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.     

一种基于模型的舰船目标特征提取方法

针对中分辨雷达,提出了一种基于模型的舰船目标特征提取方法。通过对特征向量的组合和加权提高了舰船目标的特征提取质量,在人工神经网络识别器中取得了较好的识别效果。     

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。     

基于ABM方法的空间碎片网捕体系结构建模

空间碎片网捕是一种新型的空间碎片清理方式。首先介绍了基于活动的建模方法(ABM)以及进行体系结构建模的流程,之后基于系统的基本工作流程,使用System Architect软件对空间碎片网捕任务的体系结构进行了可视化建模,得到了典型的作战视图,并进行了任务流程的仿真;对理解空间目标网捕系统的功能、研究空间碎片网捕任务的流程,提出系统构建需求具有一定的参考价值。。     

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。     

基于颜色及梯度统计特征的结核杆菌目标识别

提出一种基于颜色及梯度统计特征的结核杆菌目标识别算法。首先基于HSV颜色空间进行图像预分割,然后在CIE L*a*b*颜色空间进行自适应分割以提取目标精细几何形状。为了适应背景的复杂变化,基于色调一致性假设对疑似目标进行色调一致性检验并剔除大部分伪目标。为了将重叠粘连目标从伪目标中分离出来,提出两个梯度统计特征,然后结合目标的面积、周长、长宽比、圆形度、粗糙度等形态特征,组成7维特征向量送入贝叶斯分类器进行分类。实验结果表明,本文算法能适应标本、染色及图像背景等复杂变化,目标识别率可达91%。