CN112862868A - 一种基于线性变换和小波分析的运动海浪图像配准融合方法 - Google Patents
一种基于线性变换和小波分析的运动海浪图像配准融合方法 Download PDFInfo
- Publication number
- CN112862868A CN112862868A CN202110132353.7A CN202110132353A CN112862868A CN 112862868 A CN112862868 A CN 112862868A CN 202110132353 A CN202110132353 A CN 202110132353A CN 112862868 A CN112862868 A CN 112862868A
- Authority
- CN
- China
- Prior art keywords
- region
- image
- fused
- sea wave
- center
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000009466 transformation Effects 0.000 title claims abstract description 20
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 17
- 238000011160 research Methods 0.000 claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 16
- 230000005484 gravity Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000013519 translation Methods 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 230000004927 fusion Effects 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 9
- 239000006185 dispersion Substances 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000011835 investigation Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于线性变换和小波分析的运动海浪图像配准融合方法，包括如下步骤：对两幅海浪图像分别进行带通滤波处理，得到只包含长重力波的海浪灰度值图像；选定第一幅图像的待融合区域并确定中心，根据运动参数计算出此中心平移至第二幅图像中所对应的位置；以平移后的点为中心在第二幅图中确定相同形状的研究区域，利用正交矩阵旋转研究区域，分别计算研究区域与待融合区域的相关系数和置信区间，计算出研究区域中置信阈值最大的区域；利用小波分析对配准的待融合区域和研究区域在时间域进行融合，得到融合图像，对融合图像进行小波逆变换，得到海浪重力波图像。本发明具有可靠性高，操作简便等优点。
Description
技术领域
本发明属于海洋遥感技术领域，具体涉及一种基于线性变换和小波分析的运动海浪图像配准融合方法。
背景技术
图像融合是将多源信道采集到的同一目标的图像数据融合的计算机技术，有利于增强图像解译的可靠性。图像融合分为三个层次，其中最低层次的数据级融合是直接对采集来的图像数据进行处理而获得图像的过程，这种融合尽可能保持了足够多的原始数据，使图像所得数据更为可信。数据级融合包括空间域算法和变换域算法，小波分析作为变换域的数学工具，可以用于图像融合，是比较常用的图像融合方法。
随着海洋遥感技术的发展，机载或船载光学传感器和成像雷达都可以获得高分辨率的海面图像，目前用图像融合技术解译海浪信息的应用还较少。图像融合涉及很多前期准备工作，不同图像的目标领域所在位置和大小不同，给图像融合带来了困难。在进行图像融合前为融合区间定位的过程即为图像配准。虽然目前对可见光图像和高分辨率遥感图像的配准已有一些解决方法，对于海浪的图像配准仍有很大限制。主要原因如下：第一，由于海面包含不同尺度的波浪，大尺度的涌浪变化较慢，而小尺度的毛细波变化较快，利用不同传感器在不同位置或不同时间获得的海面图像变化较大；第二，传统的立体摄影测量技术需要在地面选取控制点，而海面上一般无固定目标，难以选取控制点；第三，搭载传感器的舰船等平台运动时，传感器的晃动、观测角度等变化也会造成图像运动难以匹配。。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足，可以有效从舰船等运动平台观测的海面雷达图像中定量提取海浪信息，提供一种基于线性变换和小波分析的运动海浪图像配准融合方法。
