基于逆合成孔径成像激光雷达的自旋小目标成像系统

为了获得毫米级自旋小目标的清晰成像,采用逆合成孔径成像激光雷达技术设计了基于距离向数据与方位向数据相融合的图像重建系统。系统采用大带宽、窄线宽光纤激光器配合调制器实现激光脉冲的线性调频,利用光外差原理对回波信号进行采集处理。结合自旋目标的运动特性,给出了含有自旋分量的回波信号函数方程,并将该分量引入传统的R-D算法中实现了对自旋目标的ISAIL二维图像的重建。实验采用毫米级铝条构成被测小目标,通过步进电机及带倾角的转台完成运动及自旋模拟。实验结果显示,当目标固定时,可通过回波能量数据获得一维距离向图像,与被测目标的4个特征点位置一致。当目标运动时,通过数据压缩并代入自旋参量,最后通过R-D算法可以获得可识别的ISAIL二维图像,验证了系统符合自旋小目标成像的设计要求。     

图像形变中基于MLS的光滑纹理映射技术

提出了一种基于移动最小二乘的二次拟合多项式纹理映射模型.该模型主要应用于使用控制网格的图像形变技术.图像中的物体被嵌入一个控制网格,并且对控制网格进行形变操作.在控制网格上应用纹理映射,以绘制形变后的物体.在纹理映射时通过将控制网格顶点在形变前后的位移向量作为拟合函数值,采用移动最小二乘方法进行拟合得到映射所使用的二次函数.该方法能够明显改善图像形变后的光滑性,实现逼真、自然的图像形变.     

火灾视频监控报警系统的应用研究

分析了智能视频监控火灾报警系统研究的发展现状和趋势，研究火灾视频监控报警系统的工作原理、系统组成、有关火焰图像处理算法和火焰的视频图像信号特性，在此基础上，提出系统设计方案，为将智能视频监控报警应用于消防工作进行有益的探索和研究。     

飞机图像导航数据库系统的设计与开发

运用图像导航原理,设计并实现了一套飞机图像导航数据库系统.系统将导航所需的信息和若干地区的地面图预先存放在数据库中的特定位置.用户只需在系统的可视化界面中进行少量的操作,该系统就能够在飞机航行的过程中实时地显示拍摄到地面图像,并将该图像与数据库中的相关图像进行特征匹配,从而获取并提供给用户飞机当时的位置、航速快慢及航向误差等导航信息.     

基于因式分解BP的车载前视地表穿透SAR快速成像算法

车载前视地表穿透SAR(VMFL-GPSAR)属于双站SAR的范畴,采用单站快速因式分解BP(FFBP)处理存在较大的误差.针对双站SAR模型分析FFBP的距离误差,给出了极角采样率限制条件,提出了双站FFBP算法,通过合理设置子孔径中心提高聚焦效果,并结合距离相位补偿和线性插值技术,进一步提高聚焦精度.仿真和VMFL-GPSAR实际数据处理结果验证了双站FFBP算法,成像效率可提高2.31倍.     

基于块分类的快速分形图像压缩

针对分形图像压缩编码时间长的问题 ,提出基于块分类的分形图像压缩算法 ,实验结果表明 ,该方法相对于经典的Jacquin分形图像压缩算法 ,压缩比得到提高 ,压缩时间提高近 10 0倍。     

一种实时路况下的车牌照识别系统

该系统采用高清工业相机，以千兆以太网作为数据传输通道，克服了传统传输方式速度较慢，抗干扰能力差的缺点。在识别方面，提出了自适应模板宽度算法，有效克服了光照对车牌定位的影响。该算法还采用投影分割法精确分割车牌字符，对汉字采用Gabor算子提取特征，然后利用SVM进行识别，有效解决了汉字识别问题。     

基于可变模板的前视目标跟踪算法

基于图像序列分析的图像制导极大地提高了成像武器的跟踪精度。给出了一种基于可变模板技术和遗传退火算法的图像序列目标跟踪算法。根据目标的物理特征构造出可变模板,定义合适的能量函数,采用遗传退火算法进行优化搜索。实验结果表明,该算法能够精确检测并跟踪目标,具有很快的收敛性和较高的抗噪声性。     

30mm半穿甲弹斜侵彻陶瓷/钢复合装甲的弹着角效应研究

设计了30mm半穿甲弹斜侵彻陶瓷/钢复合靶的弹道试验,采用高速摄像记录了弹靶作用过程,研究了弹着角、弹丸位移以及背板变形挠度的图像测量方法,通过仿真验证了该方法的可行性与准确性.基于高速摄像序列图像对弹靶作用过程进行了测量分析,结合试验数据研究了弹着角对半穿甲弹侵彻效能的影响.结果表明:弹着角导致弹丸受靶板的不对称阻力作用,侧向力及侧向力矩使得弹丸在侵彻过程中不断偏转,表现为侵彻路径呈曲线;在相同速度条件下,随着弹着角的增大,侵靶时间延长,背板变形挠度减小,侵彻效能降低.     

一种改进的无参考图像质量评估算法

无参考图像质量评估方法一直是图像质量研究所关注的重点。本文针对无参考图像质量评估问题，在当前被广泛接受的 DIIVINE 图像质量评估方法基础上进行了深入的研究，研究发现经典的 DIIVINE 方法中使用了过多的统计特征量，由于统计量无差别的使用影响了方法的预测性能。基于此，利用主成分分析（PCA）算法对该特征向量进行降维，得到“精简的特征向量”，用此向量可以达到更好的分类性能和评估性能。试验证明，在图像数据库上，该算法表现出较好的预测性能，其性能优于其他主流的无参考图像评估算法。