共查询到20条相似文献,搜索用时 46 毫秒
1.
遥感影像作为地理空间情报的重要组成部分.在情报分析与作战指挥中发挥了越来越重要的作用.针对海量影像数据快速漫游和压缩存储的问题,在借鉴瓦片金字塔数据模型基础上定义了XML标准的通用数据模型,并采用三缓存交替工作机制调度数据,设计一个开放性的遥感影像压缩处理系统,实现了对大规模遥感影像数据的正常浏览并有效节约了硬盘资源. 相似文献
2.
3.
针对无人机图像中存在的多种类型噪声干扰的情况,提出了一种基于压缩感知的无人机图像混合去噪方法。利用移动窗口平滑处理含噪图像中脉冲噪声,并去除该类噪声对图像稀疏性的破坏;对粗去噪图像进行稀疏表示,利用高斯观测矩阵对其测量,通过正交匹配追踪算法重构得到去噪后图像。实验结果表明,该算法改善了基于压缩感知图像去噪方法对含有脉冲噪声去噪效果差的问题,提高了去噪图像的峰值信噪比和视觉效果。 相似文献
4.
5.
6.
为解决单架无人机在城市环境中对辐射源目标的定位问题,提出了一种基于环境预测法的单无人机测向定位航迹优化算法。使用交互多模型-扩展卡尔曼滤波进行视距和非视距信号混合环境下的目标估计。结合估计的目标位置和城市地理信息模型,基于视线追踪法求解信号遮挡区域和多径信号干扰区域。在滚动时域控制算法框架下生成无人机预测轨迹,以最大化Fisher信息矩阵行列式为测向定位评价准则,考虑建筑物障碍以及其对信号的遮挡和反射效应对无人机测向定位航迹的影响,控制无人机选择最优航向飞行。仿真结果表明,该方法能够使无人机在存在障碍、信号遮挡和多径干扰的环境下实现对目标的高精度测向定位,为解决城市环境下的单架无人机测向定位问题提供了新思路。 相似文献
7.
高光谱影像降维快速独立成分分析过程包含大规模矩阵运算和大量迭代计算。通过分析算法热点,设计协方差矩阵计算、白化处理、ICA迭代和IC变换等关键热点的图像处理单元映射方案,提出并实现一种G-Fast ICA并行算法,并基于GPU架构研究算法优化策略。实验结果显示:在处理高光谱影像降维时,CPU/GPU异构系统能获得比CPU更高效的性能,G-Fast ICA算法比串行最高可获得72倍加速比,比16核CPU并行处理快4~6.5倍。 相似文献
8.
合理有效地利用遥感卫星资源获取更多高质量影像数据是卫星成像调度的重要工作。提出了一种新的成像调度解决方案。应用图论相关理论,建立卫星成像时间序无圈有向图模型,利用多项准则作为衡量标准对不同成像路径进行评价,提出时间序多准则最短路径算法求取优化成像路径。理论分析和实验表明,该解决方案可以在较短时间内获得多条pareto优化成像路径,具有良好的调度性能。 相似文献
9.
针对固定翼无人机在着陆阶段的位姿估计的问题,提出运用跑道平面结构化线特征的无人机视觉导航算法。利用单台固连在无人机上的前视相机对跑道区域进行成像,自动提取结构化线特征。在无人机降落前期利用完整的结构化线特征配置解算出无人机的六自由度位姿参数(偏航角、俯仰角、滚转角、纵向位置、横向位置、高度),并在无人机降落到较低高度时,利用退化的结构化线特征(跑道边缘)解算出无人机的关键位姿参数(偏航角、俯仰角、横向位置、高度)。三维实景仿真实验证明,在距离机场200 m处,无人机的距离参数精度小于0.5 m,角度参数精度小于0.1°。 相似文献
10.
11.
12.
13.
14.
15.
现有的高光谱遥感影像异常目标探测方法仅利用光谱特征信息探测场景内可能存在的异常目标,然而伴随着高光谱遥感传感器空间分辨率的提高,像元间的相关性信息逐渐不可忽略,为此提出了一种顾及像元邻域信息的高光谱遥感影像局域异常目标探测方法。该方法首先利用随机场模型可有效描述像元的邻域相关性信息的特点,建立适应高光谱遥感影像高谱段特点的多阶邻域相关性随机场模型。然后,在该模型基础上定义势能函数,缩小待探测区域。最后,使用该模型将邻域信息引入到背景统计特征信息中,根据目标与背景统计特征的差异建立异常探测算子。实验证明:该方法克服了传统异常探测方法仅利用光谱信息的不足,与现有方法相比,不但可以有效和快速地探测单像元目标,而且探测大异常目标的效果也更好。 相似文献
16.
在现代卫星摄影测量中,由多颗小卫星组成的卫星编队具有比单颗卫星更优越的性能,能提供更高的空间分辨率和时间分辨率。卫星编队拍摄的序列图像可组成多轨道区域网,通过区域网光束法平差解算就可以获得目标点坐标。介绍了几种适于卫星摄影测量的卫星编队,讨论了影响卫星摄影测量精度的几个因素,给出了仿真实验结果,所得结论可为发展基于卫星编队的摄影测量提供参考。 相似文献
17.
18.
19.
20.
针对固定翼无人机在着陆阶段的位姿估计的问题,提出了一种基于跑道平面结构化线特征的无人机视觉导航方法。结构化线特征包括跑道平面上的跑道边缘及共面的垂直于跑道边缘的单条合作标志线。利用单台固连在无人机上的前视相机对跑道区域进行成像,自动提取结构化线特征。在无人机降落前期利用完整的结构化线特征配置解算出无人机的六自由度位姿参数(偏航角、俯仰角、滚转角、纵向位置、横向位置、高度),并在无人机降落到较低高度时,利用退化的结构化线特征(跑道边缘)解算出无人机的关键位姿参数(偏航角、俯仰角、横向位置、高度)。三维实景仿真实验证明,在距离机场距离为200m处,无人机的距离参数精度为<0.5m,角度参数精度为<0.1°。本文的方法充分考虑到无人机自主着陆过程中的成像特点,具有自动化程度高、工程实用性好的优点。 相似文献