地理定位的机场障碍物识别范文

本站小编为你精心准备了地理定位的机场障碍物识别参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《计算机仿真杂志》2014年第六期

1机场障碍物GIS识别定位方法原理

在机场障碍物识别定位的过程中，需要采集三维地理定位图像，将该图像作为障碍物定位识别的依据。其详细内容如下所述:在根据三维地理定位图像进行机场障碍物识别定位的过程中，需要对机场障碍物边缘进行有效的检测。在检测时，机场障碍物边缘的结构元素可以用图1表示。在上图中，包含不同种类的边缘像素基本结构，能够描述机场障碍物边缘的特性。在机场障碍物识别的过程中，边缘特征检测的详细步骤如下所述:设置机场障碍物图像的基本检测结构元素的数目是m个，上述元素构成的序列能够用{dk}表示，针对该序列中的元素进行膨胀处理，可以获取多尺度检测结果qDk。设置三维地理定位图像能够用H(z，a)进行描述，利用上面阐述的方法进行机场障碍物边缘检测，获取的边缘梯度变换参数可以用Iqk(z，a)表示，则可以得到下述结果。针对上述数据进行灰度变换处理，可以获取障碍物图像边缘检测结果Kq(z，a)。根据多尺度合成相关理论，能够得到障碍物图像边缘区域的定位结果如下所述:设置机场障碍物识别阈值能够用ρ进行描述，如果U＜ρ，则可以确定该机场障碍物像素点属于障碍物区域，否则识别失败。不断重复上述步骤，直至获取机场障碍物识别的全部结果。根据上面的阐述能够得知，可以针对三维地理定位采集的图像，进行二值化处理，从而提高机场障碍物图像的对比度，为机场障碍物识别提供依据。利用PCA和LDA融合算法，提取机场障碍物图像的低维度特征，根据该特征对机场障碍物进行有效的识别，从而使飞机在行驶的过程中对障碍物进行规避，保证了飞机的安全。

2机场障碍物识别定位优化方法

利用传统的特征相似性识别算法对机场障碍物进行识别定位，由于机场上的障碍物规则很难形成有效的数学约束，造成三维识别效果不好。为此，提出了一种基于PCA和LDA融合算法的机场障碍物识别方法。

2．1三维地理定位图像二值化处理根据最大熵相关理论，能够对机场障碍物图像进行二值化处理。在上述过程中，应该对三维地理定位图像中的信息量进行计算。设置三维地理定位图像中包含机场障碍物的概率能够用{p1，p2，…，pu}表示，则可以得到下述结果，用来描述上述事件的熵:根据最大熵相关理论，能够对三维地理定位图像进行有效的二值化处理，选择合理的阈值对上述图像中的全部像素进行分类，在该图像的信息量达到极大值时，获取对应的分类阈值。其详细内容如下所述:1)在三维地理定位图像中，全部像素灰度的取值范围是[0，]255，利用下述公式能够计算其分布概率:2)设置三维地理定位图像的像素按照灰度进行分类的初始阈值是V=V0，根据上述阈值，能够将全部像素分为E1和E2两个类别。3)根据下述公式可以对上述不同类别的三维地理定位图像像素进行平均熵的计算:根据上述方法，可以对三维地理定位图像进行有效的二值化处理，从而为机场障碍物识别定位提供准确的依据。

2．2实现机场障碍物识别利用PCA和LDA融合算法，提取机场障碍物图像的低维度特征，根据该特征对机场障碍物进行有效的识别，从而使飞机在行驶的过程中对障碍物进行规避，保证了飞机的安全。其详细步骤如下所述:设置针对三维地理定位图像进行机场障碍物识别定位的类间离散度可以用Ud表示，上述离散度对应的阈值可以用Uy表示。利用下述公式能够计算机场障碍物图像类间离散度:根据下述公式可以计算机场障碍物识别过程中样本特征分量的平均值:假设三维地理定位图像的数目比较少，容易存在类内矩阵奇异的缺陷。所以，应该利用PCA算法对三维地理定位图像进行有效的降维，并且将获取的结果映射到特征空间中，利用LAD算法对特征空间进行变换，其公式如下所述:根据上面阐述的方法，能够针对三维地理定位采集的图像，进行二值化处理，从而提高机场障碍物图像的对比度，为机场障碍物识别提供依据。利用PCA和LDA融合算法，提取机场障碍物图像的低维度特征，根据该特征对机场障碍物进行有效的识别，从而使飞机在行驶的过程中对障碍物进行规避，保证了飞机的安全。

3实验结果分析

为了验证本文提出的基于PCA和LDA融合算法的机场障碍物识别方法的有效性，需要进行一次实验。在实验的过程中，采集的三维地理定位图像能够用图2进行描述。利用传统算法进行机场障碍物识别，获取的结果能够用图3进行描述。利用本文算法进行机场障碍物识别，获取的结果能够用将上述两幅图进行对比可以得知，利用本文算法进行机场障碍物识别，识别的结果与实际情况更加接近。针对三维地理定位图像进行机场障碍物识别，衡量识别方法的重要指标是识别的误差，其公式如下所述:在上述实验过程中，分别利用传统算法和本文算法针对三维地理定位结果进行障碍物识别，识别的误差能够用图5进行描述。根据上述数据表中的内容能够得知，利用本文算法进行机场障碍物识别定位，识别的误差远远小于传统算法，充分展示了本文算法的优越性。

4结束语

本文提出了一种基于PCA和LDA融合算法的机场障碍物识别方法。针对三维地理定位采集的图像，进行二值化处理，从而提高机场障碍物图像的对比度，为机场障碍物识别提供依据。利用PCA和LDA融合算法，提取机场障碍物图像的低维度特征，根据该特征对机场障碍物进行有效的识别，从而使飞机在行驶的过程中对障碍物进行规避，保证了飞机的安全。实验结果表明，利用本文算法进行机场障碍物识别，可以有效提高识别的准确性，从而保证飞机在跑道上行驶的过程中能够对障碍物进行准确的规避，取得了令人满意的结果。

作者：赵哲马晓珺单位：安阳师范学院计算机与信息工程学院安阳师范学院公共计算机教学部