基于三维点云模型的空间目标光学图像生成技术

空间探测任务中大量先验图像数据的缺乏，使得基于光学图像的态势感知和导航算法无法被有效定量测试和评估。针对此问题，提出了一种基于三维点云模型和射影变换基本理论的空间目标光学图像生成方法。在完成对空间目标三维点云模型和仿真摄像机模型构建基础之上，利用射影变换基本理论依次计算像平面所有像素点与空间目标三维点云模型空间点的对应关系，并基于Lambertian漫反射模型和相对应空间目标三维点云模型空间点的光照方向，得到所有像素点的灰度值，从而生成给定空间目标的光学图像。大量仿真实验表明:与传统的基于解析模型的仿真图像生成方法相比，所提的空间目标光学图像生成技术能够以更快的速度生成更加真实的仿真图像，且生成的仿真图像可以广泛应用于椭圆拟合、陨石坑检测、着陆器视觉导航、航天器交会对接、空间目标跟踪等典型空间应用算法的定性与定量评估。      

基于改进大气散射模型的单幅图像去雾方法

雾天情况下获得的图像通常会出现对比度低、色彩丢失及噪声等问题，传统的去雾方法主要着眼于解决对比度低、色彩损失等问题，而没有考虑空气中灰尘颗粒散射隐藏的噪声光，导致去雾结果中易出现大量的噪声。针对该问题，提出了一种基于改进大气散射模型的单幅图像去雾方法。结合雾霾天气的特点，通过增加空气中介质散射的噪声光对传统雾天成像的大气散射模型进行改进；针对暗通道先验计算透射率不准确的问题，根据改进的模型构建一种透射率精细化的求取方法；结合全变分模型保边抑噪的思想，构造一种新的目标函数，迭代求解获得去雾图像。实验结果和对比分析表明:所提方法能有效去除图像中的雾，减少去雾结果中的噪声，同时也能保留图像中丰富的纹理信息。      

一种结合深度学习的运动去模糊视觉SLAM方法

针对高动态环境下视觉同步定位与地图构建（Simultaneous Localization And Mapping,SLAM）系统的可靠性受运动模糊的限制,研究了一种基于生成对抗网络(Generative Adversarial Network,GAN)和AKAZE特征点的运动去模糊视觉SLAM方案。首先对因相机快速运动而产生的模糊图像进行AKAZE特征点的提取与检测,并根据特征点分布的丰富程度计算图像块权重,结合灰度图像的方差信息建立特征点与模糊程度之间的量化关系表;之后将达到模糊分数阈值的图像同步输入至改进GAN网络模型,该网络以端对端的形式恢复中心模糊帧的纹理信息,最后将输出的清晰图像重新进行位姿估计参与ORB-SLAM2后端优化过程。在公开数据集TUM上进行测试,对于受模糊影响较严重的数据集,方案可以明显降低相机轨迹估计的整体误差,同时维持较好的鲁棒性。     

结构引导的图像修复

针对粗网络引入先验知识较少使得补全的内容存在明显视觉伪影问题,提出了基于边缘结构生成器的两段式图像修复方法。采用边缘结构生成器对输入的图像边缘和色彩平滑信息进行特征学习,生成缺失区域的结构内容,以引导精细网络重构高质量的语义图像。通过在公开的图像修复基准数据集Paris Street-View上进行实验测试,结果表明,所提模型可对掩膜占比达50%的图像进行补全。在客观的量化评价指标上,峰值信噪比、结构相似度系数、L₁和L₂均值误差等数值整体优于EC、GC、SF等方法,其中,掩膜占比为0%~20%时,峰值信噪比指数达到33.40 dB,优于其他方法2.37~6.57 dB,结构相似度系数提高了0.006~0.138。同时,补全的图像纹理更清晰,视觉质量更高。      

基于区域预测和视觉注意计算的快速目标检测

提出了一种结合区域预测与视觉注意模型化计算的快速目标检测方法.通过分析图像近似均匀的3个水平子区域的方向特征图之灰度比率,灰度特征图之信息熵和子区域位置,建立了目标区域预测的判定准则.同时,通过优选特征和优化特征图之权重,改进了视觉注意计算模型.对于一幅待检测图像,根据区域预测的判定准则,实现目标区域的快速预测,并利用改进的视觉注意计算模型对目标区域进行视觉注意计算,实现特定目标的快速精确定位.实验结果表明:针对户外场景中的行人目标,与通过整幅图像的视觉注意计算来实现目标检测的传统方法相比较,该检测方法可使检测时间缩短30%,同时还能使检测准确率提高9%.      

