超分辨率重建方法在图像处理中的应用

为提升现有舰载光电探测系统图像的分辨率,通过图像降质及超分辨重建模型对复原图像中伪信息的产生进行了研究,在Lee方法的基础上,提出了采用高斯马尔科夫先验模型对图像重建过程进行约束的方法,实现了正则化参数的自适应计算。实验结果表明:该方法在视觉效果与客观指标上要优于传统方法与Lee方法,具有良好的应用前景。     

磁性目标跟踪的后验克拉美罗下限分析与计算

为了求解磁性目标跟踪问题的后验克拉美罗下限(PCRB),提出了PCRB-GMSPPF算法。该算法利用高斯混合采样粒子滤波算法对目标状态的真实后验概率密度分布进行抽样,再通过蒙特卡洛积分法迭代求解每个观测时刻的Fisher信息矩阵,进而得出目标状态估计的PCRB;克服了基于PF算法求解PCRB过程中由于粒子退化和贫化问题造成不能从后验概率分布中正确抽样的缺点;在建立磁性目标跟踪的状态模型和观测模型的基础上进行仿真分析,将求解出的PCRB与采用GMSPPF及PF算法进行跟踪的均方根误差做对比,验证所提的PCRB-GMSPPF算法的有效性,结果表明:针对磁性目标跟踪问题,PCRB-GMSPPF算法较PCRB-PF算法具有更好的准确性,并可用于一般的非线性模型跟踪误差下限分析。     

红外图像强固定模式显著性噪声抑制

针对红外成像设备对天远距离观测中得到的小目标、强固定模式噪声这一类典型数据,提出基于显著性的红外图像强固定模式噪声抑制算法。对此类图像数据进行特性分析,指出图像中目标区域相对于背景固定模式噪声区域是显著的,利用显著性检测算法分离出图像中目标区域及背景,对不同区域分别采取不同处理,仅基于单幅图像信息实现强固定模式噪声的有效抑制。通过大量小目标、强固定模式噪声红外图像对算法性能进行测试。结果表明,本算法能够准确提取出图像中目标区域,实现图像中强固定模式噪声的有效抑制。     

空间关联与多子区规范化梯度方向直方图的 异源图像匹配

提出一种基于稀疏空域分割与梯度方向直方图的异源图像匹配方法。将图像分为多个子区,计算每个子区的梯度方向直方图;计算直方图的汇聚度,并根据汇聚度计算直方图相似性;采用两步搜索法,寻找与基准图中与实时图直方图相似度最高的窗口即为正确匹配结果。采用仿真图和真实异源图像对算法进行了测试,结果表明,这种方法能够可靠快速实现异源图像匹配。     

一种基于自适应阈值与边缘跟踪的目标提取方法

介绍了一种基于目标灰度门限和目标之间灰度距离门限的区域自动阈值检测法,用该方法检测出图像区域的阈值进行目标初分割,然后结合形态学中的开启和闭合方法对初分割后的二值图像进行双滤波,再用一种新的区域边缘跟踪标注法对其进行跟踪和标注,找出每个目标的包络矩形坐标,用其对原图进行区域定位,从而可以提取出原图中包含目标的小区域.     

基于卫星编队序列图像的摄影测量

在现代卫星摄影测量中,由多颗小卫星组成的卫星编队具有比单颗卫星更优越的性能,能提供更高的空间分辨率和时间分辨率。卫星编队拍摄的序列图像可组成多轨道区域网,通过区域网光束法平差解算就可以获得目标点坐标。介绍了几种适于卫星摄影测量的卫星编队,讨论了影响卫星摄影测量精度的几个因素,给出了仿真实验结果,所得结论可为发展基于卫星编队的摄影测量提供参考。     

基于模糊信息粒化理论的图像插值方法

提出了模糊信息粒化理论在图像插值中的应用,介绍了图像的模糊信息粒化结构,分析了基于图像模糊粒化思想进行图像插值的基本原理,并提出了具体的基于图像模糊粒化结构的插值方法。实验结果表明该方法的效果很好,在客观评价指标上,性能普遍好于传统的图像插值方法。     

基于拼接算法的炮膛疵病自动识别技术

针对当前采用目测识别方法进行炮膛疵病检测时存在的识别速度慢、精度低、人为影响因素大等缺点,提出了一种基于拼接算法的炮膛疵病检测方法。该方法采用Harris角点检测算法进行特征点提取,采用归一化互相关法进行特征点初匹配,采用马氏距离提纯算法消除误匹配,采用改进的8参数透视变换优化估计算法和基于边界保持的函数加权平滑融合算法进行炮膛图像融合,并选取图像面积、短长径之比为特征参数完成疵病的自动识别。实验结果表明：该算法对炮膛图像能较好地进行拼接,而且数值化的疵病识别方法相比传统目测识别方法也更加快速、准确,可为部队和相关工程人员进行身管检测提供有益参考。     

一种面向多核处理器的高效并行PCA-SIFT算法

提出一种面向多核处理器的并行PCA-SIFT算法,采用数据级并行方法实现并行的特征提取和特征点匹配,将计算任务分配到各个DSP核并行处理,充分开发多核处理器的多级并行性.实验结果表明,并行PCA-SIFT算法对各种不同图像形变的图像具有良好的适应性,具有接近串行PCA-SIFT算法的图像匹配能力,平均加速比达3.12.     

Beltrami流及其在图像去噪中的应用

偏微分方程是图像处理主要的方法之一,一般通过其对应的变分模型给出方程的意义,并依此设计优化原偏微分方程以取得最佳的处理效果。针对图像去噪问题,基于经典的Beltrami几何流方法提出了图像流形上一种新的度量张量模型,具有该度量模型的Beltrami流具有清晰的几何意义,并依此提出了该度量模型中参数的优化选择方法。同时,该模型为经典的偏微分方程去噪方法提供了统一框架,且参数的优化选择使得Beltrami流在平滑噪声与边缘保持方面取得了良好的平衡。实验表明该方法提高了图像去噪效果,尤其是对于边缘丰富的图像效果更加明显。