基于暗原色先验的单幅图像去雾优化技术

雾霾等粒子的大气散射作用会使得图像采集设备所获取的图像质量下降,影响后续工作。基于暗原色先验理论提出一种单幅图像的去雾优化技术。针对景深突变处出现的"白边"与"黑化"现象,提出结合最小值滤波与中值滤波的粗估计透射率优化方法。并提出自适应限定透射率下限值的方法改善天空区域的颜色失真问题。实验结果表明,该算法在去雾效果及自适应性方面优于对比算法。     

基于深度学习的无人机航拍图像超分辨率提升算法

针对当前无人机航拍图像普遍存在图像细节模糊以及分辨率低的问题,提出了面向无人机航拍场景的图像超分辨率算法。首先,提出一种可学习的图像下采样模型进行训练数据的生成,从而有效模拟了真实场景下的低分辨率无人机航拍图像的数据特征。其次,结合无人机平台的现实需求,提出一种基于知识蒸馏的轻量化图像超分辨率网络,有效提升了模型的泛化性能和时间效率。实验表明,该算法在真实无人机航拍图像数据集上的性能不仅超过现有通用图像超分辨率算法,同时还进一步缩减了网络模型大小和处理时间,有效满足无人机平台的硬件约束和实时性要求,对于无人机航拍图像处理具有重要应用价值。     

基于暗原色先验的图像去雾优化技术

由于雾霾等大气散射作用会使战场环境获取的图像质量退化,图像去雾可以大幅度提升视觉效果,方便火控系统目标识别与跟踪。基于暗通道先验理论提出一种改进的中值滤波算法,针对不同区域使用不同大小的滤波窗口,可以快速有效地对透射率细化,避免边缘效应。并且还提出了天空区域透射率优化算法,去除了天空区域的纹理和斑块效应。实验结果表明,该算法具有速度快并且效果好的特点。     

单幅Bayer格式图像的快速去雾方法

为了降低雾天对成像的影响,获得实时的去雾效果,对彩色图像处理流程进行改进,提出一种新颖快速的基于Bayer图像和暗原色先验模型的单幅图像去雾方法。Bayer图像是数码相机采集的原始图像数据,数据量小。针对Bayer图像像素排列特点,对原有暗原色先验去雾算法进行了优化和改进。运用四叉树细分算法估算大气光,根据Bayer图像特点修正了Guided Filter,并利用修正的滤波器优化大气透射图,进而恢复出无雾Bayer图像,采用去马赛克及系列后处理算法获得清晰的显示图像。实验结果表明,新方法在一定程度上改善了原算法去雾效果,并显著提高了运算速度。     

基于SIFT算子和Kalman滤波器的航拍图像电子稳像算法

针对航拍图像载台随机运动严重,图像分辨率低、目标特征少的特点以及航拍图像电子稳像技术快速、准确的要求,提出基于SIFT算子和Kalman滤波器的航拍图像电子稳像算法。该算法的特点是:由于利用SIFT作为估计图像间运动矢量特征,因此运算速度快;对Kalman滤波状态方程改进,可准确估计有意运动参数;将图像镶嵌技术用于稳定后图像"无定义区"的重建,从而形成快速准确的航拍电子稳像图像。航拍图像实验表明,该算法运算准确性高、稳定性好、速度快。     

基于混合型扩散的无人机航拍图像去噪模型

针对彩色无人机航拍图像处理起来复杂且噪声方差未知的问题,提出一种混合型扩散偏微分方程图像去噪模型。该模型采取对图像高频子带去除边缘区域的方法来准确估计噪声方差,将彩色图像的色彩空间转换为色调、亮度和饱和度3个分量,并用混合型扩散偏微分方程进行去噪处理,再把处理后的3个分量合成彩色图像。其中,混合型扩散偏微分方程是通过将全变分模型和四阶模型进行加权,并对其中的扩散系数进行改进后得到的。仿真结果表明,提出的模型和传统的去噪方法相比,峰值信噪比平均提高了近1.4 dB,并且在有效去噪的同时很好地保留了无人机航拍图像的边缘和纹理细节信息。     

