气膜孔图像对焦评价函数的实验研究

为了使工业影像测头能够正确对焦于气膜孔的出口表面,开展了对焦评价函数选取的实验研究。首先,分析了各类对焦评价函数的特性、要求及优缺点,并确定选择灰度梯度函数用于图像序列的清晰度评价;然后,考察了Brenner梯度函数、Tenengrad梯度函数和Laplacian梯度函数等5种具有代表性的灰度梯度函数,通过实验获得了它们的函数曲线,并进行归一化处理和比较分析,最终确定Laplacian梯度函数作为系统的对焦评价函数,并进行了重复性验证。实验结果表明,Laplacian梯度函数可以正确判别出被测气膜孔的对焦位置,且对焦重复性小于0.005mm,满足气膜孔形位参数的检测要求。     

气膜孔图像对焦评价函数的实验研究

为了使工业影像测头能够正确对焦于气膜孔的出口表面,开展了对焦评价函数选取的实验研究。首先,分析了各类对焦评价函数的特性、要求及优缺点,并确定选择灰度梯度函数用于图像序列的清晰度评价;然后,考察了Brenner梯度函数、Tenengrad梯度函数和Laplacian梯度函数等5种具有代表性的灰度梯度函数,通过实验获得了它们的函数曲线,并进行归一化处理和比较分析,最终确定Laplacian梯度函数作为系统的对焦评价函数,并进行了重复性验证。实验结果表明,Laplacian梯度函数可以正确判别出被测气膜孔的对焦位置,且对焦重复性小于0.005mm,满足气膜孔形位参数的检测要求。     

一种基于方差的自适应火星图像阈值选取算法

在基于光学成像的深空探测自主导航中,图像边缘处理直接影响视线矢量的提取,从而对自主导航的精度产生较大影响。传统的Otsu算法更侧重同区域灰度的均匀性,适用于图像中目标区域和背景区域面积相差不大的情况,因此在自主导航初始阶段,导航精度较低。根据深空探测巡航段拍摄到的火星图像的特点,基于已有火星探测任务的实拍图像,在Otsu算法的基础上,重新设计准则函数,提出了一种基于方差的火星图像阈值自适应选取算法。该算法将灰度值高于待定阈值的区域的方差表示为待定阈值的函数,以函数一阶微分的最大值对应的灰度值作为最优阈值。该方法具有计算量小、图像分割精确的优点。仿真结果表明,相较于传统的Otsu算法,通过该算法得到的图像阈值能够实现更高的视线矢量提取精度及自主导航精度。     

基于卫星遥感的岛礁影像多类目标智能化提取

卫星遥感影像具有背景复杂、目标尺度不一、观测方向各异、纹理不清晰等特点,主流的深度学习目标检测算法不能直接适用于卫星遥感影像的目标检测。改进了RetinaNet,使其适用于卫星遥感影像。首先设计了一种新的特征融合方式,融合ResNet50输出的特征图,使得融合后的特征图同时具有高层语义信息和低层纹理细节信息。为了减弱遥感影像复杂背景对目标特征的影响,设计了特征感知模块,在减弱噪声对特征图影响的同时增强有用特征。挑选DOTA数据集中船只、飞机和存储罐图像进行训练和测试。改进的算法与RetinaNet相比,飞机、船只和存储罐的平均精度分别提高了41%、25%、24%。基于高分二号卫星（GF 2）真实影像数据的试验结果表明,提出的算法能够用于卫星遥感岛礁影像的多类目标智能化提取。     

一种基于能量-灰度分布的图像清晰度评价方法

在分析了传统的清晰度评价函数后,提出了一种适用于评价光学滤波后成像质量好坏的图像清晰度评价算法。给出了该算法的原理和过程,该算法较之前的清晰度评价算法相比,更多的考虑了应用背景中光强对图像质量的影响。与其他几种清晰度评价函数的实验对比结果表明,该方法有效的克服了梯度平方函数的缺点,不仅适用于自动聚焦领域,对普通的图像清晰度评价也十分有效。     

基于霍夫变换的空间非合作目标点云配准算法

针对空间非合作目标点云配准过程中目标残缺、机动过快等问题，对飞行时间深度(TOF)相机点云配准过程进行研究。利用相机可同时获取灰度与深度图的特点，提出一种基于霍夫变换的点云配准算法，在提供精确初始位姿的同时，也加速了最近点搜索过程。对TOF相机摄得灰度图进行边缘检测，利用边缘点以随机霍夫变换的方法拟合椭圆中心，使待配准点云与参考点云中心配准。随后检测图像几何特征，与对应参考点特征相配，提高初始位姿精度，既避免所提算法陷入局部最小，也可解决目标点云缺失无法配准的难题。在最近点搜索过程中，引入kd-tree改进算法，以3σ准则剔除单次k邻近的离群点，提高了相机动态性能。以某实拍卫星模型对所提算法进行仿真分析，成功验证了其对于残缺目标配准的可行性与鲁棒性。同时，在完整与残缺点云目标下，所提算法较于常规霍夫变换法相比分别提速955.3%和440.4%，且精度相当，具有较为广泛的应用前景。     

