王建增[1]2015年在《巡航导弹景象匹配区选取关键技术研究》文中提出景象匹配区选取是景象匹配导航的一项关键技术,对此项技术展开研究,无论是从加快导弹武器试验鉴定进程还是从节省试验经费上来看,都具有重要的现实意义。本文以巡航导弹景象匹配辅助导航中的景象匹配区选取技术为研究出发点,结合景象匹配辅助导航的特点构建了景象区域适配性特征指标集,研究了基于LSSVRM的景象匹配区分层筛选技术以及基于多特征融合的景象匹配区快速选取技术。通过试验表明,两种方法均能够可靠地自动选取出满足景象匹配辅助导航要求的景象匹配区。本文首先对匹配概率和匹配精度这两个适配性指标进行了研究并给出了计算方法。针对在实际景象匹配区选取工作中无对应图像对进行匹配概率计算的实际,重点对单幅图像自匹配概率的计算方法进行了研究,定义了单幅图像的降质方法及单幅图像匹配概率的计算方法,作为匹配区选取方法研究的基础。在通过多组试验进行匹配精度分析方面,研究了基于误差均值的定义方法和基于误差方差的定义方法,两种方法均可以反映通过多组试验得出的匹配精度。接下来,结合工程应用实际,本文研究了两种景象匹配区选取方法。一是基于分层筛选的适配性分析评估方法。该方法首先通过边缘点数目筛选,将边缘点数目低于阈值的区域剔除,从而大大减少预选区数量,节省计算时间。其次采用LSSVRM模型对经过第一层筛选的候选区域进行匹配概率预测,能够快速可靠的去除预测匹配概率较低的大多数区域。作为LSSVRM模型的输入,图像区域的适配性特征直接影响模型的训练效果。本文提出了2种适配性特征,并结合过往研究文章中用到的10种特征,构建区域特征描述向量,向量共有12维,通过特征指标相关性分析将向量由12维将至9维,作为模型输入。模型测试表明,利用上述特征集训练得到的LSSVRM模型能够较好地预测区域的匹配概率,从而实现区域的快速筛选。最后在剩下的候选区域中进行计算量较大但精度较高的图像自匹配概率的计算,得到最终的匹配区选取结果。二是基于多特征融合的适配性分析评估方法。该方法首先构造能反映匹配区选取准则的图像特征指标集,然后采用二叉树结构模型进行特征融合,并通过遗传算法进化合成得到最优的综合特征,最后利用该综合特征实现匹配区选取,有效地保证了所选区域景象的丰富性、显着性、稳定性和唯一性。最后,在两种景象匹配区选取方法研究的基础上,依据一定的景象匹配区选择流程,进行了同一场景不同匹配参数和多种场景的景象匹配区选取试验,试验结果表明,两种选取方法均能够选取出满足景象匹配辅助导航要求的景象匹配区,且选取出的景象匹配区与通过人工选择的景象匹配区具有较高的一致性。
袁梦尤[2]2002年在《景象匹配区选择方法研究》文中进行了进一步梳理依据本文提出的基于最小误判概率的景象匹配区选择方法评价标准对目前常用的景象匹配区选择方法进行评价后，针对现有方法受图像质量影响较大、抗干扰能力低、准确性低以及计算量大等多方面的问题提出融合图像内容的景象匹配区选择方法。 本文特别对融合图像内容的景象匹配区选择方法中的关键因素(景物内容与景象适配性之间的关系和景象匹配仿真概率置信度)进行了深入研究，给出了不同景物内容的适配性度量值，证明了本文所采用的匹配仿真模型具有较高的可信度。本文还对选择方法的可行性和有效性等方面进行了论证。 本文提出了两种具体的融合景物内容的景象匹配区选择方法：基于GIS和景物内容分布的景象匹配区选择方法；基于GIS和边缘密度的景象匹配区选择方法。这两种方法在本文提出的基于最小误判概率意义的评价标准下都具有较高的匹配区选择准确度和执行效率，能够满足景象匹配区选择的各项要求。实验证明这两种方法都具有较高的匹配区选择可信度和良好的可行性。
杨朝辉, 陈映鹰[3]2009年在《基于支持向量机的景象匹配区选择方法》文中研究说明考虑景象匹配区选择结果与参考图像信息之间的联系与制约,提出了基于支持向量机的景象匹配区选择方法.首先合理选择基于灰度和基于特征的2级测度参数,准确有效地表示参考图图像信息;其次将多个测度参数归一化组成样本集的输入属性向量,并使用去均值归一化算法得到匹配结果作为样本集的输出;最后选择合适的核函数与最佳参数训练样本集数据,得到具有自动区分景象适配区与非景象匹配区能力的决策函数,并用其分类实现任意候选参考图的匹配区选择.实验结果表明该方法具有较大的适应性和抗干扰性,能够对复杂参考图的匹配区选择进行正确决策指导.
