基于蚁群算法的图像边缘检测研究

将蚁群算法应用于图像分割领域,提出了一种新的基于蚁群算法的图像边缘检测方法。详细阐述了蚁群算法与该方法的基本原理和具体实现过程。为了提高算法效率,进行两处改进,第一将蚂蚁初始位置由随机放置修改为放置在图像边缘附近,可取一图像灰度梯度阈值来实现,第二将信息激素强度和启发式引导函数值均定义为像素点灰度梯度值的函数。大量实验结果证明了该算法能有效地检测出图像边缘,而且具有适应性强、效率高等特点。     

基于时间延时的调频步进频率ISAR欺骗干扰

逆合成孔径雷达由于其独特的成像原理,具有比普通雷达更强的抗干扰能力。调频步进信号具有在保持瞬时带宽较小的同时通过合成宽带技术获得距离高分辨,降低系统实现的复杂度的优点,提出了一种基于时间延时的对调频步进信号体制成像雷达欺骗干扰方法,利用对调频步进雷达接收到的回波信号进行距离向延时和方位向延时后转发,从而合成假目标对调频步进频率ISAR进行欺骗干扰。仿真结果表明这种方法行之有效。     

基于FPGA控制的图像采集和存储系统

在研究了CMOS图像传感器和flash存储器的工作原理的基础上,阐述了以FPGA为控制核心的图像采集和存储系统结构,设计了在图像采集和存储系统中的FPGA控制模块,用USB通讯模块实现了采集存储系统和计算机之间的数据传输,满足了系统对回放的存储图像不丢帧的要求。经实际检验,较好地满足了实验要求。     

层次聚类算法和基于图的分割算法相融合的图像分割算法

基于图的分割算法（Graph-Based Segmentation,GBS）算法）是由Felzenszwalb和Huttenlocher提出的经典的图像分割算法之一,但其分割结果中存在明显的欠分割现象。为此,在GBS算法的基础上引入层次聚类（Hierarchical Clustering,HC）算法,构造出一种解决GBS算法欠分割的方法,同时采用多线程并行处理数据的方式,有效改善了传统层次聚类算法的处理速度。该方法在RGB彩色空间中使用GBS算法得到图像中每个像素点的初始分割结果,并提取出每一类区域中的像素值,对其进行层次聚类,得到每一类区域中像素值的类别标签,根据层次聚类所得到的类别标签和预设的类别范围,修改每个像素点的初始分割结果。最后根据区域合并准则,生成一个新的分割图。经实验表明,该方法与Kmeans-SLIC(simple linear iterative clustering)算法和GBS算法等相比,很好地解决了欠分割现象,并产生了分割精度较高的语义分割图。     

灭雷具图像声纳可视化仿真方法

介绍了一种灭雷具上高分辨率图像声纳对目标成像显示的计算机可视化仿真方法.此方法不是针对为声纳硬件的研制或调试而提供计算机辅助设计,而是从为部队官兵提供模拟训练平台的角度出发,提出一种数学模型和物理模型相结合的建模思路.同时也简单地介绍了仿真系统中三维海底地形和目标的数据模型.     

一种改进的全景图生成算法

介绍了全景图的生成过程,对目前常见的几种图像拼接算法进行了分析和比较,在此基础上,提出了一种改进的全景图像生成算法.该算法通过对初始图像进行预处理、改进特征点选取方法以及优化特征点匹配过程,提高了全景图像生成的效率和准确性.实验结果也表明,该算法可广泛应用于基于图像的虚拟场景构造等方面.     

一种改进的遥感图像分形维数提取算法

基于离散分形布朗随机场的图像分数维提取方法,在综合分析和实验验证的基础上,提出了一种改进的图像分形维数计算方法。仿真实验证明,该算法相较于原算法计算结果稳定,不同地物的区分能力强,能够应用于遥感图像的地物分类。     

基于SMC的红外序列图像目标检测算法

提出一种海天背景下红外序列图像自动目标检测算法。该算法针对输入图像严重的非高斯分布噪声干扰和目标在序列图像中的非线性运动特性,基于SMC(Sequence Monte Carlo)方法通过目标的特征统计值影响蒙特卡罗采样的粒子权值,再利用该权值控制粒子状态变化,最终在目标特征图像中检测和跟踪目标,使用差分图像作为特征图像。试验结果证明,该算法可准确有效地检测目标,适合快速处理的实时性。     

二值化编码和相位相关的鲁棒景像匹配方法

结合二值化编码和相位相关,提出了一种快速有效的鲁棒景像匹配方法.首先利用2×2窗口上主对角线上像素灰度值的升降对实时图和基准子图进行二值化编码;然后,搜索二值化后的实时图在基准图中的位置,即,根据二值化后的实时图和基准子图的相位相关函数进行定位.多组实验与分析表明,该景像匹配定位算法对部分遮挡、图像灰度与对比度变化以及复杂噪声干扰等都具有比较强的鲁棒性.     

扩张状态观测器的机动目标跟踪算法

跟踪算法是自动跟踪火控系统的关键.提出了一种新的基于模板匹配的跟踪算法,可应用于实时的跟踪系统.该算法由扩张状态观测器(ESO)和序贯相似性(SSDA)匹配算法组成.首先使用扩张状态观测器,可以预测出目标在下一帧图像中的位置,再使用SSDA算法,在预测位置的邻域内进行搜索从而获得目标的准确位置.基于扩张状态观测器的模板匹配算法减少了搜索位置,提高了算法的效率,同时也克服了传统卡尔曼滤波用于目标预测时需要目标模型已知且滤波时间长的缺点.仿真实验证明该算法可以满足实时性要求.