基于特征融合的HJ-1-CSAR图像道路特征提取算法

在SAR图像中精准地提取道路网络是大量军事和民用技术开发的重要环节。针对HJ-1-C SAR图像道路提取问题,该文提出一种融合比率信息和方向信息的道路提取算法。在进行道路提取前,针对HJ-1-C数据动态范围窄、信噪比低等特点,提出非线性量化和建立在多尺度自回归模型基础上的图像滤波相结合的预处理方法;随后,使用该文提出的基于特征融合的道路提取算法进行道路提取,算法综合考虑了道路比率和方向性信息,通过对比率图进行Radon变换提取道路主方向,然后进行主方向对齐和2次道路提取步骤,最大可能性地去除了交叉道路的干扰,使得提取道路的准确度和连续性都得到提升。采用HJ-1-C获取的武汉地区数据进行算法验证,实验表明,该方法在大场景复杂地形区域具有更高的正确率(80.5%)和品质因数(70.1%)。     

基于Chan氏算法和最近邻居算法的协同定位方法

在对定位算法中的测距和非测距算法研究的基础上,本文提出了在改进阅读器排布的定位空间中,将最近邻居算法与Chan算法结合,进行协同定位的方法。在设定的两种小范围仿真空间中,通过均方误差(RMSE)和误差累计分布曲线(CDF)两个定位精度评价指标对改进前后的算法进行比较,在噪声较小且误差均匀分布的环境下,改进算法的定位误差可90%控制在0.4m以内。     

基于Taylor级数展开的改进定位算法研究

针对由RFID设备组成的室内定位系统的定位方法,分析了常规方法存在的弊端,并在采用基于Taylor级数展开的定位算法的基础上,提出了相应的改进算法,测试了算法在低噪声均匀分布和高噪声非均匀分布2种环境下的定位效果,并比较了加权和非加权算法的定位精度。结果表明,在小范围定位空间中,当噪声较大且误差分布不均匀时,改进算法的定位误差可80%控制在0.6 m以内。