为实现上述技术目的，本发明采取的技术方案为：
一种基于线性变换和小波分析的运动海浪图像配准融合方法，包括如下步骤：
步骤S1：对于移动载体上的雷达传感器观测海浪时，相对移动载体静止且在同一时间序列内连续拍摄的两幅海浪图像，根据海浪的频散关系分别进行带通滤波处理，得到只包含长重力波的海浪灰度值图像；
步骤S2：选定第一幅图像的待融合区域，确定该待融合区域的中心，根据传感器的运动参数计算出此待融合区域的中心平移至第二幅图像中所对应的位置；
步骤S3：以平移后的点为中心在第二幅图中确定相同形状的研究区域，利用正交矩阵旋转研究区域，分别计算研究区域与待融合区域的相关系数和置信区间，计算出研究区域中置信阈值最大的区域，即为与待融合区域相配准的区域；
步骤S4：利用小波分析对配准的待融合区域和研究区域在时间域进行融合，得到融合图像，对融合图像进行小波逆变换，得到海浪重力波图像。
为优化上述技术方案，采取的具体措施还包括：
进一步地，步骤S1中对海浪图像进行带通滤波处理过程公式为：
ω2＝gk tan(kh)
其中，ω为频率，g为重力加速度，k为波数，h为传感器距离海面的高度。
进一步地，步骤S2计算融合区域中心平移至第二幅图像中所对应的位置过程为：根据传感器的运动速度V(vx,vy,vz)和运动时间t，结合平移矩阵计算出融合区域中心平移至第二幅图像中所对应的位置：
其中，vx为速度在x轴方向的运动分量，vy为速度在y轴方向的运动分量，vz为速度在z轴方向的运动分量，(a,b,1)为待融合区域中心，所述(a′ b′ 1)为融合区域中心在第二幅图像中的位置。
进一步地，步骤S3中图像配准过程为：
计算研究区域：
θ∈(0,2π)
其中：(x y 1)表示融合区域，I’(x’,y’,1)为根据融合区域中心在第二幅图像中的位置确定的研究区域，θ表示旋转角度,其步长为
计算根据研究区域中相关系数最大，置信阈值最大的区域，即为与融合区域相配准的区域。
进一步地，据研究区域中相关系数最大，置信阈值最大的区域的判断过程为：
取融合区域矩阵I和研究区域矩阵I′的最大相关系数r为似然统计量，当旋转角度相等时，相关系数r服从x2(θ)分布；
设定显著性a，计算拒绝域
或
根据似然统计量的实际值是否在拒绝域内，当似然统计量的实际值在拒绝域内，则相关系数r确定的最大区域即为与融合区域相配准的区域。
进一步地，步骤四中所述海浪图像融合方法为：
选取Morlet小波函数对图像I和I′做m层分解，根据步骤S1中带通滤波器的范围选取小波系数的高频和低频成分；
选取待融合区域的高频信息Wj,k最大值和研究区域的高频信息W′j,k最大值,根据最大值得到融合图像的高频信息WF j,k；
对待融合区域的低频信息Cj,k和研究区域的低频信息C′j,k取平均值，得到融合图像的低频信息CF j,k，其中，j＝1,2,···，m；k∈Z2；
将融合图像的高频信息与低频信息整合得到总的小波系数WF(j,k),进行小波逆变换，得到融合后的海浪重力波图像。
本发明的有益效果：
本发明提供了一种基于线性变换和小波分析的运动海浪图像配准融合方法，可以根据频散关系滤波，获取大尺度海浪；利用线性变换矩阵对图像区域进行坐标转换，并进行假设检验保证结果的可信度；通过小波分析的思想分解图像，将两幅图像加权求和得到新的图像，具有可靠性高，操作简便等优点。
附图说明
图1是本发明的结构示意图；
图2是本发明的结构示意图。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
如图1所示，本发明为一种基于线性变换和小波分析的运动海浪图像配准融合方法，包括如下步骤：
如图1-2所示，本发明的一种基于线性变换和小波分析的运动海浪图像配准融合方法，包括如下步骤：
步骤S1：对于移动载体上的雷达传感器观测海浪时，相对移动载体静止且在同一时间序列内连续拍摄的两幅海浪图像，根据海浪的频散关系分别进行带通滤波处理，得到只包含长重力波的海浪灰度值图像。
步骤S2：选定第一幅图像的待融合区域，确定该待融合区域的中心，根据传感器的运动参数计算出此待融合区域的中心平移至第二幅图像中所对应的位置。
例如：设船载导航雷达传感器运动速度V(vx,vy,vz),运动时间t，对于选定的待融合区域中心(a,b,1)，左乘平移矩阵，得到待融合区域的中心在第二幅图的位置(a′,b′,1)
