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。     

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.     

基于复杂背景的图像分割算法

针对圆柱形钢棒在线计数特定的复杂背景提出了基于双阈值结合数学形态学运算的分割算法。首先分别根据2个阈值进行分割得到2幅二值图像,然后根据目标是圆形以及其大致位置等先验知识分别对2幅图进行腐蚀,开启,闭合等数学形态学运算,最后将高阈值分割得到的图像中的边界信息叠加到低阈值分割得到的图像中。实验结果表明,本方法作为本系统的图像预处理是有效的。     

一种灰度图象中的小目标识别方法

介绍了一种基于目标灰度门限和目标之间灰度距离门限的区域自动阈值检测法,用该方法检测提取出灰度图像中包含目标的小区域。然后利用传统的门限自动选择方法找到合适的门限,利用该门限值对所获目标区域进行二值化以得到目标,然后采用改进不变矩方法提取目标特征并采用优化BP神经网络进行识别。该方法经实验验证,效果较好。     

基于视频图像的增强现实光照技术

光照一致性是增强现实技术中一项重要的研究内容。利用摄像机捕获的放置在真实场景中的标定物和镜面小球的视频图像,设计了一个增强现实光照系统模型。模型的实现过程表明,该方法实现相对简单,不需要对场景及模型进行预处理,能够达到虚实对象在动态增强现实场景中光照的实时一致性。     

可见光成像制导半实物仿真中的图像生成技术

目标成像仿真系统是半实物仿真试验中的关键设备,计算机图像生成技术又是成像仿真中的一项关键技术。根据可见光成像制导半实物仿真的需求,从星体数据的坐标转换、星体和目标的位置和亮度控制,以及在计算机仿真的虚拟空间中导引头与目标之间的相对关系等方面,讨论了目标/星光背景动态场景的软件研制过程,实现了高帧频目标/星光背景场景的动态生成,并在仿真试验中得到应用。     

Arnold变换的置乱恢复研究

基于Arnold变换的原理和特点,探讨了2种置乱恢复方法,并通过仿真,比较了它们的置乱恢复效率。从缩短恢复时间的角度出发,综合2种方法提出了优化方案,在一定程度上提高了置乱恢复的效率。     

基于形状熵差的相似多目标检测方法

为实现靶场多目标图像的目标自动检测,利用多目标形状的相似性,提出一种基于形状熵差的目标检测新方法。提出了形状熵差的概念,将目标形状模型引入局部熵计算中,由局部内熵与局部外熵之差的极值点确定目标位置。基于此设计并实现了一种新的目标自动检测方法。通过实验证明了算法的有效性和鲁棒性。相比较于常见的一些目标检测算法,该方法具有更好的抗干扰能力和环境光照变化适应能力,可以应用于靶场多目标图像的目标检测,也可应用于其他类似的目标检测问题。     

利用字节模式二维特征的ROP链智能检测方法

面向返回编程(return oriented programming, ROP)攻击是网络攻击者突破操作系统安全防护、实现漏洞攻击的一种主要手段,ROP链是ROP攻击的重要组成部分。为检测网络流量中的ROP链,提出了一种能自动提取ROP链特征、具有良好泛化性能的智能检测方法。该方法采用顺序抽取的方式将被测流量分成多个序列,利用滑动窗口和数值量化将输入的一维流量数据转换为二维特征向量,基于卷积神经网络模型实现对ROP链的检测。不同于已有的静态检测方法,该方法不依赖程序内存地址的上下文信息,实现简单、部署方便,且具有优异的检测性能。实验结果表明,模型最高准确率为99.4%,漏报率为0.6%,误报率为0.4%,时间开销在0.1 s以内,对真实ROP攻击流量的漏报率为0.2%。     

并行生成卷积网络图像修复算法

为解决修复纹理精细、背景复杂图像中大面积不连续语义缺失时存在的边缘伪影和语义不连续的缺陷,提出一种并行生成卷积的残差连接图像修复算法。将残缺图像输入一个两列平行卷积的结构修复网络得到两个具有不同感受野大小的图像分量,通过共享解码合并两个图像分量并计算输出的L2损失优化网络。将结构修复网络的输出送入包含残差连接与注意力机制的细节修复网络,融合上下文信息,改善修复细节能力。使用全局与局部鉴别器和预训练视觉几何组网络计算损失,对修复网络进行整体判别优化,增强修复结果的整体与局部一致性。在国际公认数据库上验证提出算法的性能,实验结果表明：提出算法可以有效修复复杂背景且包含精细纹理的大面积不规则缺失区域,提升图像细节、语义和结构的真实性与完整性,其峰值信噪比和结构相似度优于经典的对比算法。