工作带来很大的困难;提出了一种时频滤波方法,将基于广义S变换的时频滤波引入到雷达回波信号去噪当中;采用广义S变换对回波信号进行时频分析,利用变换结果求解信号的瞬时频率,并构造了一种时频滤波器.对雷达回波信号进行时频滤波处理并对滤波效果进行分析;仿真结果表明,经滤波后信噪比有较大提高,且很好保留了信号特征。 相似文献
44.
帧差分和背景差分技术在运动目标检测方面具有很好的原理性效果;但是对弱小目标图像来说,当目标尺寸和噪声、干扰点尺寸能够比拟,硬件系统和信号噪声的随机性会使差分方法几乎完全失效;在研究差分结果噪声相关性的基础上,提出定点能量积累,避免了能量积累时对目标运动速度的限制;并利用组合扰动排除法,大幅度削弱了帧间相互独立的噪声和杂波干扰;实验结果表明,该方法能够以较低的运算量准确地检测出强噪声干扰和复杂背景下的运动弱小目标,实时性好。 相似文献
45.
在背景为强杂波环境并且系统噪声影响比较小时,采用传统概念上提取弱小目标点方法的探测系统会主要被背景中的突变点和起伏干扰;针对复杂背景下的弱小目标图像提出了一种基于特征提取和理解的用于经过欧氏距离与灰度级均连续化处理后中间图像的聚类面积决策方法;算法利用直方图修正方法的结合来实现弱小目标图像背景中大面积对象干扰的类相似化,运算精度和实时性都比较高;实验结果表明,该方法大大减少了提取目标点时被复杂背景假点干扰的机会,提高了小目标探测的准确性。 相似文献
46.
基于支持向量机的曲线重建方法 总被引:6,自引:0,他引:6
基于统计学习理论(SLT)的支持向量机(SVM)在高维空间中表示复杂函数是一种有效的通用方法,也是一种新的、很有发展前景的机器学习算法。文中简要介绍了基于支持向量机的理论,并在此基础上提出了一种基于支持向量机(SVM)的曲线重建算法,最后给出了实验,证明了该方法的有效性。 相似文献
47.
48.
49.
In this paper, we propose an indirect hybrid adaptive pole placement scheme for plant
with numodeled dynamics. Normalization technique and covariance reset least square method
with forgetting factor are used for parameter estimation. We design the discrete adaptive
control law directly from continuous plant, which guarantees the robust stability of the closed-loop
system. Theoretical analysis and digital simulation results show that this scheme is superior to
similar continuous scheme and discrete scheme. 相似文献
50.
Aiming at the problem,i.e.infrared images own the characters of bad contrast ratio and fuzzy edges,a method to enhance the contrast of infrared image is given,which is based on stationary wavelet transform.After making stationary wavelet transform to an infrared image,denoising is done by the proposed method of double-threshold shrinkage in detail coefficient matrixes that have high noisy intensity.For the approximation coefficient matrix with low noisy intensity,enhancement is done by the proposed method based on histogram.The enhanced image can be got by wavelet coefficient reconstruction.Furthermore,an evaluation criterion of enhancement performance is introduced.The results show that this algorithm ensures target enhancement and restrains additive Gauss white noise effectively.At the same time,its amount of calculation is small and operation speed is fast. 相似文献