一种混合高斯背景模型下的像素分类运动目标检测方法

运动目标检测在智能视频监控、人机交互、目标导航等诸多领域有着广泛应用.背景减法是运动目标检测中应用较广泛的一种方法.在该方法中,背景建模和阈值化分割是最重要的步骤,直接决定了检测效果的好坏.当目标本身变化比较大时,若利用传统的基于全局阈值的分割法,分割效果并不理想.针对基于全局阈值分割差分图像存在的问题,本文提出了一种基于混合高斯背景模型的像素分类运动目标检测方法.该方法首先利用混合高斯模型对背景建模,克服了场景变化等因素带来的影响;其次,利用背景减法得到差分图像并对像素进行分类,最后对分类后的像素集分别进行阈值化分割,得到前景目标.实验结果表明,与传统的基于全局阈值的分割法相比,本文算法能够获得更好的检测效果和鲁棒性.     

典型目标的合成孔径雷达回波生成与图像仿真

分析了典型目标的合成孔径雷达(SAR)回波与图像仿真对验证SAR成像算法的有效性、开展SAR图像解译和SAR图像自动目标识别等方面的研究具有重要作用,在现有的SAR回波信号和图像仿真方法基础上,提出了一种新的目标SAR回渡信号和图像仿真方法,该方法把目标特性分析的曲面像素法和基于二维傅立叶变换(2DFFT)的SAR回波信号仿真数学模型相结合,采用曲面像素法来计算目标的散射率,用基于2DFFT的回波生成方法来计算SAR回波,实现了典型目标的合成孔径雷达回波生成和图像仿真,并给出了相应的仿真结果,证明了该方法的有效性.     

支撑剂铺置模式及其对水力裂缝导流能力的影响规律

为确定支撑剂铺置模式对水力裂缝导流能力的影响规律,通过对加砂和返排过程中支撑剂颗粒的定性受力分析,研究了支撑剂在水力裂缝内的铺置模式,在此基础上建立了支撑剂颗粒数目以及裂缝导流能力的理论计算模型,定量地把支撑剂铺置模式和裂缝导流能力关联起来.结果表明:支撑剂在裂缝内的铺置过程为通过受迫流动形成的两阶段非自然堆积过程,包括支撑剂颗粒被高黏度携砂液高速携带进裂缝内部的无序随机渐次堆积以及在工作液反向携带和裂缝有效闭合压力共同作用下的有序紧密压实堆积.根据最大填充率能量原理和颗粒堆积稳定性原理,经过两阶段的非自然堆积过程后,支撑剂颗粒的配位数会越来越大,颗粒体系的填充率会越来越大,颗粒之间的孔隙体积会越来越小,直至达到最稳定的六方密堆积或立方密堆积或二者的混合模式.六方密堆积模式和立方密堆积模式所对应的裂缝导流能力基本相当,但远低于正方体堆积模式.在实际压裂施工过程中,即便支撑剂颗粒体系可能达不到也会趋近这两种紧密堆积模式,最终的裂缝导流能力仍然会远小于立方体堆积模式.本文的理论模型以及研究结论可为水力压裂设计提供分析工具和理论依据.     

内含k个H-点且边界H-点数为3k+5的H-三角形

为了研究内含k个H-点的H-多边形的边界特性和几何结构，针对正六边形阿基米德铺砌，研究铺砌上的H-三角形内部H-点和边界H-点的关系。首先，通过分析H-三角形的三元组(α,β,γ),确定所有可能满足要求的三元组；其次，利用位级线理论和铺砌点分布特性，排除不能实现的三元组；最后，证明内含k个H-点且边界H-点数为3k+5的H-三角形存在，且只有2种构图，并给出这2种构图的具体构造。结果表明，在能够确定三角形所有可能的三元组条件下，H-三角形满足给定边界点数的图形结构是确定的。研究结果丰富了阿基米德铺砌的相关理论，也为阿基米德铺砌相关问题的研究提供了重要的理论依据。     

基于天体三维模型的着陆段视觉导航方法

针对深空探测精确着陆的需求,本文提出一种基于天体三维模型的着陆器视觉导航方法.该方法以天体三维模型为数据基础,根据着陆器初始猜测状态在线生成导航地图,通过已知路标匹配确定着陆器相对着陆点位置姿态;借助三维模型提供的深度信息配准像素灰度,恢复序列图像帧间运动,给出两次已知路标匹配之间的局部运动轨迹,实现着陆下降过程着陆器状态的准确估计.在线生成参考地图与实际采集的天体图像在尺度、视角等方面比较接近,更易于导航路标的匹配,解决了下降过程尺度大范围变化使路标难以匹配的问题.引入像素深度信息辅助灰度配准,通过搜索图像间平移和旋转使图像中的全部特征灰度差异最小,采用了全局优化思想,因此可以克服特征匹配过程易陷入局部极小,出现误匹配的问题,具有更高的帧间运动估计精度和稳定性.数学仿真表明,本文提出的视觉导航方法具有良好的性能,满足深空探测高精度着陆的导航需求.