其中，vx为速度在x轴方向的运动分量，vy为速度在y轴方向的运动分量，vz为速度在z轴方向的运动分量，(a,b,1)为待融合区域中心，所述(a′,b′,1)为融合区域中心在第二幅图像中的位置。
步骤S3：以平移后的点为中心在第二幅图中确定相同形状的研究区域，利用正交矩阵旋转研究区域，分别计算研究区域与待融合区域的相关系数和置信区间，计算出研究区域中置信阈值最大的区域，即为与待融合区域相配准的区域。
具体为：对于待融合区域矩阵I(x,y,1)，以(a′,b′,1)为中心确定与第一幅图区域相同形状的研究区域为I’(x’,y’,1)，设置海浪图像旋转角度
在0至2π范围内，步长为
左乘旋转矩阵，计算旋转后图像区域与区域一的相关系数r与置信度，当相关系数最大时，该角度旋转后所得区域为配准区域。
其中：(x,y,1)表示融合区域，I’(x’,y’,1)为根据融合区域中心在第二幅图像中的位置确定的研究区域，θ表示旋转角度,其步长为
计算根据研究区域中相关系数最大，置信阈值最大的区域，即为与融合区域相配准的区域。
据研究区域中相关系数最大，置信阈值最大的区域的判断过程为：做出假设h0:θ＝θ0，取原图像区域矩阵I和所得的图像区域矩阵I′的最大相关系数r为似然统计量,当h0成立时，r近似服从x2(θ)分布。设定显著性a，计算拒绝域
或
看检验统计量的实际值是否落入拒绝域是否满足原假设，如果是则认为差异显著而否定原假设，如果否则认为差异不显著保留原假设。与图2(a)中的区域配准后的区域如图2(b)所示。
步骤S4：利用小波分析对配准的待融合区域和研究区域在时间域进行融合，得到融合图像，对融合图像进行小波逆变换，得到海浪重力波图像。
具体为：选取Morlet小波函数对海浪图像区域I和I’做m层分解，根据步骤1中带通滤波器的范围选取小波系数的高频和低频成分，然后分别对两海浪图像的高频信息Wj,k和W′j,k,取最大值得到融合图像的高频信息WF j,k；对低频信息Cj,k和C′j,k，取平均得到融合图像的低频信息
将融合图像的高频与低频信息整合得到总的小波系数WF(j,k),进行小波逆变换，得到融合后的海浪重力波图像。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。
Claims (6)
1.一种基于线性变换和小波分析的运动海浪图像配准融合方法，其特征在于，包括如下步骤：
步骤S1：对于移动载体上的雷达传感器观测海浪时，相对移动载体静止且在同一时间序列内连续拍摄的两幅海浪图像，根据海浪的频散关系分别进行带通滤波处理，得到只包含长重力波的海浪灰度值图像；
步骤S2：选定第一幅图像的待融合区域，确定该待融合区域的中心，根据传感器的运动参数计算出此待融合区域的中心平移至第二幅图像中所对应的位置；
步骤S3：以平移后的点为中心在第二幅图中确定相同形状的研究区域，利用正交矩阵旋转研究区域，分别计算研究区域与待融合区域的相关系数和置信区间，计算出研究区域中置信阈值最大的区域，即为与待融合区域相配准的区域；
步骤S4：利用小波分析对配准的待融合区域和研究区域在时间域进行融合，得到融合图像，对融合图像进行小波逆变换，得到海浪重力波图像。
2.根据权利要求1所述的一种基于线性变换和小波分析的运动海浪图像配准融合方法，其特征在于，所述步骤S1中对海浪图像进行带通滤波处理过程公式为：
ω2＝gktan(kh)
其中，ω为频率，g为重力加速度，k为波数，h为波浪传播区域的水深。
3.根据权利要求2所述的一种基于线性变换和小波分析的运动海浪图像配准融合方法，其特征在于，所述步骤S2计算融合区域中心平移至第二幅图像中所对应的位置过程为：根据传感器的运动速度V(vx，νy，vz)和运动时间t，结合平移矩阵计算出融合区域中心平移至第二幅图像中所对应的位置；
其中，νx为速度在x轴方向的运动分量，νy为速度在y轴方向的运动分量，vz为速度在z轴方向的运动分量，(a，b，1)为待融合区域中心，所述(a′，b′，1)为融合区域中心在第二幅图像中的位置。
4.根据权利要求3所述的一种基于线性变换和小波分析的运动海浪图像配准融合方法，其特征在于：所述步骤S3中图像配准过程为：
计算研究区域：
θ∈(0，2π)
其中：(x，y，1)表示融合区域，I’(x’，y’，1)为根据融合区域中心在第二幅图像中的位置确定的研究区域，θ表示旋转角度，其步长为
计算根据研究区域中相关系数最大，置信阈值最大的区域，即为与融合区域相配准的区域。
5.根据权利要求4所述的一种基于线性变换和小波分析的运动海浪图像配准融合方法，其特征在于：所述据研究区域中相关系数最大，置信阈值最大的区域的判断过程为：
取融合区域矩阵I和研究区域矩阵I′的最大相关系数r为似然统计量，当旋转角度相等时，相关系数r服从χ2(θ)分布；
