地理定位的機場障礙物識別范文

本站小編為你精心準(zhǔn)備了地理定位的機場障礙物識別參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

《計算機仿真雜志》2014年第六期

1機場障礙物GIS識別定位方法原理

在機場障礙物識別定位的過程中，需要采集三維地理定位圖像，將該圖像作為障礙物定位識別的依據(jù)。其詳細(xì)內(nèi)容如下所述:在根據(jù)三維地理定位圖像進行機場障礙物識別定位的過程中，需要對機場障礙物邊緣進行有效的檢測。在檢測時，機場障礙物邊緣的結(jié)構(gòu)元素可以用圖1表示。在上圖中，包含不同種類的邊緣像素基本結(jié)構(gòu)，能夠描述機場障礙物邊緣的特性。在機場障礙物識別的過程中，邊緣特征檢測的詳細(xì)步驟如下所述:設(shè)置機場障礙物圖像的基本檢測結(jié)構(gòu)元素的數(shù)目是m個，上述元素構(gòu)成的序列能夠用{dk}表示，針對該序列中的元素進行膨脹處理，可以獲取多尺度檢測結(jié)果qDk。設(shè)置三維地理定位圖像能夠用H(z，a)進行描述，利用上面闡述的方法進行機場障礙物邊緣檢測，獲取的邊緣梯度變換參數(shù)可以用Iqk(z，a)表示，則可以得到下述結(jié)果。針對上述數(shù)據(jù)進行灰度變換處理，可以獲取障礙物圖像邊緣檢測結(jié)果Kq(z，a)。根據(jù)多尺度合成相關(guān)理論，能夠得到障礙物圖像邊緣區(qū)域的定位結(jié)果如下所述:設(shè)置機場障礙物識別閾值能夠用ρ進行描述，如果U＜ρ，則可以確定該機場障礙物像素點屬于障礙物區(qū)域，否則識別失敗。不斷重復(fù)上述步驟，直至獲取機場障礙物識別的全部結(jié)果。根據(jù)上面的闡述能夠得知，可以針對三維地理定位采集的圖像，進行二值化處理，從而提高機場障礙物圖像的對比度，為機場障礙物識別提供依據(jù)。利用PCA和LDA融合算法，提取機場障礙物圖像的低維度特征，根據(jù)該特征對機場障礙物進行有效的識別，從而使飛機在行駛的過程中對障礙物進行規(guī)避，保證了飛機的安全。

2機場障礙物識別定位優(yōu)化方法

利用傳統(tǒng)的特征相似性識別算法對機場障礙物進行識別定位，由于機場上的障礙物規(guī)則很難形成有效的數(shù)學(xué)約束，造成三維識別效果不好。為此，提出了一種基于PCA和LDA融合算法的機場障礙物識別方法。

2．1三維地理定位圖像二值化處理根據(jù)最大熵相關(guān)理論，能夠?qū)C場障礙物圖像進行二值化處理。在上述過程中，應(yīng)該對三維地理定位圖像中的信息量進行計算。設(shè)置三維地理定位圖像中包含機場障礙物的概率能夠用{p1，p2，…，pu}表示，則可以得到下述結(jié)果，用來描述上述事件的熵:根據(jù)最大熵相關(guān)理論，能夠?qū)θS地理定位圖像進行有效的二值化處理，選擇合理的閾值對上述圖像中的全部像素進行分類，在該圖像的信息量達到極大值時，獲取對應(yīng)的分類閾值。其詳細(xì)內(nèi)容如下所述:1)在三維地理定位圖像中，全部像素灰度的取值范圍是[0，]255，利用下述公式能夠計算其分布概率:2)設(shè)置三維地理定位圖像的像素按照灰度進行分類的初始閾值是V=V0，根據(jù)上述閾值，能夠?qū)⑷肯袼胤譃镋1和E2兩個類別。3)根據(jù)下述公式可以對上述不同類別的三維地理定位圖像像素進行平均熵的計算:根據(jù)上述方法，可以對三維地理定位圖像進行有效的二值化處理，從而為機場障礙物識別定位提供準(zhǔn)確的依據(jù)。

2．2實現(xiàn)機場障礙物識別利用PCA和LDA融合算法，提取機場障礙物圖像的低維度特征，根據(jù)該特征對機場障礙物進行有效的識別，從而使飛機在行駛的過程中對障礙物進行規(guī)避，保證了飛機的安全。其詳細(xì)步驟如下所述:設(shè)置針對三維地理定位圖像進行機場障礙物識別定位的類間離散度可以用Ud表示，上述離散度對應(yīng)的閾值可以用Uy表示。利用下述公式能夠計算機場障礙物圖像類間離散度:根據(jù)下述公式可以計算機場障礙物識別過程中樣本特征分量的平均值:假設(shè)三維地理定位圖像的數(shù)目比較少，容易存在類內(nèi)矩陣奇異的缺陷。所以，應(yīng)該利用PCA算法對三維地理定位圖像進行有效的降維，并且將獲取的結(jié)果映射到特征空間中，利用LAD算法對特征空間進行變換，其公式如下所述:根據(jù)上面闡述的方法，能夠針對三維地理定位采集的圖像，進行二值化處理，從而提高機場障礙物圖像的對比度，為機場障礙物識別提供依據(jù)。利用PCA和LDA融合算法，提取機場障礙物圖像的低維度特征，根據(jù)該特征對機場障礙物進行有效的識別，從而使飛機在行駛的過程中對障礙物進行規(guī)避，保證了飛機的安全。

3實驗結(jié)果分析

為了驗證本文提出的基于PCA和LDA融合算法的機場障礙物識別方法的有效性，需要進行一次實驗。在實驗的過程中，采集的三維地理定位圖像能夠用圖2進行描述。利用傳統(tǒng)算法進行機場障礙物識別，獲取的結(jié)果能夠用圖3進行描述。利用本文算法進行機場障礙物識別，獲取的結(jié)果能夠用將上述兩幅圖進行對比可以得知，利用本文算法進行機場障礙物識別，識別的結(jié)果與實際情況更加接近。針對三維地理定位圖像進行機場障礙物識別，衡量識別方法的重要指標(biāo)是識別的誤差，其公式如下所述:在上述實驗過程中，分別利用傳統(tǒng)算法和本文算法針對三維地理定位結(jié)果進行障礙物識別，識別的誤差能夠用圖5進行描述。根據(jù)上述數(shù)據(jù)表中的內(nèi)容能夠得知，利用本文算法進行機場障礙物識別定位，識別的誤差遠遠小于傳統(tǒng)算法，充分展示了本文算法的優(yōu)越性。

4結(jié)束語

本文提出了一種基于PCA和LDA融合算法的機場障礙物識別方法。針對三維地理定位采集的圖像，進行二值化處理，從而提高機場障礙物圖像的對比度，為機場障礙物識別提供依據(jù)。利用PCA和LDA融合算法，提取機場障礙物圖像的低維度特征，根據(jù)該特征對機場障礙物進行有效的識別，從而使飛機在行駛的過程中對障礙物進行規(guī)避，保證了飛機的安全。實驗結(jié)果表明，利用本文算法進行機場障礙物識別，可以有效提高識別的準(zhǔn)確性，從而保證飛機在跑道上行駛的過程中能夠?qū)φ系K物進行準(zhǔn)確的規(guī)避，取得了令人滿意的結(jié)果。

作者：趙哲馬曉珺單位：安陽師范學(xué)院計算機與信息工程學(xué)院安陽師范學(xué)院公共計算機教學(xué)部