基于双谱重构的图像降噪

提出了一种基于双谱重构的图像去噪方法.该方法的基本理论依据是:高阶统计量对高斯噪声的不敏感性.它首先计算图像的高阶谱,而得到的高阶谱中理论上将不再包含高斯噪声,然后再通过高阶谱重构图像的幅值和相位信息,最后还原至空间域而得到去噪后的图像.它是高阶谱域的变换与重构方法.仿真结果和分析表明,该双谱重构法较好地解决了去除噪声与保留细节之间的矛盾,无论从直观视觉和从定量分析结果,该双谱重构法都优于中值滤波法和高阶累积量方法.     

规则图像特征的标准互相关相似函数

利用标准互相关算子对机器视觉领域常用的十字图像特征进行匹配运算,发现相似函数在峰值区域的分布特征为4个互相对称的双曲面.受此启发,对规则几何图像特征(如矩型、圆型等)的标准互相关相似函数展开了研究.以图像特征概率分布的形式给出了NCCO算子在二值图像匹配下的相似函数计算式.推导并证明了矩型、圆型等典型图像特征相似函数在峰值点区域具有确定的数学模型.基于上述数学模型,在微装配显微视觉系统上进行了实验验证,对模板优化、图像特征的尺寸等优化方法进行了探讨.上述结论对图像定位、图像标定、图像跟踪等技术研究具有实用价值.      

基于人眼视觉的结构相似度图像质量评价方法

分析了数字图像中亮度、纹理细节、空间位置等因素对人眼视觉特性的影响,建立了数学模型,将人眼视觉特性与图像的结构相似度结合起来,提出一种符合人眼视觉特性的图像质量评价新方法.该方法将图像划分成大小相等的分块,计算出各分块的亮度影响因子、纹理细节影响因子和空间位置影响因子,经过归一化处理得到每个分块的权值,用加权平均的结构相似度作为图像质量的评价指标.实验证明该方法能够区别图像中不同区域的图像特征,符合人眼视觉特性,与主观评价结果一致.      

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。      

基于生成对抗网络的空间卫星低照度图像增强

针对空间低照度成像条件下卫星光学图像信息受损严重的问题,提出了一种基于生成对抗网络的空间卫星低照度图像增强方法,提高了图像的平均亮度及对比度,恢复图像细节信息,为图像识别等图像处理技术提供更高质量的数据信息.首先,设计了一种密集连接的生成器,加强了各特征提取阶段中的信息传递以及多层特征的融合,减少了特征信息的损耗,更好...     

利用偏振图像加权融合及CLAHE算法的水下成像方法

针对传统基于偏振差分原理的水下光学成像方法中目标退偏振特性差异引起的图像中局部反射光损失的问题,本文提出了基于偏振图像加权融合与限制对比度自适应直方图均衡（Contrast Limited Adaptive Histogram Equalization, CLAHE）算法的水下成像方法。一方面,将原始水下图像分解为偏振光强图像和非偏振光强图像,根据不同退偏振特性目标在两幅图像中的灰度值分布特点,设计相应的权重因子,对两幅图像进行加权融合。从而实现在压缩原始水下图像中散射光的同时,保留更多目标反射光,提升整体目标反射光在融合图像中所占的比例。另一方面,为了进一步提升融合图像的对比度,利用限制对比度自适应直方图均衡算法对融合图像进行处理。该算法能够在提升融合图像对比度的同时,有效避免图像噪声的放大。实验结果表明,相比于传统的偏振差分方法以及独立的直方图均衡化算法,本文提出的算法能够有效提升水下图像的清晰度和对比度。     

