基于互相关的自动聚焦方法

针对自动聚焦系统,提出了基于互相关的自动聚焦算法.分析了传统自动聚焦算法在速度和精度方面存在的不足,引入互相关原理,定义基于互相关的模板相关算法F_TC.由于选择模板图像的不同,实验的结果不同,进而导致自动聚焦分析的算法也不相同.根据模板图像和实验结果,得出该算法存在2种形式——模板相关的第1种形式和第2种形式.模板图像为聚焦前位置图像,称为模板相关的第1种形式,该形式的实验曲线是由小到大,再减小的过程;模板图像为聚焦图像时,称为模板相关的第2种形式,该形式的实验曲线是由大到最小,再增大的过程.2种形式的图像处理实验结果,与其他几种主要聚焦评价函数(平方梯度函数,Brenner函数)进行比较,结果表明该算法简单,原理容易实现,实验曲线能避免各种波动,因此基于互相关的自动聚焦算法提高了自动聚焦的精度和速度.该算法应用于微流控芯片对准装配自动聚焦系统中,取得了良好的聚焦效果.      

基于边缘与颜色信息的车牌精确定位算法

针对现有车牌定位算法定位率不高和速度慢等问题,结合数学形态学,提出了一种基于车牌边缘检测与颜色信息的精确定位算法.首先对图像进行灰度化、平滑去噪及灰度拉伸等预处理,然后对图像进行垂直边缘检测和二值化处理;再采用线过滤算法滤去干扰边缘线信息,并利用车牌区域灰度变化次数多的特性定位出车牌上下边缘;对经过上下边缘定位后的车牌采用点密度过滤算法滤去零散点,接着采用数学形态学方法寻找连通域粗定位出车牌区域;最后对粗定位车牌在HSV空间进行颜色分割和倾斜矫正,从而精确定位出车牌.实验结果表明,该算法能够实现车牌的快速精确定位.      

PIV技术的粒子图像处理方法

以图像相关理论为基础,研究粒子图像测速技术(PIV)的图像处理方法,编制出高精度的处理软件,重建计算模拟的粒子图像位移场,给出了自相关法与互相关法的积相关与减相关的计算结果,及互相关法的误差分析,分析了自相关与互相关区别.得出了互相关法是提高粒子图像测速技术精度的有效方法的结论,因此跨帧技术是PIV技术的发展方向.     

TDICCD相机大视场多通道遥感图像自动拼接方法

在TDICCD大视场多通道遥感图像的拼接中, 由于存在成像平台谐振及颤振等因素的影响, 以往的经典方法抗噪性和鲁棒性不高, 很难达到图像高精度和快速拼接的要求. 为此, 提出了一种空域互相关自校正亚像素配准方法. 该方法针对TDICCD多通道图像间重叠像素的特点, 采用变搜索窗口的互相关系数作为评价函数; 采用局部检测法监视图像参数的变化, 找出图像每一部分最佳参数; 采用干扰点排除法控制图像中误匹配的点, 使参数更加可信; 在最佳点配准的基础上, 采用所提出的亚像素定位法对配准进行补偿.实际遥感图像拼接结果证明, 该算法精度优于0.1 pixel, 同时比其他方法速度快, 稳定性、抗噪性和鲁棒性都很高, 拼接图像获得了良好的效果.      

基于Tophat变换和文字纹理的车牌定位算法

针对车牌自动识别系统的应用场景越来越广泛,提出一种新的基于Tophat滤波和文字纹理特征的车牌定位算法.首先,利用形态学Tophat滤波抑制背景、消除不均匀光照,然后对图像进行二值化操作和连通域分析;其次,扫描图像得到区域的垂直投影图(VPM, Vertical Projection Map),对VPM进行离散余弦变换(DCT, Discrete Cosine Transformation),利用中低频描绘子重构VPM,重构后的VPM更为平滑,不受噪声影响,其波峰波谷数量、统计量更能描绘区域纹理的本质属性;最后,结合部分中低频描绘子和统计量组成描述区域纹理的模式向量,输入支持向量机归类.实验表明,算法适用于自然场景中的车牌定位问题,具有较强的适应性.      

