灰度相关图像匹配算法噪声适应性仿真

文章主要研究基于灰度的图像匹配算法对于图像噪声的适应能力。首先对两种典型的基于灰度的图像匹配算法——ABS（Absolute Balance Search）法和归一化互相关法进行了简要介绍,随后通过仿真实验深入研究了上述两种算法对于图像噪声的适应能力;最后得出了相应的结论。     

基于伪彩色的感兴趣目标检测方法

若获取的灰度图像中含有较大噪声时,传统Itti算法经常会出现漏检以及错检的情况。为此,提出了基于伪彩色的感兴趣目标检测方法。首先对灰度图像添加相应的彩色信息,生成一幅目标细节较为清晰的伪彩图;其次根据Itti算法进行显著性计算;最后通过模板匹配检测出感兴趣目标。实验结果表明：算法能够达到补偿由于噪声问题引起的显著性目标无法检测的问题。     

基于噪声乘积的伪码调相引信灵巧噪声干扰

伪码调相引信具有良好的抗干扰能力,是引信电子对抗的重点研究对象。根据噪声乘积调制的灵巧噪声干扰的产生机理,推导出当其作用于引信时伪码调相引信的输出信号的形式。说明基于噪声乘积的灵巧噪声干扰对伪码调相引信能形成欺骗性和压制性干扰的效果,并通过仿真实验验证了这一分析的正确性。基于噪声乘积的灵巧噪声干扰具有欺骗性和压制性干扰的双重效果,能够形成幅值随机的多假目标干扰,同时降低干扰机侦察设备的要求,针对不同的干扰对象,通过调整干扰参数,可以得到不同的干扰效果。     

基于图像对的体视显示算法研究与实现

依据摄像机拍摄的左右两幅图像,按照提出的算法进行图像的矫正、重采样和图像对间的密集匹配,最后通过图像插补输出符合双眼特性的体视图像,试验证明插补后体视图像效果较好.     

噪声检测自适应窗口滤波算法

脉冲噪声的存在,从视觉上影响图像的质量。为了去除图像中的脉冲噪声,提出了利用相似邻居数对图像中的噪声像素进行标记并建立相应矩阵,接着根据噪声的污染程度自适应的选择滤波窗口,最后对噪声像素进行自适应均值滤波去除图像中的脉冲噪声。实验结果表明,算法能有效降低图像中的脉冲噪声,对图像的边缘与细节保持较好。     

冲击斜板距离对超声速欠膨胀射流噪声特性的影响

在全消声室进行超声速欠膨胀射流冲击实验,收缩喷口直径D为56 mm,马赫数Ma为1.23,斜板边长600 mm,冲击角度β为65°。利用远场传声器弧阵列和高频粒子图像测速(PIV),对不同冲击距离噪声和相关流动结构进行观测,其中弧阵列位于射流水平轴线侧面,远场距离64.3D,PIV采样频率足够高,可以观测到大尺度涡结构的脱落过程。粒子灰度图显示自由射流核心区大约延伸9D,非对称模态的大尺度涡结构占据统治地位。系统分析了冲击斜板距离对总声压级和湍流混合噪声、宽带激波相关噪声、激波啸叫等不同噪声成分的影响规律。其中冲击距离(L)大于核心区(L>9D),宽带激波相关噪声几乎没有变化;冲击斜板进入核心区,宽带激波相关噪声下降,冲击噪声在上游频谱占据统治地位,但后者对边线的辐射很弱,导致上游噪声增加而边线总声压级大幅降低。L>5D时射流冲击使啸叫出现微小频移,由于剪切层不稳定波无法正常向下游发展,观测到L=7D时大尺度涡结构会在非对称模态、轴对称模态和过渡模态之间切换,而L=4D时监测到更高频率的啸叫,其无量纲波长对应轴对称模态。激波啸叫幅值的定量分析表明,L>5D时冲击斜板主...     