设定显著性a，计算拒绝域
或
的临界值，根据似然统计量的实际值是否在拒绝域内，当似然统计量的实际值在拒绝域内，则相关系数r确定的最大区域即为与融合区域相配准的区域。
6.根据权利要求5所述的一种基于线性变换和小波分析的运动海浪图像配准融合方法，其特征在于：步骤四中所述海浪图像融合方法为：
选取Morlet小波函数对图像I和I′做m层分解，根据步骤S1中带通滤波器的范围选取小波系数的高频和低频成分；
选取待融合区域的高频信息Wj，k最大值和研究区域的高频信息W′j，k最大值，根据最大值得到融合图像的高频信息WF j，k；
对待融合区域的低频信息Cj，k和研究区域的低频信息C′j，k取平均值，得到融合图像的低频信息CF j，k，其中，j＝1，2，···，m；k∈Z2；
将融合图像的高频信息与低频信息整合得到总的小波系数WF(j，k)，进行小波逆变换，得到融合后的海浪重力波图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110132353.7A CN112862868B (zh) | 2021-01-31 | 2021-01-31 | 一种基于线性变换和小波分析的运动海浪图像配准融合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110132353.7A CN112862868B (zh) | 2021-01-31 | 2021-01-31 | 一种基于线性变换和小波分析的运动海浪图像配准融合方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112862868A true CN112862868A (zh) | 2021-05-28 |
| CN112862868B CN112862868B (zh) | 2023-12-01 |
Family
ID=75987243
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110132353.7A Active CN112862868B (zh) | 2021-01-31 | 2021-01-31 | 一种基于线性变换和小波分析的运动海浪图像配准融合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112862868B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118377935A (zh) * | 2024-06-21 | 2024-07-23 | 天津云遥宇航科技有限公司 | 一种基于多源掩星数据的重力波参数提取优化方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010077997A2 (en) * | 2008-12-16 | 2010-07-08 | Bodymedia, Inc. | Method and apparatus for determining heart rate variability using wavelet transformation |
| CN103295233A (zh) * | 2013-05-16 | 2013-09-11 | 长安大学 | 合成孔径雷达影像配准中最优匹配窗口的选择方法 |
| CN104101864A (zh) * | 2013-04-10 | 2014-10-15 | 南京信息工程大学 | 基于eof分解的导航x波段雷达海浪参数反演算法 |
| CN104463877A (zh) * | 2014-12-12 | 2015-03-25 | 武汉理工大学 | 一种基于雷达影像与电子海图信息的岸线配准方法 |
| CN106997602A (zh) * | 2017-03-17 | 2017-08-01 | 西安电子科技大学 | 基于gpu和金字塔互信息的sar图像配准方法 |
| CN107301661A (zh) * | 2017-07-10 | 2017-10-27 | 中国科学院遥感与数字地球研究所 | 基于边缘点特征的高分辨率遥感图像配准方法 |
| CN109061640A (zh) * | 2018-07-02 | 2018-12-21 | 南京信息工程大学 | 一种用于顺轨干涉sar海流反演的方位模糊抑制方法 |
| CN109300096A (zh) * | 2018-08-07 | 2019-02-01 | 北京智脉识别科技有限公司 | 一种多聚焦图像融合方法及装置 |
