三维信息提取系统研究

建立了从两幅图像提取三维信息的数学模型,应用广义逆法,求解三维坐标的超定线性方程组.推导了通过摄像机校准来确定摄像机参数的数学过程.最后通过图像测量实验验证了以上算法的正确性.     

一种综合使用支持向量机和遗传算法的隐藏图像检测方法

提出了一种新的基于遗传算法和支持向量机的隐藏图像检测方法。用遗传算法进行图像特征选择,采用支持向量机作为分类器,将支持向量机的分类效果作为适应度函数值返回,指导遗传算法搜索最优的特征,移除图像的不相关特征和冗余特征,提高了学习效率。实验结果表明,与仅采用支持向量机分类但未进行特征选择的隐藏检测方法相比,本方法能有效地提升分类器性能。     

基于小波多方向信息组合的纹理图像检索

针对基于单一小波和复小波的纹理图像检索方法中图像纹理的向性信息不够多、影响检索率的问题,本文提出了一种将传统小波和复小波分解后得到的方向子带信息进行组合,并计算其一阶统计矩以提取特征,以Canberra距离度量相似性,从而提高纹理图像检索率的方法。对Brodatz图像库的仿真实验表明,本文提出的方法优于传统小波和复小波。     

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.     

一种基于G0分布的SAR图像快速CFAR检测方法

杂波统计模型是决定CFAR检测算法性能的关键因素.G0分布能对单视和多视SAR图像中均匀、一般不均匀和极不均匀区域精确建模,但存在参数估计复杂、阈值表达式难以求解的问题,限制了其实用性.针对这些问题,分别采用矩估计法和二分法来完成参数的估计和阈值的求取,并通过目标区域预筛选和迭代计算等手段进一步提高了计算效率,得到了一种兼顾检测效果和效率的快速CFAR检测方法.实验结果验证了该方法的有效性.     

设计界面时,你会使用蒙板吗?

蒙板工具,在图像处理中晦涩难懂、常被忽视,但是,使用它到底会产生哪些出人意料的效果呢?步骤一、新建图层,添加院徽。打开上次设计的效果图,如图1所示;院徽的原始图像如图2所示,去除原始图像的背景并把它拖动到新建图层中,然后调整它的大小。     

＂英勇天使系统＂：专收视频情报

美国军队不久将获得一种新工具,使得美军和盟军搜将集到的电脑视频情报以最快速度传播到战场士兵手中。美军联合指挥部说,这一新工具叫“英勇天使系统”。它能向美军提供侦察机和卫星搜集到的视频和图像情报,而使用者可以以最快速度进入、获取和储存大量的战场视频情报。     

一种基于显著性区域的图像分割算法

针对传统的显著区域的分割方法存在的频谱泄露、无法达到亚像素精度的问题,提出了一种新的基于显著性区域的图像分割算法。利用Lucas-Kanade图像配准算法对大量重复出现模式的最小周期进行估计,从而准确地重建出背景模型;在此基础上,提出了"广义邻域点"的方法,设计自适应尺度的中值滤波器完成前景分量的精确分割;并提出了快速中值滤波器的设计方法,显著降低了计算复杂度。实验证明了该算法能够准确、高效地分割图像,适用于大量重复背景中前景目标的提取。     

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。     

基于时频图像三维熵特征的雷达信号识别

针对雷达信号识别算法存在着准确率低以及抗噪性差的问题,提出基于时频图像三维熵特征的雷达信号识别算法。该方法对雷达信号时频变换后得到的时频灰度图提取其香农熵(Sh En)、奇异谱熵(Ss En)和范数熵(No En),并将三维熵值作为信号识别的特征向量,采用支持向量机实现信号的分类识别。仿真实验表明,提出的算法能够在低信噪比下得到较高的正确识别率。