保持连通的边缘细化算法

传统的图像边缘检测算子一般都只能得到多像素宽边缘,这为后续的图像处理带来了一定困难。结合边缘走向趋势的估计技术以及对连通关键点判断的方法,提出了一种新型的边缘细化算法———保持连通的边缘细化算法。该算法能在保持边缘原有信息(连通和走向)的前提下,以较小的计算开销,给出理想的或是可接受的单像素宽细化结果。     

基于小波域字典学习方法的图像双重稀疏表示

提出了一种有效地结构化字典生成算法以及图像双重稀疏表示方法.在Rubinstein等提出的图像双重稀疏表示模型的基础上,引入小波零树结构,将同一空间位置对应的同方向跨尺度小波基函数的线性组合作为新的基函数,并通过K-SVD学习算法得到线性组合系数,由此得到了一种更加切合图像方向特征的结构化字典学习算法.在此基础上提出了相应的图像分解与重构算法.遥感图像M项逼近实验以及压缩仿真实验表明,本文提出的结构化字典比已有的字典具有更好的图像稀疏表示效果.     

一种新的小波收缩统一阈值函数

提出一种新的小波收缩统一阈值函数,并证明了新阈值函数具有收敛性,通过调节可变参数的取值可以改变新阈值函数的趋向,为图像阈值去噪的自适应处理提供了可能.此外,给出了新阈值函数的期望、方差与风险的关系式.仿真结果表明新阈值函数不仅能有效去除噪声,而且比两种经典的阈值函数有更高的灵活性,可以获得更高的信噪比和更好的视觉效果.     

红外发射率可变材料在航天器热控技术中的应用

基于热致变色和电致变色的可变发射率涂层或器件由于其重量轻、体积小、能耗少、调控灵活等优点在航天器热控技术中具有极大的应用前景.红外发射率可变材料是可变发射率涂层或器件的核心,主要有电致变发射率材料和热致变发射率材料两类.分析了红外发射率可变材料在航天器热控中应用的原理,重点介绍了钙钛矿型复合氧化物(A1-xBxMO3)、二氧化钒(VO2)、三氧化钨(WO3)、导电高分子(CPs)等四类典型红外发射率可变材料应用于航天器热控的研究进展.根据航天器总体和热控技术的发展需求,指出了未来航天器热控用红外发射率可变材料的发展趋势.     

增强景象匹配鲁棒性的灰度变换技术研究

高可靠高精度的景象匹配技术是自主导航飞行器图像制导技术的核心和关键所在,文章对匹配图像的灰度畸变进行了研究,提出了基于直方图相似变换灰度畸变校正技术,提高了景象匹配定位的准确性和可靠性。由于外部成像条件和成像传感器本身存在差异,匹配图像往往存在较大灰度畸变,使得实时图和基准图在灰度域存在较大不一致,从而影响景象匹配可靠性。文章通过对匹配图像进行直方图的相似变换,将匹配图像直方图调为一致,有效消除了匹配图像灰度差异,调整后图像间的直方图相似系数均在0.95以上。通过10300次独立真实外场景象匹配定位试验,证明本文基于直方图的匹配图像灰度预处理方法可有效消除图像间的灰度差异,减少匹配图像间由于灰度差异而产生的重复模式,大幅提高景象匹配鲁棒性,经过本文方法预处理后的匹配图像景象匹配成功率为99.98%,已满足工程实用对景象匹配算法高可靠性的要求。     

基于三级数据关联的红外点目标跟踪方法

介绍了目前红外系统的目标跟踪方法；在目标跟踪时的数据关联阶段，提出了三级门限数据关联算法，根据门限级别所划分的疑似目标点位置，算法采用不同的数据关联策略。该算法能减少轨迹分叉时的计算量，能有效地检测出速度〈1像素／帧的运动点目标。实验结果证明了该算法的有效性。     

气液两相管流流型识别理论研究进展

综述了气液两相流流型识别理论及方法的研究进展。首先探讨了流型划分问题，然后针对水平管路、垂直管路及摇摆管路介绍了两相流流型转换机理及转换的边界条件；对于流型的在线识别，介绍了基于波动理论、神经网络和图像处理的流型识别方法。最后提出了气液两相管流流型识别中亟待开展的理论研究方向。     

反空空导弹的导引头研究

从反空空导弹的导引头对空空导弹的最大探测距离方面论述了其不适宜采用雷达导引头的原因,并指出了反空空导弹可采用红外导引头来跟踪空空导弹的可能性。同时又分析了空空导弹的红外辐射特性,说明了反空空导弹红外导引头探测器响应工作波段应为3μm～5μm。     

采用瞬态球状热斗篷方法的浅层地下目标红外隐身技术

由于浅层地下目标与背景土壤的热物性不同,影响了整个区域表面的温度场分布,容易被敌方探测系统发现并击毁。针对这一问题,考虑太阳辐射、天空辐射以及风速的影响,建立了埋藏地下目标的区域温度分布传热模型,揭示了不同时段埋藏地下目标对区域表面温度场的影响。在变换热力学的基础上,通过坐标变换的方法,推导出球状瞬态热斗篷的导热系数的通解表达式。根据等效介质理论,对设计的热物性参数进行均质化,并通过数值实验方法验证了基于热斗篷地下目标红外隐身技术的可行性。     

超低照度下微光图像增强神经网络损失函数设计分析

超低照度下(环境照度小于2×10~(-3)lux)微光图像具有低信噪比、低对比度等特点,使目标难以辨识,严重影响观察效果。为了提高超低照度下微光图像质量,设计了一种用于微光图像增强的卷积自编码深度神经网络,并针对传统的均方误差损失函数不符合人类视觉感知特性等问题,结合现有的全参考图像质量评价指标,研究了包括感知损失在内的几种损失函数,并提出了一种新的可微分损失函数。实验结果表明,在网络结构不发生改变的情况下,所提损失函数具有更好的性能,在提高微光图像信噪比和对比度的同时,能够有效地增强图像内部细节信息。