一种多特征多分辨率快速SAR图像匹配算法

提出一种新的基于多特征多分辨率的快速SAR图像匹配算法.算法主要包含图像预处理、匹配特征选择、匹配准则定义、搜索策略设计、匹配结果融合5部分.算法采取在不同图像尺度上分别基于具有信息互补关系的不同特征进行匹配的策略,兼顾了匹配精度与时间效率.实验结果验证了算法的有效性.     

柱面全景图像拼合及漫游算法研究

基于图像的绘制技术不仅可以弥补传统基于几何绘制技术的不足,而且能给出更丰富的图像显示.文中从实际应用出发,提出并实现了图像拼接新算法,并在此基础上,利用OpenGL的纹理映射技术,将全景图像作为纹理图像映射到由OpenGL预先构造出的虚拟视点空间上,并实现了虚拟场景的全景漫游.     

基于目标特征的光学遥感图像舰船检测方法

针对在大场景、高分辨率的光学遥感图像舰船目标检测中,传统的阈值检测方法效果不佳,而恒虚警法计算量大的缺点,研究一种根据检测舰船目标的特征,对每个可能的目标区域,快速计算检测阈值的方法。同时,研究基于RNN网络及信噪比的特征选择方法,对目标的特征进行优选并对候选目标进行鉴别。实验结果表明,采用本文方法进行舰船目标检测能获得较好的检测结果.     

基于时间配准的视频图像稳定方法

在车载视频监控系统中,由于载体的姿态变化或振动的影响,使得获得的图像信息模糊、不稳定,增加了观察者的疲劳度。为了解决车辆行进间视场抖动、图像模糊的问题,需要对实时视频图像进行稳定处理。本文研究的是将视频采集装置直接固定在初步稳定的测量平台上,通过稳定平台的稳定残差进行二次图像稳定,但由于传输延迟的存在,对接收到的传感器数据和视频采集的图像数据分别进行了队列缓存,即加入了时间配准方法。通过在某遥控车上验证,其能保证实时视频图像获得最佳的稳定效果。     

数学形态学及其在边缘提取中的应用

数学形态学是一门新兴的图像分析学科,其理论和方法在视觉检测,医学图象分析等诸多领域都取得了非常成功的应用。主要介绍了形态学的边缘提取算法,该算法由数学形态学中的形态学梯度算子来实现,一般采用数学形态学中的两个基本运算：腐蚀和膨胀相结合来计算形态学梯度算子,这种算法能加强图像中比较尖锐的过渡区。通过实验,实现了这种算法,与比较传统的Sobel算子相比,其定位比较精确,抗噪声能力也得到进一步提高。     

基于K-means聚类与NSCT的图像融合算法

传统的基于NSCT的图像融合算法,通常是对原始图像进行NSCT变换,然后进行不同尺度系数的融合,没有对原始图像进行针对性的分析.对此,提出了一种基于K-means聚类的图像融合算法.利用K-means聚类对图像中具有不同特征的目标进行分类,对分类后的图像进行NSCT分解得到低频和高频子带系数.根据分类图像的特点,采用自...     

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。     

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。