基于卷积神经网络的无人机图像模糊类型识别

为了提高无人机图像模糊类型识别的准确率,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的无人机图像模糊类型识别方法。通过样本预处理策略对无人机模糊图像样本进行处理,提高了方法的识别效率,同时降低了错误率。提出一种适用于模糊图像灰度频谱图的卷积神经网络结构,并利用训练样本对网络进行训练,增强了网络结构的针对性,提高了训练模型的识别准确率。利用测试样本对训练的网络模型进行测试,验证方法的鲁棒性。实验结果表明,将卷积神经网络应用于图像模糊类型识别,取得了良好的效果,针对实验环境下的无人机运动、离焦和大气散射3种模糊图像类型的识别准确率较高,所提方法的鲁棒性强、实用价值大。     

基于卷积神经网络的无人机侦察图像去雨算法

提出了一种改进的无人机侦察图像去雨算法,该算法采用双边滤波和引导滤波相结合的方法提取有雨侦察图像的高频子图。根据无人机侦察图像中一般存在天空、地面等纹理相对平滑区域的特点,提取侦察图像中的纯雨区域。最后,将提取的纯雨区域作为训练样本,输入卷积神经网络中进行训练,提取图像特征信息,得到卷积神经网络的最优参数,完成神经网络训练,得到去雨侦察图像。通过仿真实验表明,该算法能够有效去除雨线对无人机侦察图像的干扰,提升侦察图像质量,具有一定的军事应用价值。     

基于暗通道先验的靶场视频图像去雾算法

为解决基于计算机视觉的自动报靶系统在雾等稳态不良天气条件下的实际应用问题,提出一种基于暗通道先验的靶场视频图像去雾算法。该算法改进暗通道图求取方式,采用Fast Guided Filter优化暗通道图,基于候选场景分割改进大气光值估计方法,提出基于亮度和边缘融合的精细化分割算法,分区域求取透射率。实验表明,该算法有效解决白色靶面去雾后色彩失真问题和耗时缺陷,实现靶场视频图像的快速去雾,具有很好的鲁棒性和时效性。     

基于SAR图像的目标散射中心特征提取方法研究

针对SARATR需要,基于属性散射中心模型,研究了从SAR图像提取目标散射中心特征的方法。该方法首先从SAR图像分割出包括单个散射中心响应的目标区域,然后判断该区域对应的散射中心的类型,最后再采用相应的参数模型进行参数初值选择和数字优化,从而得到对应该区域的目标散射中心特征。通过循环执行上面的步骤,就可以从SAR图像提取出目标所有散射中心特征。仿真结果表明,该算法具有良好的估计性能。     

一种梯度变换的水下图像对比度增强算法

在水下激光成像系统中,针对海水对光的散射而引起的图像对比度下降的特点提出了一种自适应改变图像梯度来增强水下图像对比度的算法.该算法分三步时图像进行处理:首先利用双边滤波器对图像进行滤波,以消除噪声;其次根据图像的局部灰度强度,对图像梯度进行处理;曩后通过解泊松方程,将处理后的梯度图像还原成灰度图像,实验结果表明:该算法...     

基于压缩感知的无人机图像组合去噪方法

针对无人机图像中存在的多种类型噪声干扰的情况,提出了一种基于压缩感知的无人机图像混合去噪方法。利用移动窗口平滑处理含噪图像中脉冲噪声,并去除该类噪声对图像稀疏性的破坏;对粗去噪图像进行稀疏表示,利用高斯观测矩阵对其测量,通过正交匹配追踪算法重构得到去噪后图像。实验结果表明,该算法改善了基于压缩感知图像去噪方法对含有脉冲噪声去噪效果差的问题,提高了去噪图像的峰值信噪比和视觉效果。     

基于属性散射中心的SAR图像重构及在目标识别中的应用

提出基于属性散射中心重构的合成孔径雷达(SAR)图像目标识别方法.该方法采用邻域匹配算法构建测试图像散射中心集与对应模板散射中心集的对应关系.并分别利用所有的测试散射中心以及匹配的模板散射中心基于属性散射中心模型重构测试图像和模板图像.在此基础上,设计重构图像之间的相似度度量并根据最大相似度的准则判定目标类别.利用MS...     