基于等效焦面的离轴遥感相机积分时间计算方法

目前在轨和在研的光学遥感卫星大都搭载的是离轴遥感相机,为了保证视轴正对星下点成像,相机需要整体俯仰一定角度补偿离轴角,这样就导致相机的焦平面无法平行于星下点水平面进行推扫成像,相机的积分时间计算不准确。针对以上问题,提出一种基于等效焦面的高精度积分时间计算方法,该方法构建与星下点水平面平行的等效焦面,通过建立严密的几何关系,求出真正电荷转移时间对应的像元尺寸,从而得到准确的积分时间。仿真试验表明,该方法可以将积分时间计算精度提高1.2%,为卫星在轨提高成像质量提供有效手段。     

基于边缘对称性的视频车辆检测算法

针对现有视频车辆检测算法受光照、阴影等环境因素影响大,漏检和误检率高的问题,提出了一种视频车辆检测算法.有别于传统算法使用运动特征进行车辆检测,该算法使用边缘特征和对性特征定位车辆.算法首先对图像进行灰度化、平滑去噪等预处理,使用Sobel算子垂直方向掩模计算图像感兴趣区域内的边缘梯度,确定候选区域;而后根据车辆图像垂直边缘具有对称性的特点,分析候选区域的对称性强弱,并计算其对称轴位置和车辆宽度.使用边缘强度、对称性和宽度这3个约束条件对候选区域进行验证.道路实验结果表明,该检测算法有效、可靠,具有良好的鲁棒性.      

基于小波域清晰度评价的光场全聚焦图像融合

传统全聚焦图像融合以相机多次曝光拍摄的多聚焦图像为基础,光场相机在单次曝光后可计算空间任意深度的重聚焦图像,为后期全聚焦图像的获取提供便利。提出了一种基于小波变换的光场全聚焦图像获取算法,可有效避免传统空域图像融合算法的块效应,获得较高质量的全聚焦图像。该算法通过对微透镜阵列光场相机获得的4D光场数据进行空间变换与投影,得到用于全聚焦图像融合的重聚焦图像,对各帧重聚焦图像进行小波分解提取高、低频子图像集,提出区域均衡拉普拉斯算子、像素可见度函数分别构建融合图像的高、低频小波系数实现图像融合,其性能优于传统的区域清晰度评价函数。实验验证了所提算法的正确性和有效性,采用Lytro光场相机的原始数据计算了融合全聚焦图像,与传统图像融合算法相比,人眼视觉效果更好,客观图像指标也得到了提高。      

空间移动小目标的检测算法

空间序列图像中移动小目标检测与轨迹提取是空间目标监视、跟踪及编目的关键技术之一.为了及时有效地处理星载可见光相机输出的多维海量数据,提出了一种基于四邻域二值量化方法和改进概率Hough变换的目标检测及轨迹提取算法.相较于美国空间目标在轨检测(MTI,moving target indicator)算法,改进算法虚警噪声点及候选路径数目明显减少,计算复杂度降低,运行效率提高.实验结果表明,算法可有效检测序列图像中快速移动的弱小目标并提取其直线运动轨迹.     

采样式航天光学遥感成像系统混叠噪声

为了准确计算采样式航天光学遥感成像系统中混叠噪声的权重和分析系统设计参数的影响,采用经验景物模型,模拟成像系统主要噪声源的统计特性,提出了一种含混叠的成像系统噪声计算模型。采用该模型,以某卫星高分辨率相机成像系统为例,计算混叠噪声功率占总噪声功率的百分比,并对不同λF/p参数和不同景物参数的情况进行了仿真。结果表明：该卫星高分辨率相机成像系统中,混叠噪声占较大比重;当提高λF/p时,可有效降低混叠噪声。     

基于改进的NSGA-Ⅱ算法的区域覆盖卫星星座优化

对基于Pareto最优概念的非劣性分层遗传算法(NSGA-Ⅱ)进行了改进，与区域覆盖卫星星座的多目标优化设计相结合，提出基于改进的NSGA-Ⅱ算法的区域覆盖卫星星座优化设计方法，并利用多属性决策中的字典序法，根据目标的重要程度，在得到的Pareto解中进行选择．最后，利用STK和Matlab工具对遥感卫星星座进行了仿真，仿真结果表明该算法可以找到多个Pareto解，避免了传统的多目标优化求解方法的权值选择问题，并且比简单遗传算法具有更好的灵活性，从而解决了多目标优化的星座设计问题。     

基于高分四号数据的多时相多通道云检测算法

针对高分四号（GF-4）卫星影像波段较少导致传统云检测算法难以区分云与冰雪像元的问题,提出一种多时相多通道云检测算法。该算法首先对GF-4卫星影像进行辐射定标和配准,然后利用云与典型地表的光谱差异得到潜在云像元,之后利用序列GF-4卫星影像之间的差异识别出移动的云像元,最后利用中红外波段反演地表亮度温度来去除冰雪像元。该算法在海南、辽宁和安徽3个研究区域进行验证,并将检测结果与传统单时相云检测算法、支持向量机（SVM）云检测算法和实时差分（RTD）云检测算法的检测结果进行对比。结果表明,该算法优于其他3种云检测算法,准确识别率均达到90%以上,误检率均低于5%,有利于GF-4卫星影像的进一步利用。     