基于平行光管与二维旋转平台的长焦相机内参标定

长焦镜头能够采集位置更远的图像,而长焦镜头成像的特殊性对传统相机标定方法提出了挑战。针对这一问题,阐述了一种基于平行光管和二维旋转平台的相机内参标定方法。长焦相机被架设在二维旋转平台上,对放置在平行光管内的透过式棋盘格成像。通过旋转二维平台,改变相机的位置,可以得到不同位置下清晰的棋盘格图像。采集了棋盘格格点的像素坐标以及二维平台的角度数据,建立了合适的模型,优化求解出了长焦相机的内参参数,实现了实验室内对长焦镜头的标定。由模型计算得到的重投影棋盘格角点的图像坐标与在实际图像中检测到的棋盘格角点坐标相比,平均误差约为0.5个像素,这验证了算法的可行性。     

基于双目视觉的自动空中加油近距导航方法

为解决插头锥管式自动空中加油中的近距精确导航问题,提出了一种基于双目视觉的近距导航方法.该方法使用受油机上的两个摄像机拍摄加油锥管端面上光学标记的图像,采用轮廓跟踪法检测图像中的光斑区域,并将其灰度重心作为光学标记的像点,根据对极几何约束完成像点的匹配,利用空间圆形拟合法计算加油锥管的位置和姿态.建立了空中加油的三维虚拟场景对该导航方法进行仿真验证,仿真结果表明,该方法在近距离加油对接时具有很高的位置和姿态测量精度,可以满足自动空中加油的需要.      

一种基于图像特征点提取及匹配的方法

针对图像特征提取与匹配的适应性和准确性的问题,将尺度不变特征变换(SIFT, Scale Invariant Feature Transform)算法应用到图像匹配领域.首先从原理上对SIFT算法的特性进行了分析,并以visual studio 2005为开发平台对SIFT算法分步骤进行了实现;最后以基于欧氏距离的最近邻准则作为特征的相似度量将SIFT算法提取的特征应用于图像特征匹配,并对不同的近邻比进行比较,给出了建议值.通过3组实验图像的匹配结果表明,SIFT算法提取的特征对图像缩放、旋转、亮度变化的匹配正确率都等于或接近100%,证明了SIFT算法提取的特征点有很好的适应性和准确性,可以进一步应用到图像识别以及图像重建等领域.      

基于失真敏感性的可见光遥感图像压缩补偿

可见光遥感图像纹理细节丰富且分布情况复杂,高倍压缩后容易出现失真不均衡现象。现有研究并不针对图像的主观品质且易出现错补偿问题。为此,设计了基于失真敏感性的可见光遥感图像压缩补偿方法。通过对比结构相似度模型各函数对遥感压缩失真的评价效果,构造了压缩失真敏感性模型,在此基础上深入分析了不同程度的数据损失对恢复像质的影响,设计了基于失真敏感性的压缩补偿策略,在压缩编码端确定失真敏感区域并量化回传失真影响明显的数据,补偿于解码端恢复图像中。结果表明,该方法能有效提高恢复图像失真敏感区域内遥感目标的清晰程度和可判读性,降低恢复图像的失真不均衡程度,改善恢复图像的整体质量。     

顾及星像点分布的恒星相机在轨检校

由于卫星发射前后以及在轨运行过程中,环境因素的变化都可能引起恒星相机参数发生改变,从而导致星敏感器姿态测量精度下降.将多片空间后方交会方法应用于恒星相机的在轨检校.在利用该方法检校时,实验发现检校结果的精度受到参与检校的恒星影像上星像点分布的影响,由此进一步提出了凸包面积百分比准则,该方法自动选取分布较好的影像用于检校,有助于提高检校精度.实验结果证明:基于后方交会进行恒星相机在轨检校时,利用凸包法选取的影像片进行检校的精度明显优于未选片时检校的结果.