基于卷积神经网络的无人机侦察图像去雨算法

提出了一种改进的无人机侦察图像去雨算法,该算法采用双边滤波和引导滤波相结合的方法提取有雨侦察图像的高频子图。根据无人机侦察图像中一般存在天空、地面等纹理相对平滑区域的特点,提取侦察图像中的纯雨区域。最后,将提取的纯雨区域作为训练样本,输入卷积神经网络中进行训练,提取图像特征信息,得到卷积神经网络的最优参数,完成神经网络训练,得到去雨侦察图像。通过仿真实验表明,该算法能够有效去除雨线对无人机侦察图像的干扰,提升侦察图像质量,具有一定的军事应用价值。     

无人机的协同侦察航路规划

无人机将成为侦察卫星、有人驾驶侦察机的重要补充与增强手段 ,成为未来战场上广泛应用的一种侦察工具。为了提高无人机 (U AV)的侦察效率 ,在执行侦察任务前必需规划设计出高效的无人机侦察飞行航路。针对这一问题 ,提出了一种侦察效率指标评估的计算方法 ,解决了航路规划中的侦察效率量化问题。考虑在大范围任务区域内进行侦察航路优化存在计算的复杂性和收敛等问题 ,采用遗传算法对侦察航路进行了优化处理。通过该方法得到的侦察航路可以有效地提高无人机的侦察效率。     

基于噪声评价的微光红外图像自适应融合方法

基于微光图像噪声的评价对TNO彩色映射法进行了改进,并通过将微光图像的噪声特性参数引入到映射系数中,提出了一种自适应的微光红外图像融合方法。实验分析表明:该方法可以有效地降低微光图像的噪声对融合图像的影响,提高低照度下微光红外融合图像的质量。     

为什么遥感侦察受“青睐”？

遥感侦察名堂不少,有去伪存真的红外遥感、难逃慧眼的多光谱遥感、还有全天候的微波遥感......欲知遥感侦察的神通,不妨请看它们在战场上的各种用途。集群坦克隐蔽在密林里并披上了伪装网,虽然在一般的空中像片上是“销声匿迹”了,然而却在红外遥感图像上印下了清晰的影子;一艘在水下航行的潜艇,自以为躲过了空中侦察,却在红外遥感图像上留下了明显的踪迹……是什么魔力使红外遥感有此灵光?原来,红外遥感记录的是物体“热线”所形成的影像。自然界中各种物质对红外线反射能力的不同,反映在图像上的色调也不一样。反射能力越大影像色调就越浅…     

基于免疫遗传算法的图像自适应增强

基于不完全 Beta 变换的图像增强算法存在计算量大、效率低的问题,一种新的、简便的变换函数,并采用基于免疫调节机制的遗传算法来自适应确定变换函数的最佳参数。实验结果证明了该算法的快速性、有效性和稳定性。     

军事纵横

红外光是一种人的肉眼看不见的光波,它介于可见光见微服之间,波长为0.76微米到1毫米,是一种极普遍存在的光波。在自然界中,凡是温度高于绝对零度的物体都可产生红外光,但物体的温度不同,所幅射的红外光的波长也不一样。按波长不同可分为近红外、中红外和远红外,它们是光电对抗的重要组成部分。红外侦察。分为主动式红外侦察和被动式红外侦察。前看是根据人工红外幅射源(如探照灯、红外激光器等)照射并跟踪目标;后者则是利用自然幅射     

像素级图像融合方法分类与比较

图像融合的目的是将同一场景的多幅图像的互补信息合并成一幅新图像 ,以便更好地对场景进行监视和侦察。介绍了像素级图像融合的几种方法 ,按空间域和变换域对各种方法进行了分类 ,并对各种方法进行了比较。重点评述了小波用于图像融合的优点     

红外成像技术在军事上的应用

1.红外成像技术的军用领域红外成像技术在军事上的应用领域如图1所示,大致分为四个领域-侦察监视、瞄准、射击指挥、制导。在侦察监视领域,红外成像装置主要起生成图像的传感器的作用,通常,操作员监视显示装置上未经处理的图像,探测和识别目标。已进入实用阶段的有战场监视和救生用飞机、舰船、反潜飞机上使用的图像装置。在战场监视方面,主要用于坦克、装甲车、人员等的侦察、监视和射击观察,从个人携带的小型装置到装在装甲车顶部的装置,都     

一种基于柔性形态学的红外图像分割方法

红外成像制导导弹的图像分割是图像处理中的重点和难点之一.提出了一种基于柔性形态学的红外图像分割算法,首先对目标红外图像进行柔性形态运算,然后在此基础之上采用模糊c均值聚类方法将图像转化为二值图像,从而得到比较精确的分割图像.最后,通过计算机模拟实验表明:该方法性能优于传统检测算子,并且具有抑制噪声的功能.此研究对于实现红外图像的稳定跟踪具有一定的应用价值.     