| CN109557538A (zh) * | 2018-12-26 | 2019-04-02 | 哈尔滨工业大学 | 基于海用相参雷达测量海浪参数的方法 |
| CN111257886A (zh) * | 2020-03-23 | 2020-06-09 | 南京信息工程大学 | 一种利用单幅船载x波段雷达图像反演海浪参数的方法 |
| CN112014839A (zh) * | 2020-08-06 | 2020-12-01 | 南京信息工程大学 | 一种消除噪声对相参x波段雷达观测海浪的影响的方法 |
| CN112098998A (zh) * | 2020-09-18 | 2020-12-18 | 浙江大学 | 一种基于遗传算法的多频率探地雷达剖面融合方法 |
| WO2020258816A1 (en) * | 2019-06-25 | 2020-12-30 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for image processing |
-
2021
- 2021-01-31 CN CN202110132353.7A patent/CN112862868B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010077997A2 (en) * | 2008-12-16 | 2010-07-08 | Bodymedia, Inc. | Method and apparatus for determining heart rate variability using wavelet transformation |
| CN104101864A (zh) * | 2013-04-10 | 2014-10-15 | 南京信息工程大学 | 基于eof分解的导航x波段雷达海浪参数反演算法 |
| CN103295233A (zh) * | 2013-05-16 | 2013-09-11 | 长安大学 | 合成孔径雷达影像配准中最优匹配窗口的选择方法 |
| CN104463877A (zh) * | 2014-12-12 | 2015-03-25 | 武汉理工大学 | 一种基于雷达影像与电子海图信息的岸线配准方法 |
| CN106997602A (zh) * | 2017-03-17 | 2017-08-01 | 西安电子科技大学 | 基于gpu和金字塔互信息的sar图像配准方法 |
| CN107301661A (zh) * | 2017-07-10 | 2017-10-27 | 中国科学院遥感与数字地球研究所 | 基于边缘点特征的高分辨率遥感图像配准方法 |
| CN109061640A (zh) * | 2018-07-02 | 2018-12-21 | 南京信息工程大学 | 一种用于顺轨干涉sar海流反演的方位模糊抑制方法 |
| CN109300096A (zh) * | 2018-08-07 | 2019-02-01 | 北京智脉识别科技有限公司 | 一种多聚焦图像融合方法及装置 |
| CN109557538A (zh) * | 2018-12-26 | 2019-04-02 | 哈尔滨工业大学 | 基于海用相参雷达测量海浪参数的方法 |
| WO2020258816A1 (en) * | 2019-06-25 | 2020-12-30 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for image processing |
| CN111257886A (zh) * | 2020-03-23 | 2020-06-09 | 南京信息工程大学 | 一种利用单幅船载x波段雷达图像反演海浪参数的方法 |
| CN112014839A (zh) * | 2020-08-06 | 2020-12-01 | 南京信息工程大学 | 一种消除噪声对相参x波段雷达观测海浪的影响的方法 |
| CN112098998A (zh) * | 2020-09-18 | 2020-12-18 | 浙江大学 | 一种基于遗传算法的多频率探地雷达剖面融合方法 |
Non-Patent Citations (7)
| Title |
|---|
| ALVISE BENETAZZO 等: "Stereo imaging and X-band radar wave data fusion: An assessment", 《OCEAN ENGINEERING》 * |