基于局域纹理特征的图像无损压缩

局域纹理是识别图像的基本要素,因此在图像压缩处理中分析局域纹理特征是达到去相关的有效途径,在此原理基础上提出了一种新的基于局域纹理特征的无损压缩方法,该算法由去相关处理和熵编码两部分组成,去相关操作是通过一组预测模型自适应选择最佳的模型进行处理,然后使用快速有效的CCSDS编码器对最佳去相关模型的预测误差进行编码,最后给出了该算法与JPEG2000及JPEG-LS的无损压缩结果的比较,实验结果显示,该算法的压缩结果明显优于JPEG2000及JPEG-LS的无损压缩结果.      

数字电视大范围载波频偏快速捕获算法

根据中国数字电视地面传输标准帧结构特点,提出了一种大范围频率偏差捕获方法.该算法利用PN(Pseudo Noise)序列移位相加后仍为PN序列这一特征,通过帧头PN序列与本地PN序列的差分互相关得到待求的频偏值,然后利用BLUE(Best Linear Unbiased Estimator)方法,在不损失频偏精度的前提下扩大频偏估计范围.该算法能在帧同步前快速捕获大范围频偏,为可靠实现帧同步以及频偏跟踪过程提供了必要条件.仿真结果表明,相对于传统的差分互相关算法,该算法能在一个帧头时间内快速锁定频偏,频偏估计范围扩大了H倍且频偏精度不变.     

SAR图像超分辨与点扩展函数扰动校正算法

推出基于贝叶斯概率公式的SAR(合成孔径雷达)图像超分辨的最大估计(EM)算法,实现SAR图像雷达截面积的重建.本算法成功地将图像场景的先验知识纳入到图像的重建过程之内,有效提高了图像的分辨力,并采用点扩展函数参数化模型,通过估计该模型的参数,抑制点扩展函数扰动的影响.二者结合,有效地实现了SAR图像的超分辨.本算法的关键是构造合理的点扩展函数模型,能够同时拟合SAR图像数据和成像系统参数的相关信息.     

综合孔径辐射计偏微分方程近场图像反演算法

针对综合孔径辐射计傅里叶变换成像算法在近场条件下失效的问题,提出了一种基于局部自适应偏微分方程的精确数值图像反演算法.该反演算法根据待反演亮温图像的局部特征,在图像背景区域进行各向同性扩散来抑制噪声,在图像目标区域进行自适应扩散来保持图像边缘细节.近场仿真结果表明,该算法有效地降低了可视度测量噪声对亮温图像反演的影响.用一套8 mm波段二维综合孔径辐射计BHU-2D-U进行了成像实验,实验结果证明了该近场图像反演算法的有效性.      

一种基于DCT的SAR图像自聚焦算法

研究了一种基于离散余弦变换(DCT, Discrete Cosine Transform)的SAR(Synthetic Aperture Radar)图像自聚焦算法.该方法从复图像域出发,通过在距离压缩相位历史域引入相位误差模型,改变图像的聚焦程度直至一维像的DCT序列在高序数区域的权值达到最大,从而完成误差校正.同相位梯度自聚焦算法相比,该方法无需在图像域分离出强点目标,因此特别适用于无任何明显特征的图像.由于DCT存在快速算法,使得该自聚焦算法计算量较少,更易实现.实测数据及仿真数据的成像结果证明了此方法的可行性.      

基于Gabor滤波器的图像目标识别方法

为了给机器人视觉导航提供有效信息,提出一种基于图像匹配的目标识别方法.对CCD采集的目标图像,由 Gabor 变换生成的二维Gabor 滤波器有着优良的滤波器性能,不需要对图像进行分割,能适应一定的旋转、尺度、光照的变化,通过多个频率和角度的Gabor算子与图像的卷积,获取图像全局信息的特征描述.分类方法采用统计学习理论基础上发展起来的一种新的机器学习方法——支持向量机(SVM, Support Vector Machines),它可解决模型选择、过学习、维数灾难等问题.通过支持向量机进行多维特征向量的分类.该方法可达到较高的识别率,达到实时处理的要求,可以在人脸识别、机器人视觉定位等领域得到应用.      

数字全息粒子图像测速技术研究

 通过全息照相及再现的理论分析,进行了数字全息计算机数值模拟,利用快速傅里叶变换技术(FFT)对拍摄到的干涉条纹进行了图像复频域的信号分析,实现了数字全息的复频域滤波技术和全息图的小景深再现技术,应用于数字全息粒子图像测速DHPIV(Digital Holography Particle Image Velocimetry)技术.并对立方体对角复杂流动流场进行了试验测量,得到了空间中的三维速度向量场分布,进而得到了三维流线的空间分布,实现了具有时间序列全流场三维空间的三维速度场测量.     

