基于密集卷积和域自适应的高光谱图像分类

针对常规的高光谱图像分类算法不能很好地解决不同图像中的频谱偏移的问题,提出了一种基于密集卷积和域自适应的高光谱图像分类算法,首先在源域中使用密集卷积进行深度特征学习,然后应用域自适应技术转移到目标域。目前的域自适应高光谱图像分类框架中常用卷积神经网络进行特征学习,但是当深度增加时会出现因梯度消失而导致分类精度下降的情况,因此本文通过引入密集卷积进行深度特征学习,提高域自适应高光谱图像分类的精度。在Indiana高光谱数据集和Pavia高光谱数据集上验证所提算法的有效性,整体分类精度分别为61.06%和89.63%,与其他域自适应高光谱图像分类方法对比,所提方法具有更好的分类精度。     

白昼星敏感器的研究现状及关键技术

星敏感器以恒星为姿态测量参考源,可以为空间飞行器提供高精度姿态测量信息。白昼星敏感器具备白昼条件下恒星探测能力,可以拓展用于高空气球、飞机、导弹、舰船等近地空间平台的全天时自主导航。对白昼星敏感器的国内外研究现状进行了综合分析,介绍了典型白昼星敏感器的技术指标,对制约白昼星敏感器发展的技术瓶颈和关键技术进行了梳理和总结。     

一种基于纹理特征的红外成像目标跟踪方法

提出了一种基于LBP（Local Binary Pattern)纹理特征的红外成像目标跟踪方法,将LBP纹理特征集成到了核跟踪方法中.根据目标各区域对背景的区分能力不同,提出了目标各区域置信度的评价方法,用基于区域置信度及空间距离核加权的LBP特征概率密度函数,构造了目标及候选目标的特征模型.通过相似性度量,利用均值漂移方法实现了基于纹理特征的红外成像目标跟踪.实验结果验证了该算法在红外成像目标跟踪中较基于灰度的均值漂移跟踪算法更为鲁棒.     

基于声压振速联合处理的声矢量阵信源数检测与方位估计

为解决水下远程测向问题,首先论述了基于声压与振速互协方差矩阵的声矢量阵特征子空间方法,然后利用空时虚拟抽头处理,提出了一种基于特征向量的信源数检测与子空间划分准则.理论分析表明,与现有的将声矢量传感器的振速信息作为独立阵元来处理的声矢量阵测向方法不同,新的信源数检测与方位估计方法完全基于声压与振速联合信息处理,能将子空间方法的高分辨能力与声矢量阵的抗噪能力有机结合起来,可实现对远程目标的高分辨检测与定向.基于湖试数据的仿真实验证明了所述方法的有效性.     

基于深度优先随机森林分类器的目标检测

从机载视觉传感器获取的图像中检测近距离目标,对小型无人机飞行安全非常重要,需要大量样本训练分类器以提高目标检测的准确性。然而,如果训练样本太大,随着树的层数增加,广度优先方法训练随机森林分类器会导致欠拟合问题。针对这个问题,提出了深度优先方法递归训练随机森林分类器,每次递归过程只分裂一个节点。实验表明,在SenseAndAvoid数据集目标检测的平均准确率是69.3%,比广度优先方法训练的随机森林分类器高7.6%。深度优先方法递归训练随机森林分类器,能有效抑制广度优先方法训练时的欠拟合问题,提高了随机森林分类器的泛化能力和目标检测的准确性。     

基于神经网络的全天时天文导航图像去噪方法

全天时天文导航图像是在大气层内白天的条件下拍摄,因此图像具有强背景,低信噪比等特点,传统星点提取算法对图像星点的提取效果较差。为提高星点识别率,提出一种较准确的全天时天文导航图像模拟方法,并基于模拟星图训练了一种可加入图像降采样结构的卷积神经网络,有效抑制了星图噪声,并提高了星点信噪比。实验结果表明:本文方法得到的峰值信噪比平均提高了11.28 dB;在效果相同的条件下,本文方法的平均处理时间仅为0.2 s,远少于传统神经网络方法的处理时间。利用真实星图对网络进行测试,发现本文方法对星点信噪比的提升效果较常用算法提升了88.9倍。     

一种背景误差累积的高光谱图像异常检测算法

针对背景信息对高光谱图像异常检测的强干扰问题,提出了一种背景误差累积的异常检测算法.该算法通过构造背景子空间,利用各像素到该子空间的正交投影,得到有效抑制背景并突显目标的背景误差数据,用于后续的异常目标检测.最后用真实的高光谱数据进行仿真实验,理论分析比较和实验结果表明该算法具有较好的检测效果.     

一种背景误差累积的高光谱图像异常检测算法

针对背景信息对高光谱图像异常检测的强干扰问题,提出了一种背景误差累积的异常检测算法.该算法通过构造背景子空间,利用各像素到该子空间的正交投影,得到有效抑制背景并突显目标的背景误差数据,用于后续的异常目标检测.最后用真实的高光谱数据进行仿真实验,理论分析比较和实验结果表明该算法具有较好的检测效果.     

基于声压振速联合信息处理的声矢量阵相干信号子空间方法

为解决水下宽带源的远程测向问题,提出了一种基于声压P与振速V的互谱矩阵的声矢量阵相干信号子空间方法。与现有的将声矢量传感器的振速信息仅仅作为独立阵元来处理的声矢量阵测向方法不同,新方法完全基于声压与振速联合信息处理,充分利用了声矢量阵中P-V互谱的抗噪能力,能将相干信号子空间方法的宽带高分辨能力及去相干能力与声矢量阵的抗噪能力有机地结合起来,实现对宽带源的远程、高分辨方位估计。理论分析给出了基于P-V互谱矩阵的宽带聚焦原理和特征分解原理,以及信源数检测准则。基于湖试数据的仿真实验结果显示,采用3元声矢量阵,在信噪比为-10dB和观测时间为20s时,新方法方位估计的均方根误差约为5°,明显强于现有方法。