风扇激波相关噪声预测方法及试验验证

为了在风扇气动设计阶段快速评估噪声,给出了1种具有工程适用性的风扇激波相关噪声分析方法,该方法利用相对 坐标系下静压的周向分布与绝对坐标系下固定观测点感受到的静压脉动的等价关系,以3维黏性流体力学定常仿真为基础,在保 证足够网格分辨率的条件下得到详细流场信息,采用波分解方法将压力脉动分解为向上游和下游传播的2部分,从而避免数值边 界反射的影响,进而完成对风扇激波相关噪声的评估。采用该方法研究了不同转速、不同负荷状态下风扇噪声的演化特点和传播 规律,将计算结果与试验结果进行了对比分析。结果表明：当只有低阶径向模态被激发时,风扇前声压级的最小误差仅为2 dB,验 证了该方法的工程适用性,表明该方法能有效进行激波相关噪声的量化评估。     

基于混合求解法的二维多段翼气动噪声特性分析

基于混合求解法,通过对声源区计算域进行分区,研究了二维多段翼不同部件对远场声压级的贡献,给出了声场分布和远场指向性,发现前缘缝翼噪声和主翼尾缘噪声对远场的贡献较小,襟翼后缘噪声的贡献在总声压级中占主导地位,是值得关注的噪声来源。     

无人机载多传感器图像融合评述

为了能为作战指挥系统提供清晰的局部战场信息,提高对局部战场低可观测目标的检测概率、定位精度及识别概率,迫切需要对无人机载SAR、可见光传感器、红外探测器等图像信息及其他非图像信息融合处理。提出了无人机载多传感器图像融合技术需要研究的内容,如: 图像融合新方法研究;无人机载SAR图像的非平稳性处理;基于图像融合目标检测和处理技术; 无人机载图像和非图像信息的融合问题;无人机载多传感器图像融合的实现及评估;多无人机载合成孔径雷达的协同成像;用图像融合的方法实现对运动目标检测等。分析了所提出研究内容的可行性,剖析了其中的关键技术,拟定了可能的技术路线。     

悬停状态倾转旋翼噪声试验及数值计算

结合消声室试验和数值计算研究了悬停状态倾转旋翼气动噪声特性。消声室试验采用孤立倾转旋翼模型,测试了不同总距角和桨尖马赫数状态的气动噪声数据。数值计算基于CFD(computational fluid dynamic)结合FW-H(Ffowcs Williams-Hawkings)声学方程的方法,采用试验数据验证了计算模型的可靠性。分析了倾转旋翼的噪声传播特点以及拉力系数和桨尖马赫数对噪声总声压级的影响,并对比了孤立旋翼和双旋翼状态的气动噪声特性。结果表明:倾转旋翼噪声随着拉力系数和桨尖马赫数的增加均有所增加,维持旋翼拉力不变时降低桨尖马赫数虽然使得拉力系数增加,旋翼噪声水平仍然降低;倾转双旋翼噪声相对纵向平面对称分布,在多个方位角区域存在着局部最大值,这和双旋翼噪声传播时的相互叠加以及双旋翼间气动干扰相关。      

数字图像质量评价技术综述

图像处理领域中对图像质量的正确评价是一项很有意义的难点工作和基础性课题.该文综合论述了图像质量的客观评价方法,并按照全参考方法、弱参考方法、无参考方法三类方法进行介绍;文章首先概述了图像质量评价技术的国内外现状,对现有的评价方法进行了分类介绍和模型描述,同时选择了相应的典型算法进行说明;最后,就图像质量评价算法的进一步...     

化探散点数据图像化的一种方法

本文以区域化变量理论为依据，以方位取点加权法为插值方法．实现对化探原始离散点的图像化。本文简要介绍了化探数据图像化的步骤，并结合实际工作．给出一个化探图像与遥感图像融合的例子。经实地验证．由化探图像生成的化探异常区与己存在的矿床和矿点十分吻合，证明了此图像化方法的客观性与准确性。     

基于形态学运算的星图像分割

在获取星图像的过程中,由于某些因素的影响,获得的星图像存在噪声和划痕,而且星图像的背景经常是不均匀的,为星图像的分割造成了极大的困难,甚至使得自动阈值分割无法实现或效果较差。膨胀和腐蚀是形态学的两个基本运算,实验证明,通过组合膨胀和腐蚀,可以获取更为复杂的形态学运算。用形态学运算对星图像进行处理,补偿不均匀的星图像背景,然后进行星图像的自动阈值分割可以得到很好的分割效果。     

基于改进微粒群优化算法的互信息医学图像配准

医学图像配准是寻找使两幅图像对应点达到空间位置和解剖结构上一致的过程,对于医学临床科研、诊断等方面具有非常重要的意义。基于互信息的配准方法是目前医学图像配准中无创、自动化程度高且配准精度很高的一种方法,已被广泛应用。但是由于插值赝像导致在其目标函数中存在幅值振荡现象,使用局部最优化搜索有时会终止于局部极值,得到错误的配准参数。提出针对互信息配准方法的特点,使用改进微粒群全局搜索算法,调节该算法的参数以适应不同搜索阶段,保证了最优化搜索的准确性,提高了基于互信息方法配准的成功率。     