用于识别两颗故障卫星的RAIM算法

提出了一种可以识别两颗故障卫星的接收机自主完好性监测算法.将最优奇偶矢量法应用于两颗故障卫星识别,指出由于故障偏差可能会抵消而使得正确识别率较低.对最优奇偶矢量法进行了改进,利用对单颗卫星故障敏感的最优奇偶矢量对所有可能的两颗故障卫星组合分别构造两个新的奇偶矢量,用于两颗故障卫星的检测和识别.计算机仿真结果显示,改进后的算法与直接利用最优奇偶矢量法相比,可以显著提高两颗故障卫星正确识别率,识别率可超过90%.同时,改进算法的奇偶矢量构造方法简单,计算量将减少90%以上,更有利于工程实现.      

近距离DPIV粒子成像分析

在PIV(Particle Image Velocimetry)近距离拍摄中,通过对在非傍轴成像条件下薄透镜成像公式的推导,求得粒子图像成像点的近似解析解,对粒子图像的成像位置在PIV图像计算中的影响作了讨论;同时也对已知直径粒子进行了试验拍摄,将试验所得的数据与理论推导的结果进行了比较,对在近距离拍摄中光圈对粒子成像的影响给出了定量分析.      

融合TRIAD算法用于GPS姿态确定

研究把观测矢量定姿算法用于ＧＰＳ姿态确定。传统的ＴＲＩＡＤ算法利用两个非平行矢量确定载体的三轴姿态,但它存在对主矢量敏感,且不能利用第３根矢量的测量信息等缺点。文章提出一种改进的ＴＲＩＡＤ算法,克服了主矢量敏感问题;为了能利用３根基线的观测信息,在ＯＰＴＴＲＩＡＤ算法的基础上提出融合ＴＲＩＡＤ算法,它可以提高定姿精度。用接收机进行了实验,结果表明改进的ＴＲＩＡＤ算法确实克服了主矢量敏感问题;较之传     

The attitude inversion method of geostationary satellites based on unscented particle filter

The attitude information of geostationary satellites is difficult to be obtained since they are presented in non-resolved images on the ground observation equipment in space object surveillance. In this paper, an attitude inversion method for geostationary satellite based on Unscented Particle Filter (UPF) and ground photometric data is presented. The inversion algorithm based on UPF is proposed aiming at the strong non-linear feature in the photometric data inversion for satellite attitude, which combines the advantage of Unscented Kalman Filter (UKF) and Particle Filter (PF). This update method improves the particle selection based on the idea of UKF to redesign the importance density function. Moreover, it uses the RMS-UKF to partially correct the prediction covariance matrix, which improves the applicability of the attitude inversion method in view of UKF and the particle degradation and dilution of the attitude inversion method based on PF. This paper describes the main principles and steps of algorithm in detail, correctness, accuracy, stability and applicability of the method are verified by simulation experiment and scaling experiment in the end. The results show that the proposed method can effectively solve the problem of particle degradation and depletion in the attitude inversion method on account of PF, and the problem that UKF is not suitable for the strong non-linear attitude inversion. However, the inversion accuracy is obviously superior to UKF and PF, in addition, in the case of the inversion with large attitude error that can inverse the attitude with small particles and high precision.     

基于智能优化箱粒子滤波的移动机器人FastSLAM

针对传统FastSLAM算法需要大量粒子构建地图导致计算复杂度高、难以提高估计精度等问题,研究构建了一种基于智能优化箱粒子滤波（IOBPF）的移动机器人FastSLAM算法。首先,将萤火虫算法（FA）的动态寻优机制引入箱粒子滤波（BPF）,建立了箱粒子的荧光亮度更新公式、吸引度计算公式和位置更新公式,使箱粒子集智能化地向高似然区域移动,避免了箱粒子的退化现象。然后,以改进的智能优化箱粒子滤波进行机器人位姿估计,并采用扩展区间卡尔曼滤波（EIKF）完成地图的构建和更新。移动机器人的模型仿真和实体实验结果表明:所提智能化FastSLAM算法可有效提升箱粒子的性能,并降低地图构建所需粒子数,从而显著提高FastSLAM的定位精度和地图构建的鲁棒性。