图像恢复中的稳健交替方向乘子法

交替方向乘子法在解决线性逆问题(包括图像恢复)中取得了良好的效果,但是其效果对惩罚参数的选择非常敏感,不利于具体的应用。提出基于惩罚参数自适应选择原理的稳健交替方向乘子法,对其优化条件和收敛性进行了详细分析。实验表明,在基于Parseval紧框架的图像恢复应用中,该算法不但对惩罚参数的选择表现出良好的稳健性,而且效果优于交替方向乘子法,并优于其他目前热门的算法。     

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...     

最大限度发挥月球探测的科学效益

作为工程地面应用系统的一名科技工作者,我为有幸参加我国首次月球探测工程这一伟大工程感到非常骄傲,为有幸亲自完成第一幅月图的信号接收、数据处理和图像制作感到十分自豪。在我国首次月球探测工程中,我们承担了地面应用系统的研制、建设和运     

生成式对抗网络在SAR图像处理中的应用综述

合成孔径雷达自动目标识别技术是SAR图像处理领域的研究热点,但数据样本不足的情况导致SAR-ATR应用研究受到局限。传统扩充SAR数据集的图像仿真技术模型复杂、计算量大,生成图像不够逼真。生成式对抗网络GAN不需要目标先验信息,可以直接从真实图像数据中生成逼真的图像,具有低损耗和端到端的优点,因此相较于传统方法其更适用于小样本SAR数据高质量扩充。围绕GANs在SAR图像处理中的研究应用展开叙述,介绍了获取目标SAR图像的方法,包括传统的仿真技术和基于深度学习的GANs技术;从目标图像和场景图像等2个方面介绍了GANs训练的常用SAR数据集;针对不同数据集的应用场景,重点介绍了GANs网络在目标SAR图像生成、SAR超分辨率重建、SAR和光学影像融合等3个方面的最新研究进展;最后,结合深度学习和SAR目标特性,给出了GANs网络在SAR图像应用方面的后续发展建议。     

复杂背景条件下的红外图像末制导技术

通过结合目标红外特征,研究了空-空弹在复杂背景条件下的目标红外成像末制导的技术原理和实施途径。对复杂地背景的辐射特征和主要空中攻击目标军用喷气战机的目标红外辐射源类型作了分析,研究了红外目标特征的提取方法和算法。     

曲面拟合法和梯度法相结合的图像亚像素配准算法

针对传统亚像素配准算法存在精度不高、计算复杂的问题,提出了一种曲面拟合法和梯度法相结合的图像亚像素配准算法。采用9点相关系数曲面拟合法对图像进行粗配准,求得一个相对粗略的亚像素配准位置;在两幅图像中选取相同尺寸的子区图像,在粗略的亚像素配准位置基础上,采用梯度法最终获得精确的亚像素配准位置。不同平移关系下的样本图像亚像素配准对比实验结果表明,该算法实现了曲面拟合法和梯度法的优势互补,有效提高了图像配准的精度,最大配准绝对误差由0.17像素降低为0.02像素。     

RGB-D传感器的标定实验分析

分析了RGB-D传感器的标定模型及标定方法,利用标定棋盘和Matlab工具箱对RGB-D传感器进行了标定。采用摄像机标定方法计算了彩色摄像机和深度摄像机的初始化参数,根据标定棋盘和标定板的共面关系计算了相对位姿的初始估计值,并采用非线性最小化方法对标定参数进行了优化。实验结果表明:标定后的彩色图像和深度图像的重投影误差较小,深度测量不确定性标准差比标定前约减小了1/2,有效地提高了RGB-D传感器的测量精度。     

一种改进的红外图像降噪算法与FPGA实现

由于实时目标的红外图像具有信噪比低、边界模糊等问题,在研究红外图像噪声特点的基础上,提出了一种基于动静态检测算法的红外图像降噪算法。通过一种动静态检测算法将图像分成动态图像和静态图像,用改进的自适应维纳滤波算法处理动态图像,用改进的NL-means降噪算法处理静态图像,并用FPGA实现红外图像降噪系统设计。实验表明,红外图像经算法处理后,其PSNR和细节方差-背景方差比(DV/BV)均高于经典降噪算法,算法能有效减少图像噪声,并能很好地保持图像的边界细节信息。     

基于样块改进的图像修复算法

图像修复是指对图像破损区域进行填充或者将图像中多余物体进行移除。在Criminisi算法的基础上进行改进,在待修复块优先权的计算过程中,由于等照度线的曲率可以反映图像的局部特征,块与块之间的方差值可以反映图像的边缘信息,因此,将二者考虑进来,确保修复过程能够准确有序地进行。在寻找最佳匹配块时,将等照度线的曲率也作为一个因素增加进来,有效地提高了最佳匹配块搜索的精确性。经过仿真实验证明,改进后的算法不仅在PSNR值上比原算法有所提高,而且修复结果也比原算法更加准确可靠。     

结合层次法与主成分分析特征变换的宫颈细胞识别

对宫颈细胞进行多分类可以自动识别出不同状态的细胞,进而为宫颈癌诊断提供科学依据。在用6种多分类算法进行实验后,选取支持向量机作为基分类器,先用一对一策略训练6个分类器进行3分类,然后再训练1个2分类器,这种二层4分类方法提高了识别准确率。考虑不同层特征模式的差异性,在保证识别性能的同时,每层分类前先采用主成分分析法将原始154维特征变换到低维空间,去除冗余特征,加快识别速度。实验证明,所提层次主成分分析法在宫颈细胞分类中相比6种传统多分类方法有更高的识别准确率,可达90%以上;识别速度也较普通层次法提升了21.31%。