项目名称: 面向成像差异的高精度强适应SAR景象匹配算法研究

项目编号: No.61302195

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 苏娟

作者单位: 中国人民解放军第二炮兵工程大学

项目金额: 30万元

中文摘要: SAR景象匹配可以有效提高精确制导武器全天时全天候作战能力,但匹配所用的基准图和实时图来自不同成像平台,存在较大成像差异,导致景象匹配性能下降,制约了SAR成像制导武器的发展。本项目针对此问题,以提高成像差异下的SAR景象匹配性能为目的,对其中涉及的基础理论和关键技术进行研究。具体内容包括:研究基于特征一致和图像反演的基准图制备方法,解决高适配性基准图生成问题,提高不同成像条件下基准图与实时图的特征相似性;研究多尺度、多类型、自适应的共性不变特征提取方法,并基于空间拓扑理论进行多子区分层次匹配方法研究,实现高精度的异源SAR图像匹配;从实际应用需求出发,研究匹配算法适应性评估指标体系,进行匹配算法与典型目标区域的关联性分析,提高匹配算法对复杂战场环境的适应性。本项目预期在上述方面取得理论突破和技术创新,对推进SAR成像制导技术在精导武器中的应用起到积极的作用。

中文关键词: 景象匹配;基准图制备;特征匹配;适应性评估;成像差异

英文摘要: SAR scene matching can effectively improve the all-day and all-weather operating ability of the precision guidance weapons, which makes it have a very attractive application prospect in the precision navigation field. However, since the reference image and the real-time image are obtained by different SAR sensors which maybe have different imaging band, imaging angle and imaging conditions, therefore there exist great differences between two images in many aspects, which affects SAR scene matching performance seriously, and restricts the development of SAR imaging guidance weapons. Aiming at improving SAR scene matching performance,this research focuses on the relative theory and technology problems involved in SAR scene matching. The major research contents are included in the following. Firstly, a novel reference image generation algorithm will be proposed to generate reference images with high suitabiliy, which can improve the feature similarity between reference image and real-time image. Secondly, based on the mission characteristic of scene matching, the multi-scale, multi-type, adaptive common invariant feature extraction algorithm will be studied, and the multiple sub-region and multiple level matching algorithm based on spatial topology theory will be proposed, which can realize the high-precision multi

英文关键词: Scene matching;reference image generation;feature matching;adaptability evaluation;imaging difference

成为VIP会员查看完整内容
0

相关内容

面向行人重识别的局部特征研究进展、挑战与展望
专知会员服务
26+阅读 · 2021年10月13日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
26+阅读 · 2021年9月1日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
85+阅读 · 2021年8月8日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
专知会员服务
61+阅读 · 2021年3月6日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
33+阅读 · 2021年2月7日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
TPAMI 2021|VideoDG:首个视频领域泛化模型
专知
0+阅读 · 2021年12月31日
【分享】ICCV 2021第二届“无人机跟踪”挑战赛冠军和最佳论文
中国图象图形学学会CSIG
2+阅读 · 2021年8月27日
CVPR 2019 | 神奇的超分辨率算法DPSR:应对图像模糊降质
计算机视觉life
16+阅读 · 2019年4月25日
立体匹配技术简介
计算机视觉life
27+阅读 · 2019年4月22日
目标跟踪算法分类
大数据技术
13+阅读 · 2018年9月17日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
干货!一文读懂行人检测算法
全球人工智能
11+阅读 · 2018年5月31日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
5+阅读 · 2008年12月31日
Arxiv
19+阅读 · 2021年4月8日
小贴士
相关VIP内容
面向行人重识别的局部特征研究进展、挑战与展望
专知会员服务
26+阅读 · 2021年10月13日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
26+阅读 · 2021年9月1日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
85+阅读 · 2021年8月8日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
专知会员服务
61+阅读 · 2021年3月6日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
33+阅读 · 2021年2月7日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
相关资讯
TPAMI 2021|VideoDG:首个视频领域泛化模型
专知
0+阅读 · 2021年12月31日
【分享】ICCV 2021第二届“无人机跟踪”挑战赛冠军和最佳论文
中国图象图形学学会CSIG
2+阅读 · 2021年8月27日
CVPR 2019 | 神奇的超分辨率算法DPSR:应对图像模糊降质
计算机视觉life
16+阅读 · 2019年4月25日
立体匹配技术简介
计算机视觉life
27+阅读 · 2019年4月22日
目标跟踪算法分类
大数据技术
13+阅读 · 2018年9月17日
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
干货!一文读懂行人检测算法
全球人工智能
11+阅读 · 2018年5月31日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
5+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员