基于DSP的目标定位跟踪硬件融合平台的设计

声探测技术用于低空低速飞行目标的跟踪定位,而红外图像探测器能跟踪中低空飞行目标。然而现在缺乏能处理两种或两种以上探测系统的硬件平台。基于这种现状,设计了一个硬件融合平台,既可以用于红外机动目标的跟踪,也可以用于声探测目标的定位处理。融合平台的设计,不仅弥补了不同平台之间的缺陷,又发挥各探测平台的优点。系统整体设计框架采用DM642+FPGA。在声探测软件设计中,设计了UART驱动,并用C语言编写了伪线性卡尔曼滤波定位算法,并且成功将跟踪算法移植到了硬件平台中,有效跟踪到飞行目标。     

基于图像的绘制技术

基于图像的绘制(Image-Based Rendering,IBR)技术是一种全新的产生真实感图形的方法,其与传统技术的主要区别在于它是直接从图像到图像,不需要经过复杂的建模过程.简要地回顾了其发展历史,介绍了几种典型的算法,叙述了在国内的应用,展望了其发展前景,提出了需解决的问题.     

改进的图像分割遗传K-均值聚类算法

针对图像分割,提出了一种改进的遗传K-均值聚类算法.合理选取聚类的特征向量并对各特征分量确定不同权值进行调整;通过引入自适应算法,对传统遗传算法的选择及变异操作进行改进,提高了算法的收敛速度;确定与染色体鳊码相关的隶属矩阵可有效地减少运算时间.实验结果表明,改进后的遗传K-均值聚类算法是行之有效的.     

SAR图像阴影区域分割技术及其评估准则

提出了一种阈值化技术与形态学方法相结合的SAR图像阴影区分割方法.该方法首先通过寻找图像平均强度最小的子区域对阴影区域进行初始分割,之后进行图像翻转、阚值化处理,最后利用形态学处理消除虚假像素,进行简单的连通性滤波,实现阴影区的自动分割.给出了3种图像分割评价准则,并基于计算机仿真和图像分割评价准则验证了该阴影区分割方法的有效性.     

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。     

基于PCA特征的快速SAR图像目标识别方法

目标识别是SAR图像解译的重要一环,受到广泛的关注,而实时性又是评估目标识别系统性能的主要指标之一.从实时的角度出发,提出了一种快速的SAR目标识别方法.该方法采用基于Hebb学习规则的主分量分析(PCA)进行特征提取,使用多层感知器神经网络(MLP NN)进行目标分类.实验结果表明,在维持较好识别性能的前提下,该方法具有内存需求少、运行速度快的特点,能用于实时处理.     

基于LSSVM的JPEG图像信息隐藏盲检测算法

提出了一种基于LSSVM的针对JPEG图像的信息隐藏盲检测算法。该算法在提取JPEG图像的12维特征向量的基础上,通过LSSVM分类器对待测图像进行分类,以达到检测载密图像的目的。实验结果表明,该算法构建的LSSVM分类器对载密图像进行盲检测时,正确检测率较高,能够实现针对各类JPEG图像信息隐藏算法的有效检测。     

基于相似性传播聚类的灰度图像分割

基于k-Means等聚类算法的图像分割对聚类中心的初始选择敏感,可靠性差.为避免初始聚类中心选择的影响,将相似性传播聚类用于灰度图像分割.另外,为降低该聚类算法输入相似度矩阵的计算时间复杂度.提出用待分割图像中出现过的灰度值代替像素点作为数据点进行聚类.实验结果表明,与基于k-Means聚类的分割算法相比,该算法不需要预设聚类中心,可靠性更高.     

基于特征提取的三维流线分布算法

特征提取与清晰表达是三维流场可视化研究中的两个主要问题.提出了一种基于特征提取的三维流线分布算法,既保障了流场临界点附近的特征结构得以正确描述,同时又使输出结果具有良好的清晰性.该算法分为三个步骤:首先,在临界点的快速检测基础上,根据临界点处Jacobian矩阵特征值对临界点进行分类,并对临界点与种子点模板进行匹配;其次,种子点依照优先规则排序,并从这些种子点出发在物理空间计算出流线;最后,在图像空间由预先设置的阈值对流线进行间距控制,并根据深度检测来保留离视点最近的流线,使得屏幕上的输出结果清晰.     

层次聚类算法和基于图的分割算法相融合的图像分割算法

基于图的分割算法（Graph-Based Segmentation,GBS）算法）是由Felzenszwalb和Huttenlocher提出的经典的图像分割算法之一,但其分割结果中存在明显的欠分割现象。为此,在GBS算法的基础上引入层次聚类（Hierarchical Clustering,HC）算法,构造出一种解决GBS算法欠分割的方法,同时采用多线程并行处理数据的方式,有效改善了传统层次聚类算法的处理速度。该方法在RGB彩色空间中使用GBS算法得到图像中每个像素点的初始分割结果,并提取出每一类区域中的像素值,对其进行层次聚类,得到每一类区域中像素值的类别标签,根据层次聚类所得到的类别标签和预设的类别范围,修改每个像素点的初始分割结果。最后根据区域合并准则,生成一个新的分割图。经实验表明,该方法与Kmeans-SLIC(simple linear iterative clustering)算法和GBS算法等相比,很好地解决了欠分割现象,并产生了分割精度较高的语义分割图。