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。     

基于自相关的匀速运动模糊尺度参数识别

运动模糊图像复原主要取决于点扩散函数(PSF)的确定。对于匀速直线和匀速旋转运动模糊图像,运动方向和模糊尺度决定了PSF,是重要参数。根据模糊图像的像素点具有高度相关的特性,采用差分和自相关等技术,精确确定模糊尺度,为图像复原提供必要参数。仿真实验验证了该方法的正确性和有效性。     

灭雷具图像声纳可视化仿真方法

介绍了一种灭雷具上高分辨率图像声纳对目标成像显示的计算机可视化仿真方法.此方法不是针对为声纳硬件的研制或调试而提供计算机辅助设计,而是从为部队官兵提供模拟训练平台的角度出发,提出一种数学模型和物理模型相结合的建模思路.同时也简单地介绍了仿真系统中三维海底地形和目标的数据模型.     

基于双焦CCD摄像的浮空器航向测定

在防空反导作战中,目标坐标的有效探测是关键环节,通过浮空器观测目标可以有效地提高探测效果.为测量浮空器的航向角,提出了一种性价比较高的新方案,即通过设置地面信标,利用双焦CCD跟踪地面信标的视频图像进行处理,计算浮空器的航向角.精度的理论分析与数值计算表明该方法可行.     

一种改进的全景图生成算法

介绍了全景图的生成过程,对目前常见的几种图像拼接算法进行了分析和比较,在此基础上,提出了一种改进的全景图像生成算法.该算法通过对初始图像进行预处理、改进特征点选取方法以及优化特征点匹配过程,提高了全景图像生成的效率和准确性.实验结果也表明,该算法可广泛应用于基于图像的虚拟场景构造等方面.     

一种改进的遥感图像分形维数提取算法

基于离散分形布朗随机场的图像分数维提取方法,在综合分析和实验验证的基础上,提出了一种改进的图像分形维数计算方法。仿真实验证明,该算法相较于原算法计算结果稳定,不同地物的区分能力强,能够应用于遥感图像的地物分类。     

基于图像处理技术的定向管平行度测量

基于图像处理技术,探讨了一种火箭炮定向管平行度的测量方法,论述了该方法的测量原理和图像预处理过程中的图像增强、二值处理、边缘提取和几何校正等处理方法,给出了定向管平行度误差的计算方法。     

基于SMC的红外序列图像目标检测算法

提出一种海天背景下红外序列图像自动目标检测算法。该算法针对输入图像严重的非高斯分布噪声干扰和目标在序列图像中的非线性运动特性,基于SMC(Sequence Monte Carlo)方法通过目标的特征统计值影响蒙特卡罗采样的粒子权值,再利用该权值控制粒子状态变化,最终在目标特征图像中检测和跟踪目标,使用差分图像作为特征图像。试验结果证明,该算法可准确有效地检测目标,适合快速处理的实时性。     

基于直线特征的车载电子稳像方法

电子稳像技术的研究重点是稳像算法,介绍了电子稳像的基本概念和原理以及常用的稳像算法,并根据坦克装甲车辆的实际情况,给出了车载电子稳像实验系统的基本构架及理论方法.选用块匹配法和直线特征法作为车载电子稳像算法,选用轨迹平均法作为图像序列的平滑方法,最后介绍了稳像效果的几种评价准则,并对车载电子稳像技术研究提出了几点设想.     

融合图嵌入的Smooth-PCANet图像识别算法

主成分分析网络（Principal Component Analysis Network,PCANet）是一种简单的深度学习算法,在图像识别领域具有优秀的性能。然而PCANet在构建网络卷积核时只关注了图像的主分量信息,忽视了近邻像素点之间的位置关系。而通常情况下,图像的相邻像素点具有空间强相关性,因此利用图结构保持像素点的位置近邻关系更有利于网络提取有效特征。因此,我们将图嵌入思想融入PCANet,提出一种新的图像识别算法Smooth-PCANet。为了验证Smooth-PCANet算法的有效性,我们在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。