本站小編為你精心準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。其詳細內容如下所述:在根據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構元素可以用圖1表示。在上圖中，包含不同種類的邊緣像素基本結構，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步驟如下所述:設置機場障礙物圖像的基本檢測結構元素的數目是m個，上述元素構成的序列能夠用{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果qDk。設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可以用Iqk(z，a)表示，則可以得到下述結果。針對上述數據進行灰度變換處理，可以獲取障礙物圖像邊緣檢測結果Kq(z，a)。根據多尺度合成相關理論，能夠得到障礙物圖像邊緣區域的定位結果如下所述:設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域，否則識別失敗。不斷重復上述步驟，直至獲取機場障礙物識別的全部結果。根據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。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避，保證了飛機的安全。

2機場障礙物識別定位優化方法

利用傳統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則很難形成有效的數學約束，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最大熵相關理論，能夠對機場障礙物圖像進行二值化處理。在上述過程中，應該對三維地理定位圖像中的信息量進行計算。設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，則可以得到下述結果，用來描述上述事件的熵:根據最大熵相關理論，能夠對三維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，獲取對應的分類閾值。其詳細內容如下所述: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，根據上述閾值，能夠將全部像素分為E1和E2兩個類別。3)根據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確的依據。

2．2實現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避，保證了飛機的安全。其詳細步驟如下所述:設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:假設三維地理定位圖像的數目比較少，容易存在類內矩陣奇異的缺陷。所以，應該利用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。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避，保證了飛機的安全。

3實驗結果分析

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。利用傳統算法進行機場障礙物識別，獲取的結果能夠用圖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，分別利用傳統算法和本文算法針對三維地理定位結果進行障礙物識別，識別的誤差能夠用圖5進行描述。根據上述數據表中的內容能夠得知，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算法，充分展示了本文算法的優越性。

4結束語

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。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避，保證了飛機的安全。實驗結果表明，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確性，從而保證飛機在跑道上行駛的過程中能夠對障礙物進行準確的規避，取得了令人滿意的結果。

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