基于小波分析的眼底病图像预处理

将小波变换方法用于眼底病灰度图像预处理。采用Haar小波对输入的眼底病灰度图像进行单尺度二维离散小波分解提取边缘。为了从不同程度改善图像的质量，我们对分解的图像进行量化编码，把高频三个方向的分解系数图像用离散小波变换逆变换进行图像融合及图像增强。通过计算机模拟对比了一阶、二阶微商的边缘提取方法和小波变换边缘提取方法预处理结果，结果表明采用小波变换对输入的眼底病灰度图像进行预处理是一种更理想的方法。     

基于复—方向小波变换和视觉表示的图像增强

针对复—方向小波变换具有好的平移不变性、方向选择性、对图像边缘特征的表示比传统实小波要好等优势,提出了一种基于视觉表示统计特性和复—方向小波变换的图像增强新方法。该算法在图像的多尺度复—方向小波变换域内进行动态范围(亮度)修正和局部对比度调整以增强图像。实验结果表明,与目前经典的多尺度增强算法相比,运用本文的算法增强的图像视觉效果好,在边缘和细节处失真小,而且对图像源的变化具有很好的鲁棒性。     

极端曝光图像的多尺度分解细节感知融合算法

针对极端曝光(欠曝光和过曝光)图像动态范围低的问题,提出一种基于多尺度分解细节感知的图像融合算法。欠曝光图像经过细节增强后,与过曝光图像进行初步的粗融合;采用小波变换对细节增强后图像的亮度分量进行多尺度分解,并设计专门的高频和低频融合策略,实现亮度分量的精融合;将粗融合图像的色调、饱和度分量,与精融合图像的亮度分量重组,获得最终的融合结果。基于大量测试数据,实验结果表明所提方法在视觉效果方面表现优异,平均MEF-SSIM指标为0.985 4,平均SSIM指标为0.650 8,均优于现有主流算法。     

基于多尺度形态学操作的超声图像增强方法

针对医学超声图像低对比度和强噪声给医疗诊断和图像处理所带来的困难,通过基于多尺度形态学操作的方法实现图像增强和噪声抑制的目的.该方法将传统的图像增强概念延伸到数学形态学多尺度空间中,利用多尺度形态学操作提取图像多尺度特征,并通过改变这些特征的强度实现图像局部对比度增强和噪声抑制.实验证明,该方法对超声图像局部对比度增强和噪声抑制是有效的.     

基于图像复原和小波分析的图像压缩算法

本研究以小波理论为基础进行有损图像压缩,并在小波压缩图像中引入复原技术。通过应用图像复原到低频成分（该成分由解压过程中的熵解码得到）可以检索获得高频成分,这是在频域重建图像纹理的一个表达。通过将本文算法与传统的小波压缩算法进行试验比较,表明该方法优于传统算法。     

基于二进小波变换的噪声图像自适应增强新算法

针对图像增强算法通常会放大原图像中噪声分量的问题,提出了一种基于二进小波变换的图像增强新算法。该算法充分利用了二进小波变换的平移不变性和各尺度上小波系数间的相关性,有效改善了增强过程中噪声放大和边缘失真问题。此外,算法具有高度的自适应能力,适用性更强。实验结果表明,与目前已有的各类多尺度图像增强算法相比,该算法在抑制噪声和凸显图像特征两方面均有明显改进。     

提高水雷探测效果的声纳图像增强算法

对灭雷具系统中显控台对高分辨率图像声纳信号进行转换的计算机辅助探测算法进行了探索,重点介绍了一种能够增强声纳图像中目标信号显示效果的先进算法.从而可以使声纳对目标扫描后的图像更加清晰,与背景对比效果更加明显.为便于理解和比较,同时还引用了已经被国外普遍应用的三种其它算法.     

一种面向目标的伪彩色图像融合算法

针对远距离红外与可见光融合图像中目标不突出的问题,提出了一种面向目标的伪彩色图像融合算法。基于目标特征将红外图像分割为目标区域和背景区域,以人类视觉的生物机理和感受野的数学模型为基础,利用差分高斯函数(Difference of Gaussians,DOG)模拟视觉拮抗特性,对目标区域和背景区域用改进的感受野模型和不同的彩色映射规则进行伪彩色图像融合。实验结果显示:该算法能够保留图像共有特征,突出独有特征,融合图像色彩自然、目标突出,具有良好的视觉效果。     

金字塔渐进融合低照度图像增强网络

针对现有低照度图像增强网络对不同尺度特征信息存在感知与表达能力不足的问题,提出金字塔渐进融合低照度图像增强网络模型。网络对图像进行多次下采样操作以组成特征金字塔,通过在特征金字塔的三个不同分支上加入跳跃连接,将不同尺度的特征图进行相互融合。通过精细恢复模块进一步提取精炼信息,将特征图恢复到正常的光照图像。结果表明,该网络模型不但能有效地提升低照度图像的整体亮度,而且能很好地保持图像中的细节信息和清晰的物体边缘轮廓,同时能够有效地抑制图像中的暗部噪声,使增强后的图像整体画面真实自然。     

分数域图像混合噪声盲复原方法

提出了一种在分数傅里叶变换域中对图像进行复原的新方法.对于模糊且含有高斯噪声和啁啾噪声的图像进行分数傅里叶变换,利用各种噪声在分数域中的性质估计出复原图像的分数谱,再通过逆分数傅里叶变换返回空域,获得复原图像.在图像受到多种因素导致退化的情况下,以及在无任何先验知识的前提下,此方法可以简化复原过程,进行图像盲复原.     

基于差分和神经网络的同步辐射光源图像压缩方法

针对常见的图像无损压缩方法效果不佳问题,提出了一种基于图像差分和神经网络的同步辐射光源图像无损压缩方法。通过图像差分以减少图像序列内部的线性相关性,训练神经网络模型以学习图像序列内部的非线性相关性,得到预测概率分布,结合算术编码压缩。为加速预测和编码过程,将像素值按位分裂为两部分进行并行处理。基于上海同步辐射光源图像的测试表明,相较于便携式网络图形、JPEG2000和自由无损图像格式等,该方法可将压缩率提升20%以上,像素位分裂可以缩短30%的模型预测和编码时间。