射手模型优化与辨识及其对图像制导的影响

基于数据链通信的人在回路制导模式额外引入了射手动力学而且存在图像信号延时,含有射手动力学的控制回路会对目标在视场（LOS）中的误差角进行跟踪补偿,从而提升图像制导弹药的制导控制性能。为探究射手动力学和图像信号延时对人在回路制导性能的影响,基于真实的图像导引头模型及参数,设计校正网络以满足导引头稳定回路的性能需求;引入两类射手模型,针对射手模型2,优化模型结构并通过贴近真实环境的辨识实验得到动力学参数,弥补了现有建模的不足。基于射手对不同图像信号延时的适应性,对比研究了两类射手模型与不同图像信号延时对导引头控制系统稳定性、快速性和人在回路比例导引制导精度的影响。仿真结果表明：图像信号延时越长,导引头跟踪速度越低、误差角越大,制导系统的收敛时间越长;优化后的射手模型2及其参数辨识更准确地描述了射手的操作行为,对制导系统的影响较低且满足系统性能要求。     

基于提升小波和形态学的图像边缘检测算法

基于提升小波变换和形态学的基本理论,提出了一种提升小波和形态学相结合的图像边缘检测算法,算法充分利用了提升小波变换相对于传统小波变换快速而有效的完成小波分解和重构的算法优势。形态学运算在图像处理中具有独特的优势,利用其对图像膨胀和腐蚀的差运算来获取图像的边缘,取得了很好的效果。实验结果表明,算法边缘定位准确,抗噪能力强,检测出的图像边缘连续、平滑,是一种有效的边缘检测方法。     

基于属性形态学分析的图像显著极值检测及应用

由于图像噪声的存在,使得利用传统的极值检测算法通常会使要提取的显著极值淹没在大量的噪声极值中;同时由于先验知识的缺乏,采用普通滤波技术也往往不能很好的滤除噪声,反而会破坏图像的关键结构。本文提出了一种基于属性形态学分析的图像显著极值检测算法。该算法可以在不需要对图像进行滤波的前提下,从数学形态学的角度对图像极值的显著性进行计算和评估,从而能够较好地提取出显著的极值。在沉浸模拟算法的基础上,给出了基于属性形态学分析显著极值检测的快速算法实现,并将其成功应用在视觉注意选择和独立运动目标检测上。实践证明,该算法不仅具有较好的抗噪声特性,而且快速实用,具有广泛的应用价值。     

一种局部自适应内窥镜图像降噪模型

在内窥镜图像处理中,如何消除图像中的噪声一直是个热点问题。由于图像二进小波变换在每次分解时不进行下抽样,所以其表示同小波级数相比是冗余的,且图像二进小波变换的部分系数扰动不会带来重构图像的严重失真。因此,在相同的误判概率下,二进小波变换的图像去噪效果会好于小波级数变换的图像去噪效果。基于这个思想,文章从二进小波理论入手,提出一种自适应二进小波去噪模型,简称ADWD。该方法利用图像信息、噪声信息与小波系数之间的关系,采用局部自适应的方法识别噪声像素,避免了直接确定噪声门限的困难。实验结果及分析表明该方法对Gaussian噪声和Pepper噪声均有较高的信噪比,且对图像的细节有较好的保持能力。     

概率神经网络在识别带有噪声字母中的应用

字符识别是模式识别中的一个应用,通过训练网络可以教会计算机如何识别字符,这在票据处理方面可以大大地提高效率。该文中所建立的神经网络为具有局部响应的高斯函数的三层概率神经网络,它以牢固的插值理论为基础,具有学习速度快,不易陷入局部极小等优点。本文介绍了概率神经网络的学习算法和一个三层概率神经网络对带有噪声的26个英文大写字母的识别。其中利用MATLAB编写仿真程序对概率神经网络进行训练,仿真结果表明,训练的概率神经网络可以对给定的带有噪声的字母作出正确的识别。     

目标图像的显示及后期处理技术

:通过对由图象输入设备获得的目标图象文件的分析 ,论述了利用计算机来完成此类图象的显示方法。此外还论述了利用抛物插值算法来实现目标图像的后期处理———图象局部放大显示的原理及方法。