基于显著特性的保持边缘滤波算法

针对传统保持边缘滤波算法中存在光晕的缺点,提出了基于显著特性的图像保持边缘滤波算法.该算法主要思想是利用原图的显著特性图具有边缘突出的特点,简化双边滤波法中灰度因子的设定工作.首先提取出原图像的显著图,然后根据图像显著值的大小自适应模糊图像中的细节和噪声部分:显著值较小的区域灰度因子设置较大,平滑此区域;显著值较大的区域灰度因子设置较小,保持边缘部分的清晰.实验结果表明,该算法在平滑了细节和噪声的同时,有效地保持了边缘信息的清晰,与传统方法相比,新方法不仅避免了光晕现象的产生,而且应用更为广泛.      

基于邻接表的分水岭变换快速区域合并算法

针对图像分水岭变换存在的过分割问题,提出了一种快速区域合并算法.该算法先对梯度图像进行Lee滤波以降低分水岭变换的过分割程度,在传统分水岭变换初步分割的基础上,利用区域邻接图(RAG, Region Adjacency Graph)的邻接表数据结构描述过分割区域之间的关系,采用分级阈值合并的方式完成区域合并,以降低合并计算的复杂度.合并过程中,将基于区域相对边界强度和边界长度的相似度度量准则与传统的区域灰度均值差异度准则相结合,构成新的区域可合并度综合评价函数,以保证区域合并准确可靠.实验结果表明,与传统的分水岭变换区域合并算法相比,该算法有效地提高了区域合并的准确性,并大幅提升了运算速度.      

基于边缘信息的灰度目标跟踪算法

提出了一种基于边缘信息的跟踪算法,其可以实现对剧烈变化的灰度目标的精确跟踪.首先,利用基于双同心圆窗口算子的非线性边缘检测算法得到高质量的边缘信息;其次,为了解决单一边缘特征空间不能充分表征目标的难题,提出了一种通过组合边缘图像构建特征空间的方法,以便为目标建模提供充分信息;再次,在构建的特征空间中使用核估计方法对目标进行建模;在目标定位阶段,利用Kalman滤波器对目标进行预估后,再由Mean Shift算法在预估位置邻近区域实现目标定位;最后,提出了一种基于形态学的动态模型更新策略,使得算法不仅可以获得精确的目标区域,还可以实现对目标尺寸和形状变化的自适应.实验结果表明,本算法不仅可以有效跟踪剧烈变化的灰度目标,而且跟踪窗口可以实现对目标尺寸和形状的自适应.      

基于改进核聚类算法的空间目标识别方法

根据目标区域的矩特征,几何特征以及灰度特征,提取出目标的特征向量,并通过聚类算法对空间目标进行识别,提出了一种基于Voronoi距离的核聚类算法（KFCM）。该算法通过引入一种新的距离度量,使得隶属度函数更加的明晰,改善了核聚类算法极易陷入最小值的问题。运用改进的核聚类算法对3类空间目标进行识别,试验结果验证了算法的正确性和有效性。     

遥感图像的显著-概要特征提取与目标检测

针对巨幅遥感图像的目标检测问题,提出了一种基于显著-概要特征的遥感图像自动目标检测算法.采用滑动窗口将巨幅遥感图像划分为若干个小尺度的区域,针对各个小尺度分块图像,借鉴人类视觉生理功能特性之原理,提取其显著特征和概要特征,其中的显著特征代表了图像中的显著信息及显著区域空间分布和关联信息,概要特征可从整体上反映该区域的背景/目标关联信息.通过对分块区域图像的分类鉴别以实现目标检测.实验结果表明:此方法能以高可靠性和高精确度检测出巨幅遥感图像中的目标.     

空间目标快速轮廓特征提取与跟踪技术

为满足空间目标交会对接任务中高精度、快速的测量要求,提出了一种空间目标快速轮廓特征提取与跟踪技术。该算法首先从初始帧图像中分割定位目标所在局部区域,作为目标连续跟踪的初始值;其次基于初始帧目标局部区域完成对初始帧目标边缘特征的检测及细化处理;最后采用Hough变换完成对初始帧目标边缘的检测及细化后的局部图像轮廓直线的提取,分别选取目标轮廓四方向最优的直线参数作为最终目标轮廓直线获取的效果,并采用梯度最大法则实现两两求交获取的轮廓特征的优化提取。在目标逼近过程中,结合相邻帧图像间目标尺度动态变化的关联性,根据初始帧提取目标轮廓特征的先验信息,确定目标在第二帧图像中的轮廓位置,并依次根据上一帧图像的轮廓位置信息定位目标在当前帧所在的区域,通过局部处理实现序列图像轮廓区域特征的连续跟踪。该算法无需遍历整个图像,所需处理的目标区域大幅减小,能够有效克服由目标图像较多边缘干扰导致的轮廓提取效果差及处理速度慢的缺点,具有速度快、准确性强、稳定性高等优点。