小视场星图识别:改进金字塔算法的高效实现
需积分: 13 157 浏览量
更新于2024-08-11
收藏 1.05MB PDF 举报
"这篇论文是2013年由李辉、王安国和张磊发表在《应用光学》上的,属于工程技术领域,主要探讨了如何改进金字塔算法来提高小视场星图识别的效率和准确性。文章介绍了针对小视场星图识别中星矢量内积方法存在的问题,提出了一种基于星矢量外积的新匹配特征量,以此改善金字塔算法。研究涵盖了基本星表预处理、匹配特征量数据库构建、K矢量的构建、星图降噪与质心提取以及星图识别流程等多个关键环节。作者通过Visual C++实现了该算法,并进行了性能测试,结果显示改进后的金字塔算法在小视场星图识别中的成功率达到了96.7%,所需内存约为26.4MB,平均识别时间为131.8ms,满足了全天自主星图识别的高效、适度资源占用和快速识别的需求。"
在本文中,作者首先指出小视场星图识别的挑战,特别是在小角度范围内的星矢量内积方法无法提供足够的区分度。因此,他们提出了使用星矢量外积作为新的匹配特征量,这可以更有效地处理小角距情况下的匹配问题。星矢量外积是一种数学运算,可以捕获星矢量之间的相对位置信息,相比内积,它在小角度范围内提供了更高的差异性,有利于识别。
接着,论文详细讨论了改进金字塔算法的具体步骤。基本星表预处理涉及到星表数据的清洗和标准化,确保数据的准确性和一致性。匹配特征量数据库及K矢量构建是算法的核心部分,K矢量是由多个星矢量组成的向量集合,用于匹配查询星图。星图降噪与质心提取则是为了去除噪声,找出星图的主要特征,为识别提供基础。星图识别流程则阐述了从输入星图到输出识别结果的整个过程,包括特征提取、匹配、决策等阶段。
论文采用了Visual C++编程语言实现这个算法,并通过仿真测试其性能。实验结果表明,改进后的金字塔算法在识别小视场星图时表现出色,识别成功率高,内存占用适中,识别速度快,且具有较好的稳定性。这些特性使得该算法适用于全天自主星图识别任务,能够满足导航、航天等领域的需求。
这篇论文为小视场星图识别提供了一个有效的解决方案,通过改进金字塔算法,提升了在小角距条件下的星图识别能力,对天文导航和相关领域的技术进步有着积极的推动作用。
2021-05-20 上传
280 浏览量
2021-05-22 上传
2013-11-11 上传
2014-04-22 上传
2017-04-10 上传
2008-10-17 上传
485 浏览量
weixin_38695293
- 粉丝: 6
- 资源: 956
最新资源
- 掌握Jive for Android SDK:示例应用的使用指南
- Python中的贝叶斯建模与概率编程指南
- 自动化NBA球员统计分析与电子邮件报告工具
- 下载安卓购物经理带源代码完整项目
- 图片压缩包中的内容解密
- C++基础教程视频-数据类型与运算符详解
- 探索Java中的曼德布罗图形绘制
- VTK9.3.0 64位SDK包发布,图像处理开发利器
- 自导向运载平台的行业设计方案解读
- 自定义 Datadog 代理检查:Python 实现与应用
- 基于Python实现的商品推荐系统源码与项目说明
- PMing繁体版字体下载,设计师必备素材
- 软件工程餐厅项目存储库:Java语言实践
- 康佳LED55R6000U电视机固件升级指南
- Sublime Text状态栏插件:ShowOpenFiles功能详解
- 一站式部署thinksns社交系统,小白轻松上手