基于FMLNet的光学成像雨（雾）信息自主消除算法

航天发射和回收任务中,通过运载火箭以及无人机获取的光学图像易受雨雾的影响导致成像质量下降。为了同时满足雨纹消除和除雾应用需求,进一步提升雨（雾）图像信息恢复的质量,将特征提取、多尺度映射、局部极值以及非线性回归处理相结合,设计一种新的雨（雾）信息自主消除网络（FMLNet）,提出一种基于FMLNet的光学成像雨（雾）信息自主消除算法。使用Maxout单元层生成几乎所有与雨（雾）相关的特征,运用一种新的非线性激活函数（BReLU）以提高恢复无雨（雾）图像的质量,使其特征提取层和非线性回归层与经典CNN网络具有明显的不同。分别对雨（雾）图像数据集进行实验测试,结果表明,算法在峰值信噪比（PSNR）和结构相似指数测度（SSIM）评价指标上均优于其他常用算法。通过各算法处理效果的视觉观察比对,该算法能够很好地进行图像雨纹消除和图像除雾,能将不同雨（雾）场景下的图像恢复至细节丰富的干净场景图,图像复原度更高、视觉效果更好,从而验证了算法的有效性。     

基于小波变换和中值滤波的无人机图像去噪算法

在无人机航拍图像的实时传输过程中,有可能会同时受到脉冲和高斯混合噪声的污染,为后续图像的识别造成很大的困难.针对这种情况,提出了一种基于中值滤波和小波变换相结合的图像去噪方法.仿真结果表明,该方法不仅能有效地滤除脉冲和高斯的混合噪声,而且可以很好地保留图像的细节信息,改善图像的视觉效果.     

基于视觉的无人机大范围室外道路检测及拓扑地图构建

空地协作中空中机器人对室外可行道路的检测与建图,有利于提升地面机器人的导航能力.为了实现上述功能,提出了一种新的基于道路分割、图像拼接、骨架提取的无人机大范围室外道路检测及拓扑地图构建方法.首先,为了解决无人机基于航拍图像的道路识别问题,通过D-LinkNet网络完成对无人机航拍图像中道路的分割,并在保证分割准确率的情...     

一种三维无人机MIMO宽带信道模型

针对无人机环境特点和MIMO天线系统,建立并分析了由直射、反射和散射分量组成的基于圆筒散射三维几何传播模型,根据方位角非全向散射和俯仰角非对称分布的特点,结合无人机实际飞行参数特点,推导出简洁的闭环空时频联合相关函数,通过仿真进行了验证,分析了空时频相关特性的影响因素．     

无人机保距跟踪中的视觉跟踪算法研究

针对固定翼无人机对地面目标进行保距跟踪过程中不能稳定获取目标图像的问题,设计了一种提高视觉目标跟踪稳定性的算法。该算法基于核相关滤波算法,提出了线性旋转子空间的概念,用于估计平面外旋转后的目标图像,在跟踪的过程中通过跟踪效果判断是否对线性旋转子空间进行校正。这种更新机制提高了在相对位置不断变化的情况下视觉跟踪的稳定性和准确性,有效地降低了跟踪漂移的程度。算法在无人机跟踪视角的视觉跟踪数据集中进行了测试,结果显示在跟踪的准确性和鲁棒性上明显好于当前主流跟踪算法。并使用固定翼无人机进行了实机飞行,验证了算法的可行性。     

无人机运动模糊图像复原技术

在无人机飞行过程中,由于成像系统会受到相对运动、姿态变化、机械振动、镜头离焦以及大气湍流效应等影响,造成获取的图像产生退化.由于图像复原问题通常情况下是病态的,综合利用了无人机运动的先验信息,提出了不同运动模糊情况下点扩散函数的估计方法,采用维纳滤波复原算法估计图像,给出了适用于无人机成像制导系统的图像复原方案.最后经仿真实验证明,该算法图像复原效果好,计算量小,抗噪声鲁棒性强,有较大的工程应用价值.     

典型的红外图像背景抑制滤波算法研究

从红外图像的产生过程及原理,红外图像的特点,红外图像背景、目标和噪声的特征以及红外图像的数学描述等方面对红外图像进行特征分析。针对不同背景的红外图像特点,研究了中值滤波算法、维纳滤波算法、巴特沃斯高通滤波算法、基于Top-hat算子的滤波算法。通过软件编程,实现了针对不同背景的红外图像的4种滤波功能,并对所处理后的图像开展了滤波效果的评价研究。