基于相位估计的湍流降质图像盲复原

地基望远镜观测的空间目标图像受大气湍流的影响,其分辨率受到很大的限制。为了提高湍流降质图像的复原效果,提出一种改进的盲解卷积方法。首先,考虑观测图像受到高斯噪声和泊松噪声的干扰,推导出基于混合噪声模型的盲解卷积代价函数;然后,根据傅里叶光学原理,利用波前相位表示点扩展函数,将点扩展函数从像素值估计转换为参数估计;最后,通过参数化表示方式,将代价函数寻优从约束最优化问题转换为无约束最优化问题。模拟实验结果验证了本文模型与数值算法的有效性。     

基于内容的月球影像检索并行框架设计

基于内容的月球影像检索面向月球探测计划获取的大量遥感数据,根据影像视觉内容,提供一种方便而高效的检索方式。为提高其检索效率,在对基于内容的月球影像检索过程进行分析的基础上,运用Petri网完成过程建模与并行化分析。提出一种基于内容的月球影像检索并行框架,并据此部署实验系统,将嫦娥月球影像等实际数据集投入其中进行检索实验。结果表明,基于内容的月球影像检索并行框架能够有效提升查询检索效率。     

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。     

基于静止图象的数字水印算法研究

随着因特网和多媒体技术的不断发展,数字媒体已成为人们获取知识的主要手段,但也带来一系列的问题:如作品侵权、非法复制和传播等。而数字水印技术作为版权保护的重要手段,已得到广泛的应用和研究。概述了数字水印技术,并提出了一种新的基于静止图象的数字水印算法。该算法的密钥由原始图象、水印图象和随机数发生器的种子共同决定。而且,该算法能承受有损压缩、旋转、剪切等几种攻击,经实验证明具有良好的鲁棒性。     

基于红外图像的小目标检测与跟踪方法

为了能在强杂波、低信噪比的情况下检测小目标,人们提出了许多针对小目标检测与跟踪的方法。介绍了基于红外图像的小目标检测和跟踪的各种方法和最新进展,重点讨论了灰度形态法、小波变换法、最优时空非线性滤波法用于小目标检测与跟踪的原理,并指出了今后的发展和研究方向。     

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.     

《诗经·采薇》的意象及其军事思想

《采薇》诗成功地塑造了一些意象,将主观之“意”和客观之“象”完美地结合在一起,成为千古不朽的意境,蕴涵着独特的时代情感,具有丰富深刻的文化内涵,流露出一定的军事思想倾向。     

使用局部色调映射匹配异源图像

色调映射是一种适用于亮度和对比度变化的快速图像匹配方法。由于异源图像间存在复杂的灰度变换关系,直接采用色调映射方法进行匹配的成功率通常难以满足应用需求。为了提高匹配成功率,本文提出基于子区弱切片变换的局部色调映射异源图像匹配方法。首先将实时图划分为不重叠的子区,对每个子区进行直方图均衡化和弱切片变换,通过局部色调映射计算子区与基准图的距离系数图。融合全部距离系数图得到图像匹配结果。实验结果表明,该方法匹配成功率高于现有的色调映射方法,且计算时间仅略高于现有方法,优于异源图像匹配中常用的互信息方法。     

基于局部色调映射的异源图像匹配方法

色调映射是一种适用于亮度和对比度变化的快速图像匹配方法。由于异源图像间存在复杂的灰度变换关系,直接采用色调映射方法进行匹配的成功率通常难以满足应用需求。为了提高匹配成功率,本文提出基于局部色调映射的异源图像匹配方法。首先将实时图划分为不重叠的子区,对每个子区进行直方图均衡化和弱切片变换,通过局部色调映射计算子区与基准图的距离系数图。融合全部距离系数图得到图像匹配结果。实验结果表明,该方法匹配成功率高于现有的色调映射方法,且计算时间仅略高于现有方法,优于异源图像匹配中常用的互信息方法。     

Bidirectional parallel multi-branch convolution feature pyramid network for target detection in aerial images of swarm UAVs

In this paper, based on a bidirectional parallel multi-branch feature pyramid network (BPMFPN), a novel one-stage object detector called BPMFPN Det is proposed for real-time detection of ground multi-scale targets by swarm unmanned aerial vehicles (UAVs). First, the bidirectional parallel multi-branch convolution modules are used to construct the feature pyramid to enhance the feature expression abilities of different scale feature layers. Next, the feature pyramid is integrated into the single-stage object detection framework to ensure real-time performance. In order to validate the effectiveness of the proposed algorithm, experiments are conducted on four datasets. For the PASCAL VOC dataset, the proposed algorithm achieves the mean average precision (mAP) of 85.4 on the VOC 2007 test set. With regard to the detection in optical remote sensing (DIOR) dataset, the proposed algorithm achieves 73.9 mAP. For vehicle detection in aerial imagery (VEDAI) dataset, the detection accuracy of small land vehicle (slv) targets reaches 97.4 mAP. For unmanned aerial vehicle detection and tracking (UAVDT) dataset, the proposed BPMFPN Det achieves the mAP of 48.75. Compared with the previous state-of-the-art methods, the results obtained by the proposed algorithm are more competitive. The experimental results demonstrate that the proposed algorithm can effectively solve the problem of real-time detection of ground multi-scale targets in aerial images of swarm UAVs.