| 刘子龙 等: "基于小波变换的模糊图像融合技术的研究", 《传感器世界》 * |
| 刘宏伟: "顺轨干涉SAR多尺度海表面流速提取与验证", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 殷莉 等: "机载红外搜救成像系统中图像拼接算法研究", 《计算机应用与软件》 * |
| 王文煜: "星载合成孔径雷达顺轨干涉海流反演研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
| 陈忠彪 等: "EOF分解方法反演海浪参数的有效性研究", 《广西科学》 * |
| 马玉菲 等: "降雨条件下的导航X波段雷达海浪参数反演算法研究", 《海洋科学》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118377935A (zh) * | 2024-06-21 | 2024-07-23 | 天津云遥宇航科技有限公司 | 一种基于多源掩星数据的重力波参数提取优化方法 |
| CN118377935B (zh) * | 2024-06-21 | 2024-09-10 | 天津云遥宇航科技有限公司 | 一种基于多源掩星数据的重力波参数提取优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112862868B (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109584238B (zh) | 一种基于立体视觉的弓网运行状况在线检测系统及方法 | |
| CN110473260B (zh) | 一种波浪视频测量装置及方法 | |
| Roman et al. | Application of structured light imaging for high resolution mapping of underwater archaeological sites | |
| CN103697855B (zh) | 一种基于海天线检测的船体水平姿态测量方法 | |
| CN103411621B (zh) | 一种面向室内移动机器人的光流场视觉/ins组合导航方法 | |
| CN103424741B (zh) | 基于高分辨isar成像的光滑进动锥体参数估计方法 | |
| CN107289910B (zh) | 一种基于tof的光流定位系统 | |
| CN105976353A (zh) | 基于模型和点云全局匹配的空间非合作目标位姿估计方法 | |
| CN110081881A (zh) | 一种基于无人机多传感器信息融合技术的着舰引导方法 | |
| CN1743806A (zh) | 移动体高度判别装置 | |
| CN112987065A (zh) | 一种融合多传感器的手持式slam装置及其控制方法 | |
| CN104155635B (zh) | 一种探地雷达单道电磁波谱三维定位方法 | |
| CN108710127B (zh) | 低空及海面环境下的目标检测识别方法及系统 | |
| CN109724586B (zh) | 一种融合深度图和点云的航天器相对位姿测量方法 | |
| WO2015154286A1 (zh) | 无人飞行器的飞行参数的测量方法及装置 | |
| CN112461213B (zh) | 一种多模态波浪监测装置及监测方法 | |
| CN115761286A (zh) | 复杂海况下基于激光雷达的水面无人艇航行障碍物检测方法 | |
| CN114187330A (zh) | 一种基于光流法的结构微幅振动工作模态分析方法 | |
| CN117092659A (zh) | 一种激光成像雷达和相机联合测量船舶高度的系统及方法 | |
| CN108776341A (zh) | 一种机载合成孔径雷达多普勒中心偏移计算方法 | |
| CN112862868A (zh) | 一种基于线性变换和小波分析的运动海浪图像配准融合方法 | |
| CN111487621A (zh) | 一种基于雷达图像的海表流场反演方法及电子设备 | |
| CN110865372B (zh) | 一种基于合成孔径雷达多方位观测的目标高度信息提取方法 | |
| CN108257184B (zh) | 一种基于正方形点阵合作目标的相机姿态测量方法 | |
| CN116124161B (zh) | 一种基于先验地图的LiDAR/IMU融合定位方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |