基于不变矩的景象匹配辅助导航快速匹配算法

针对景象匹配过程中矩特征计算量大、耗费时间长的问题,在搜索匹配前,首先通过小波变换压缩图像以减少搜索空间。在此基础上,为了减少每个待匹配位置相似性测度的计算量,利用矩特征的求解特点及匹配过程中相邻子图间的关系,通过设置多个和表简化各子图矩特征的计算。综合这两种加速策略,提出了一种快速的不变矩匹配算法,该算法极大地降低了匹配过程的计算代价。实验结果表明,所提算法与仅使用小波变换的方法相比,在保证匹配精度的同时,进一步减少了匹配耗时。     

基于极线约束的角点匹配快速算法

针对同一物体从不同角度拍摄形成的不同图像的匹配问题,提出新的基于区域互信息和极线约束的角点匹配快速算法.该算法首先采用Canny边缘捡测算子提取图像边缘,再利用曲率最大原理求取局部板值完成角点检测,随后基于区域互信息测度获取角点的初始匹配;进一步采用基于极线约束及马氏距离测度的改进松弛算法完成角点的精匹配.实验表明,本算法具有较好的鲁棒性,能有效、快速.高精度的进行角点匹配.     

基于粒子群优化技术的点匹配算法

点匹配问题一直是计算机视觉、模式识别、医学临床诊断领域的一项重要的基础性工作。本文提出了一种基于粒子群优化算法的准确、快速和鲁棒性的点匹配方法。该方法首先确定两个特征点集的点匹配问题的能量函数，通过最小化该能量函数可以同时得到点集之间的匹配矩阵和映射参数，利用粒子群优化算法求解变换参数，实验表明，该算法适用于点匹配，具有操作方便、可靠性好、不易陷入局部极值等优点。     

基于标定区域特征点组合匹配的位姿估计方法

景象匹配视觉导航技术通常需要硬件测量相机的距离和姿态,提出了基于标定区域的特征点组合匹配的位姿估计方法,通过选择实时图像的标定区域中最优的一组尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)匹配点,通过三角形内部线性插值方法计算SIFT特征匹配点的地面局部坐标,利用空间后方交会得到实时图像的相机位置和姿态,避免了硬件测量相机的距离和姿态的缺陷,扩大了景象匹配视觉导航技术的适用范围。实验结果表明：该方法计算的实时图像相机位姿与真实结果比较接近。     

基于重叠型区域分解的时域积分方程法

时域平面波算法可以降低时域积分方程的计算复杂度以及内存消耗,但是时域积分方程的阻抗矩阵的近场部分元素无法减少,内存消耗依然很大。提出了利用重叠型区域分解法降低时域积分方程的内存需求,通过采取划分子区域,利用特征基函数法降低阻抗矩阵规模的方法,降低了内存消耗。数值算例验证了重叠型区域分解法结合时域积分方程能有效地用于瞬态电磁散射问题的分析。     

基于空间填充曲线的数据分发区域匹配

提出基于空间填充曲线的HLADDM区域匹配方法，将多维雏复杂路径空间中的区域线性化为字符串并建立空间区域索引树，区域匹配问题转换为索引的快速查询。这种方法在保证匹配精度前提下，在仿真推进全过程实现区域的快速匹配，并能在整个路径空间范围内实现组播资源动态分配，确保仿真成员间实时数据交互。实验结果表明基于索引树的线性化区域匹配方法能有效地保证数据分发管理服务功能的实现。     

LBSN中基于加权异构信息网络的兴趣点推荐

基于位置社交网络(location-based social network,LBSN)的兴趣点(point-of-interest,POI)推荐存在以下挑战:LBSN中具有大量异构数据,其含有的丰富信息未得到充分利用;\"用户-兴趣点\"矩阵非常稀疏,不利于提取其对应的特征.因此,引入了加权异构信息网络(weighted...     

基于加权高阶累积量切片的非线性调频信号增强算法

为了综合考虑高阶累积量各种切片抑制高斯噪声的性能,定义了加权高阶累积量切片,并给出了加权高阶累积量切片符号联合迭代公式,得到了基于加权高阶累积量切片的自适应谱线增强新算法。对该算法增强水下目标辐射的非线性调频信号的效果进行了仿真研究。仿真结果表明:该算法能抑制大约18dB～28dB的高斯色噪声;调整高阶累积量切片的加权系数,可获得抑制高斯色噪声的最佳效果。在工程实践中,具有重要的指导意义和实用价值。     

一种基于角点匹配的视图合成方法

提出了一种基于角点匹配的视图合成方法,其基本思想是：首先,利用SUSAN方法分别提取样本图像对的角点;然后,基于归一化协方差相关准则和双向匹配方法确定样本图像对之间最佳的匹配角点集;再利用匹配角点集确定基本矩阵;最后利用基本矩阵完成视图变形。该方法合成视图无需相机参数或其他几何信息,无需人工指定对应点,合成过程实现了全自动,消除了视图合成过程所需的用户工作以及人为因素对视图合成效果的影响。     

基于ICP算法的非合作目标特征点云配准优化

针对视觉测量中非合作目标无法提供合作信息从而引起的位姿测量问题,采用ICP(Iterative Closest Point)算法配准不同时刻获取的点云降采样数据来完成目标的相对位姿测量.利用运动恢复结构算法获取了目标当前时刻的点云数据并比较了基于阈值匹配与光流匹配的特征点匹配算法,利用三角测量法对提取到的特征点进行重建...