映射二乘向量機(jī)及其在天文導(dǎo)航中的應(yīng)用.pdf

1、本文以發(fā)展支持向量機(jī)（supportvectormachines,SVM）方法、推進(jìn)其在圖像處理中的應(yīng)用為基礎(chǔ)，以進(jìn)一步改進(jìn)星敏感器的性能、提高星敏感器的可靠性為目標(biāo)，著重從理論和實(shí)驗(yàn)兩個(gè)方面展開(kāi)工作。對(duì)如何將SVM應(yīng)用于像素級(jí)圖像處理，進(jìn)一步提高星敏感器的性能和可靠性進(jìn)行了深入地研究。研究的主要內(nèi)容包括：(a)映射二乘向量機(jī)（mappedleastsquaressupportvectormachines,MLS-SVM）理論與方法；(

2、b)星圖中星的提取方法——極值點(diǎn)法；(c)動(dòng)態(tài)星等閾值（dynamicvisualmagnitudethreshold,DVMT）導(dǎo)航星選取算法；(d)動(dòng)態(tài)符號(hào)星等閾值（dynamiclabelvisualmagnitudethreshold,DLVMT）導(dǎo)航星三角形信息表的優(yōu)化算法；(e)自主星圖識(shí)別算法——B矢量法。具體內(nèi)容如下：（1）提出了MLS-SVM理論和方法。通過(guò)映射技術(shù)，將具有相同輸入矢量集合但具有不同輸出符號(hào)集合的二乘向

3、量機(jī)（leastsquaressupportvectormachines,LS-SVM）學(xué)習(xí)問(wèn)題轉(zhuǎn)換成一個(gè)常矢量空間中的訓(xùn)練問(wèn)題，此時(shí)，LS-SVM中優(yōu)化問(wèn)題的解可以非常容易地獲得。一旦一個(gè)矩陣的逆被求出后，就可運(yùn)用到整個(gè)MLS-SVM的求解。這個(gè)要求逆的矩陣只取決于輸入矢量集合，與輸出符號(hào)集無(wú)關(guān)。這樣，求解MLS-SVM的計(jì)算復(fù)雜度降低到了O(N2)，僅只需要一個(gè)矩陣乘法操作即可。研究了MLS-SVM的特性和加權(quán)MLS-SVM方法。通

4、過(guò)對(duì)基于MLS-SVM的濾波器頻率響應(yīng)的分析研究了MLS-SVM的特性。研究表明，MLS-SVM本質(zhì)上是對(duì)圖像信號(hào)進(jìn)行低頻和高頻分解，其中偏移項(xiàng)b對(duì)應(yīng)圖像的低頻部分，乘積之和對(duì)應(yīng)圖像的高頻部分，而支持向量的支持度則是一個(gè)高通濾波器對(duì)原圖像進(jìn)行濾波的結(jié)果；在稀疏化的LS-SVM中，圖像中的邊緣和精細(xì)特征部分的像素最可能成為支持向量；基于高斯核的MLS-SVM的核參數(shù)σ2存在最優(yōu)設(shè)置，調(diào)整因子γ的取值直接由圖像本身的頻譜特性確定。為了將某種

5、先驗(yàn)知識(shí)引入到MLS-SVM中，提出了加權(quán)MLS-SVM方法。討論了MLS-SVM在圖像放大插值和邊緣檢測(cè)等圖像處理中的應(yīng)用方法。（2）提出了基于MLS-SVM的星圖中星的提取方法——極值點(diǎn)法。以基于徑向基核函數(shù)和多項(xiàng)式核函數(shù)相混合的混合核的MLS-SVM對(duì)星圖圖像的灰度曲面進(jìn)行擬合，導(dǎo)出了二階方向?qū)?shù)算子。根據(jù)極值理論，利用導(dǎo)出的二階方向?qū)?shù)算子與星圖圖像的卷積運(yùn)算，可確定位于星圖灰度擬合曲面上的灰度極大值像素，獲得候選導(dǎo)航星中心的初

6、步位置?；诔醪轿恢玫男菆D像素聚類加速了星圖中星的獲取過(guò)程。以模擬星圖中星的精確中心位置為參考，定義在不同噪聲條件下測(cè)量位置與最近參考位置的距離平方倒數(shù)和的均值為算法性能的評(píng)價(jià)指標(biāo)，對(duì)MLS-SVM的參數(shù)進(jìn)行了優(yōu)化。在很大的星敏感器噪聲范圍內(nèi)，不需要參數(shù)的重新調(diào)整，極值點(diǎn)法就能夠提供綜合性能很高的星圖中星的提取能力。（3）提出了動(dòng)態(tài)星等閾值（DVMT）導(dǎo)航星選取算法。通過(guò)引入DVMT分布函數(shù)，將傳統(tǒng)星等閾值過(guò)濾算法中的靜態(tài)閾值用DVMT

7、代替，建立了一種新的DVMT過(guò)濾選擇模式。結(jié)果表明，用基于SVM的DVMT導(dǎo)航星選取算法所選取的導(dǎo)航星表，導(dǎo)航星數(shù)量少、分布均勻性好。同時(shí)，它還能適應(yīng)多種任務(wù)的導(dǎo)航星選取要求，通用性強(qiáng)。（4）提出了動(dòng)態(tài)符號(hào)星等閾值（DLVMT）導(dǎo)航星三角形信息表的優(yōu)化算法。通過(guò)定義導(dǎo)航星三角形的方向和符號(hào)星等，研究了導(dǎo)航星三角形的分布情況。引入了DLVMT來(lái)實(shí)現(xiàn)導(dǎo)航星三角形信息表的優(yōu)化。結(jié)果表明，用基于SVM的DLVMT算法所生成的導(dǎo)航星三角形信息表具

8、有導(dǎo)航星三角形數(shù)量少，所需存儲(chǔ)空間小，空間分布均勻性好的特性。（5）提出了一種自主星圖識(shí)別算法——B矢量法。這是一種基于三角形整體匹配和小范圍搜索思想的自主星圖識(shí)別算法。通過(guò)在星圖識(shí)別前去除導(dǎo)航星三角形的星間角距的觀測(cè)誤差，構(gòu)建基于B矢量存取方法的E矢量導(dǎo)航星三角形信息表和相應(yīng)的B矢量，候選導(dǎo)航星三角形的識(shí)別是一個(gè)小范圍搜索的過(guò)程，有效導(dǎo)航星的識(shí)別和確認(rèn)也很快。在不同的噪聲環(huán)境下用不同大小的導(dǎo)航信息庫(kù)所做的實(shí)驗(yàn)結(jié)果表明，B矢量法是一種性