基于时空混沌系统和脉冲同步控制的加密系统设计

针对现有加密系统安全性不高的问题,设计了基于时空混沌的加密系统。在混沌同步加密系统的基本结构下研究了其中的发射器、接收器和同步控制方案的设计问题。设计了基于时空混沌系统Kuramoto-Sivashinsky的发射器和异结构接收器,给出了基于反馈控制和脉冲控制相结合且适用于保密通信传输的同步控制方案。结合图像加密设计了一整套加密系统,数值实验验证了算法的有效性,分析结果表明算法具有较高的安全性。     

折反射全景与遥感图像融合的建筑物高程自动提取方法

为了解决三维城市重建中的建筑物高程提取问题,提出一种折反射全景与遥感图像融合的建筑物高度自动提取方法.该方法分为三步,首先进行折反射全景与遥感图像的配准,然后利用配准结果提取折反射全景图像中建筑物的底部和顶部边界,最后基于边界信息,根据折反射全景成像光路跟踪模型计算建筑物的高度,整个提取过程自动完成.实验结果证明该方法...     

双处理器的图像跟踪系统硬件平台设计

通过分析装甲车车载图像跟踪系统的任务和应用环境,设计了以TMS320C6202数字信号处理器(DSP)为核心,结合PC104嵌入式计算机的双处理器并行处理硬件平台;详细介绍了利用大规模FPGA芯片实现系统总线仲裁和逻辑控制的设计思想;并给出了体现系统智能化程度的--DSP模块的程序智能加载技术以及其实现方法.实际系统测试表明该硬件平台能满足图像跟踪系统的实时性、可扩展性、稳定性的要求,为装甲战车的数字化改造提供了可靠的保障.     

基于GoTa系统的远程图像传输研究

远程图像传输技术在目前军队后勤保障的应用范围越来越广泛,对于军队后勤的可视化建设起着十分重要的作用。采用了一种满足窄带条件下远程图像传输要求的图像编码方法,提出了一个通过GoTa数字集群通信系统进行远程图像传输的方案,并对其稳定性、安全性等指标进行了详细的分析。探索了远程图像传榆技术在军事应用中存在的问题和改进的方法,为构建适合军队后勤保障的远程图像传输系统提供了科学依据。     

基于层次方法和PCA特征变换的宫颈细胞识别

对宫颈细胞多分类,可以自动识别出不同状态的细胞,进而为宫颈癌诊断提供科学依据。在用6种多分类算法实验后,选取支持向量机（SVM）作为基分类器,先用一对一策略（one- versus -one）训练6个分类器进行3分类,然后再训练1个2分类器,这种二层4分类方法提高了识别准确率。又考虑不同层特征模式的差异性,在保证识别性能同时,每层分类前先采用主成分分析（PCA）法将原始154维特征变换到低维空间,去除冗余特征,加快识别速度。实验证明,所提层次PCA法在宫颈细胞分类中相比6种传统多分类方法有更高的识别准确率,可达90%以上;识别速度也较普通层次法提升了21.31%。     

基于仿射近似的摄像机标定

针对直接基于透视投影模型的标定算法计算量大、结果不稳定的事实,提出一种基于仿射投影矩阵的标定算法。算法首先线性解算仿射投影矩阵,然后分解出部分参数。在假定主点坐标等于图像中心的前提下,解算出其余参数,再以重投影图像点残差和为目标函数,对所有参数进行优化,获得精确的摄像机模型参数,达到精确、快速、稳定的标定目的。大量的仿真和真实图像实验证明算法比传统算法更稳定。     

基于Arnold变换和图像梯度的水印算法

针对空间域水印嵌入算法鲁棒性不强的问题,利用Arnold变换的周期性,将其应用于水印图像的前期处理,然后再嵌入原始图像的内容(边缘)。使提取的水印图像的错误像素被分散到整个水印图像空间中,提高了人眼视觉系统对水印图像的辨识能力。从试验结果来看,该算法在一定程度上满足了数字水印的鲁棒性要求。     

军用光学像散的体视三维可视化模拟

分析了军用光学系统像散的特征及其几何规律 ,运用计算几何模线曲面的方法建立了像散的数学模型。应用体视图像技术实现了军用光学像散的体视三维可视化模拟     

基于遗传算法的红外图像增强研究

红外图像侦察是一种重要的航空侦察方式。遗传算法目前已在图像处理领域得到了很好的应用。本文将遗传算法引入红外图像增强,使用红外图像的参数模型将图像增强转化为参数的优化。实验结果表明,该方法是一种有效的图像增强方法。     

基于改进SegNet网络的遥感图像语义分割方法研究

遥感图像的语义分割在生产和生活中有着广泛的应用。针对常用的语义分割网络SegNet在遥感图像上对小目标和边缘细节分割精度不够理想的问题,对SegNet进行改进,提出EP-SegNet模型。该模型将激活函数由ReLU替换为ELU,以加快收敛速度,避免神经元死亡,去掉编码器最后一层的池化仅作卷积处理以降低空间信息的损耗,构建Bottleneck层以在加深网络的同时减少参数量,引入金字塔池化模块(PPM)以提升网络对全局信息的感知能力。实验结果表明：该模型的准确率为97.48%,高于SegNet模型3.31%,在图像分割中对边缘细节和多尺度目标的分割精度有较明显提升,较之前模型表现更优。