多传感器图像融合技术

多传感器图像融合是图像信息的综合与分析过程,它可有效地提高图像探测系统的探测和识别能力。本文论述了多传感器图像融合技术,包括多传感器图像融合的概念、应用、原理和算法等。指出了多传感器图像融合中存在的主要问题及解决方法,并预测了发展趋势。     

基于支持向量机的彩色图像恢复新方法

引起图像退化的因素众多,因而难以用一个统一的方法来进行恢复处理。鉴于图像的像素和各颜色分量通道间本质上存在某种相关性,以及以支持向量机为核心的统计学习理论具有较好地解决小样本、非线性、高维数问题的能力,提出了一种新的空域图像恢复方法,并通过对来自于待处理图像本身的训练样本的学习,构造自适应的回归插值函数;然后基于该函数对图像作有选择的修改,从而达到图像恢复的目的。实验表明,该方法是有效的,并且具有较好的泛化性能。     

早期火焰探测增强型算法性能的实验分析

介绍了基于MV早期火焰探测算法的性能,并详细介绍了该算法的实验分析过程,同时结合实验数据给出了关于该算法的性能评价和阶段性结论以及进一步研究的要点和趋向。     

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。     

光学显微结核杆菌图像的区域分割算法

为提高结核杆菌目标的分割精度,提出了一种区域级的光学显微结核杆菌图像分割算法。通过顶帽—底帽变换增强彩色图像对比度,融合图像局部特征和全局信息计算图像梯度,利用分水岭算法实现对图像的初始分割;对分割区域采用相邻区域最大相似度准则进行合并,从而得到完整的目标区域;根据结核杆菌图像的特点,通过分析结核杆菌目标区域的颜色特性,采用多阈值分割的方法滤除区域中的杂质,实现对结核杆菌目标的分割。实验结果表明,可以分割出目标对比度低以及饱和度过低的结核杆菌目标,并且对不同染色背景的图像均能取得较好的分割结果。     

一种高分辨率SAR图像水上桥梁目标识别新方法

首先采用灰度均值和方差二维特征模糊分割SAR图像,其次基于8邻域链码跟踪边界法剔除植被、阴影等虚警,然后通过水体轮廓搜索潜在桥梁ROI点并进行直线拟合、线段连接和线段延拓,消除河心洲、船只和条纹干扰等影响确定疑似桥梁ROI,最后采用双参CFAR检测法分割桥梁ROI,根据目标主轴方向和周长等特征消除桥梁ROI内的虚假目标,识别和定位桥梁。实验表明,该算法能够准确识别水上桥梁目标,对条纹干扰的桥梁和灰度梯度较弱的桥梁同样有效。     

基于改进OTSU算法的红外图像分割

红外图像分割是红外目标检测与识别领域研究中的一项重要内容。针对经典OTSU阈值分割算法无法适应目标模糊、对比度低的红外图像的缺陷,提出了一种改进的OTSU红外图像分割算法。该算法首先对红外图像进行预处理操作,再利用非线性平均灰度值的权重计算方法,克服了因目标靶面面积过小造成的阈值偏移。实验表明该改进方法较传统OTSU算法有更好的分割效果。     

一种基于Canny算子的红外图像边缘检测算法

边缘检测是图像特征提取的关键技术。传统的Canny边缘检测算法中高斯滤波方差不具备自适应性,并且不能有效滤除红外图像特有的噪声,对红外图像的边缘提取存在局限性。深入研究了Canny边缘检测算法,并分析了红外图像噪声类型,针对高斯滤波影响红外图像去噪和边缘保持效果的问题,提出了用形态学滤波代替高斯滤波的改进的Canny算法。经过仿真实验,验证了本方法的有效性。改进算法能有效提取含噪红外图像的边缘,较好地保持了红外图像的边缘强度和细节。     

基于视频图像的目标识别与跟踪算法

研究了基于视频图像的目标识别与跟踪算法。主要应用了Hog特征和支持向量机(SVM)分类器设计完成对目标的侦察识别。当侦察到目标时,采用高斯模型对目标和背景建模,结合卡尔曼滤波预测估计方法和均值漂移(mean-shift)理论,实现目标跟踪和定位功能。最后通过缩微环境中的案例演示,验证了所提算法的可行性。     

基于时滞分割法的具有leakage项时滞的离散型神经网络状态估计

摘要：研究一类具有leakage时滞的离散型神经网络的状态估计问题．通过构造新的Lyapunov泛函得到保证估计误差全局渐近稳定的充分条件,并通过求解一个线性矩阵不等式（LMI）得到状态估计器的增益矩阵．采用一种新的时滞分割方法将变时滞区间分割为多个子区间,使该结果在获得更小的保守性同时也降低了计算的复杂度．