刘扬, 赵峰伟, 金善良[4]2001年在《景象匹配区选择方法研究》文中研究指明通过试验研究了景象匹配概率与实时图的独立像元数、方差、纹理能量比和互相关峰等图像特征的关系 ,并以此提出了基于这些图像特征的景象匹配区选择方法。图像测试结果表明 ,该方法可以成功地规划出满足要求的景象匹配区。
付文兴, 王建民, 金善良[5]2003年在《一种实用的景象匹配区选择方法》文中研究表明从分析影响配准概率和定位精度的景象匹配区的景象信息量、稳定性和重复模式等各项特征参数出发 ,研究了一种简洁实用的匹配区选择方法 ,并给出了快速算法。仿真试验结果表明 ,该方法的选择速度及所选匹配区配准概率和定位精度都能令人满意
刘中华, 王晖, 陈宝国[6]2013年在《景象匹配区选取方法研究》文中研究表明景象匹配定位是精确制导的重要技术,随着武器系统日益精确化,影响匹配制导精度的匹配区选择得到了广泛的关注。基于景象信息量、稳定性和区域唯一性对景象特征指标进行了分析研究,讨论了各特征参数对匹配性能的影响;给出了由粗到细的分层选取方案,并对特征指标进行了量化;提出了一种由粗到细的分层多尺度匹配区选取方法。实验结果表明该方法具有较大的抗鲁棒性,能够在复杂基准图上有效地选取出满足要求的景象匹配区。
杜菁, 张天序[7]2003年在《景象匹配区的选择方法》文中研究表明景象匹配区的选择是影响景象匹配系统性能的重要因素。通过实验研究建立了信噪比、重复模式与匹配概率之间的叁维模型,并以此提出了一种基于边缘密度预筛选和上述模型的选择方法。测试结果表明,在一定条件下,该方法可以成功规划出所需的区域。
张阳阳, 苏娟, 李彬[8]2016年在《基于多属性综合评价的SAR景象匹配区选取方法》文中研究指明针对采用单一特征指标选取SAR景象匹配区不全面的缺陷,提出了一种基于多种特征属性融合的SAR景象匹配区选取方法。首先,提取边缘密度、独立像元数、信息熵、主次峰值比4个特征指标;其次,运用组合赋权法将层次分析法和熵权法融合,得到各个特征指标的组合权重;最后,根据参考图像的综合评价值,规划出最佳匹配区。实验结果表明,文中算法具有较强的鲁棒性和通用性,能够有效的选取出满足要求的SAR景象匹配区。
程华, 田金文[9]2009年在《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》文中研究指明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。
张国忠, 沈林成, 常文森[10]2006年在《基于知识的景象适配性分析决策系统》文中指出文章考察了目前选择景象匹配区的准则的缺陷,阐述了景象适配性分析方法应该综合考虑景象的独特性度量值、时效性特征、专家经验知识、末段飞行约束条件等因素。将基准图的特征结合匹配概率估计值表达成决策表的形式,基于粗糙集理论进行适配性分析系统的知识提取,融合专家经验、末段飞行约束条件形成知识库。然后结合模型方法库,通过不确定性推理机制,建立了基于知识的景象适配性分析决策系统。
参考文献：
[1]. 巡航导弹景象匹配区选取关键技术研究[D]. 王建增. 国防科学技术大学. 2015
[2]. 景象匹配区选择方法研究[D]. 袁梦尤. 中国人民解放军国防科学技术大学. 2002
[3]. 基于支持向量机的景象匹配区选择方法[J]. 杨朝辉, 陈映鹰. 同济大学学报(自然科学版). 2009
[4]. 景象匹配区选择方法研究[J]. 刘扬, 赵峰伟, 金善良. 红外与激光工程. 2001
[5]. 一种实用的景象匹配区选择方法[J]. 付文兴, 王建民, 金善良. 宇航学报. 2003
[6]. 景象匹配区选取方法研究[J]. 刘中华, 王晖, 陈宝国. 计算机技术与发展. 2013
[7]. 景象匹配区的选择方法[J]. 杜菁, 张天序. 红外与激光工程. 2003
[8]. 基于多属性综合评价的SAR景象匹配区选取方法[J]. 张阳阳, 苏娟, 李彬. 弹箭与制导学报. 2016
[9]. 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[J]. 程华, 田金文. 宇航学报. 2009
[10]. 基于知识的景象适配性分析决策系统[J]. 张国忠, 沈林成, 常文森. 计算机工程与应用. 2006
标签：计算机软件及计算机应用论文; sar论文; 图像融合论文; 概率计算论文; 特征选择论文;